融合多尺度注意力的轻量化初期林火检测算法

来源：电子测量技术杂志2025年第15期北京时间：

作者：徐瑞杰，谢辉，姜吴瑾，李洪兵，肖扬

单位：1.重庆三峡学院电子与信息工程学院 重庆 404100;2.重庆三峡学院计算机科学与工程学院 重庆 404100

摘要：针对森林火灾初期检测领域中环境背景复杂、小目标火焰和烟雾纹理特征不明显、模型参数量大、实际部署计算资源受限的问题，提出基于改进YOLOv5s的轻量化森林火灾初期检测算法YOLO-VRG。首先，使用极简主义网络VanillaNet作为特征提取网络，以显著降低模型复杂度，实现高效特征提取；其次，设计了空间特征和特征通道重建注意力卷积RVBC3EMA模块，以减少空间和通道维度上的特征冗余，提高特征表达能力；最后，充分利用分组混洗卷积以进一步降低模型参数量和计算量。实验结果表明：YOLO-VRG模型相比于原始模型，mAP@0.5达到了87.6%，提升了3.2%的同时，模型参数量减少了74.1%，GFLOPs降低了71.9%，仅有2.1 M的参数量和4.5的GFLOPs，该算法在提高检测精度的同时大幅度减少了模型参数量，能更好的适用于计算资源受限的场景。

关键词：火灾初期检测;YOLOv5s;轻量化;EMA注意力;目标检测

基金资助：重庆市自然科学基金（2022NSCQ-MSX4084）、重庆市教委科学技术研究项目(KJZD-M202201204，KJZD-M202301203)、重庆市教委科学技术研究项目（KJQN202401237）资助