基于轻量化YOLOv8n的火焰烟雾检测方法

来源：电子测量技术杂志2026年第6期北京时间：

作者：路敬祎，陈波，吴阳，梁棋皓，王鹏

单位：1.东北石油大学三亚海洋油气研究院 三亚 572024; 2.东北石油大学人工智能能源研究院 大庆 163318; 3.东北石油大学电气信息工程学院 大庆 163318; 4.黑龙江省网络化与智能控制重点实验室 大庆 163318

摘要：火焰与烟雾检测作为智能监控与灾害预警的重要环节，广泛应用于森林防火、工业安全等领域。然而，现有算法在自然环境下往往面临检测精确率低、速度慢、模型过大等问题。为此，本文提出一种基于轻量化YOLOv8n的火焰烟雾检测方法。该方法采用PP-LCNet替换原有主干网络以减小模型规模，引入CARAFE上采样算子提升特征重建能力，并融合EMA注意力机制以增强目标感知能力。实验结果显示，该改进模型相比YOLOv8n参数量减少1.01 M，计算量降低2.2 G，同时在检测精度和mAP50分别达到94.8%和93.6%，在多种主流轻量化检测模型中表现最佳，兼具精确性与实时性，具备较高应用价值。

关键词：火焰烟雾;深度学习;目标检测;YOLOv8n;轻量化

基金资助：国家自然科学基金（62473096）、中国博士后科学基金（2023MD744179）、海南省自然科学基金（623MS071）、黑龙江省自然科学基金（LH2023H001）项目资助