El trabajo en altitudes elevadas plantea riesgos significativos para la seguridad, y el uso de cinturones de seguridad es crucial para prevenir caídas y garantizar la seguridad de los trabajadores. Sin embargo, el monitoreo manual del uso de cinturones de seguridad es un proceso que consume tiempo y propenso a errores. En este documento, proponemos un algoritmo mejorado de detección de cinturones de seguridad en alturas elevadas basado en el modelo YOLOv8 para abordar estos desafíos. Nuestro documento introduce varias mejoras para mejorar su rendimiento en la detección de cinturones de seguridad. Primero, para mejorar la capacidad de extracción de características, introducimos un mecanismo de atención BiFormer. Además, utilizamos un operador de aumento de peso ligero en lugar de la capa de aumento de peso original para preservar y recuperar información detallada sin agregar una carga computacional excesiva. Mientras tanto, se introdujo Slim-neck en la capa del cuello. Además, se incorporaron cabezales de entrenamiento auxiliares adicionales en la capa de la cabeza para mejorar la capacidad de detección. Por último, para optimizar la predicción de la posición y el tamaño del cuadro delimitador, reemplazamos la función de pérdida original con MPDIOU. Evaluamos nuestro algoritmo utilizando un conjunto de datos recopilado de escenarios de trabajo en altitudes elevadas y demostramos su efectividad en la detección de cinturones de seguridad con alta precisión. En comparación con el modelo YOLOv8 original, el modelo mejorado logra valores de P (precisión), R (recuperación) y mAP (precisión promedio) del 98%, 91.4% y 97.3%, respectivamente. Estos valores representan una mejora del 5.1%, 0.5% y 1.2%, respectivamente, en comparación con el modelo original. El algoritmo propuesto tiene el potencial de mejorar la seguridad en el lugar de trabajo y reducir el riesgo de accidentes en entornos de trabajo en altitudes elevadas.