基于多路径增强特征的早期烟雾检测算法

来源：电子测量技术杂志2025年第7期北京时间：

作者：司盼召，何丽，王宏伟，冉腾

单位：新疆大学智能制造现代产业学院机械工程学院 乌鲁木齐 830017

摘要：早期烟雾检测是及时消除火灾隐患的有效手段，然而火灾早期的烟雾尺度小且扩散形式复杂，这使得其检测极具挑战性。针对以上问题，提出了一种基于多路径增强特征的早期烟雾检测算法MEF-YOLO。该算法采用QA-ELAN改进了骨干网络，实现了模型复杂度和精度兼顾优化；并设计了FGCA自主增强样本区域间的特征差异，以有效捕捉烟雾的空间信息；且通过MEFAN优化特征融合路径，实现了跨层次特征间的直接交互，有效缓解了细节信息损失；又引入Wise-IOU损失函数，通过权重调整机制全面考虑位置和尺度信息，进而提高其在复杂场景的鲁棒性。实验结果表明，在不同光照以及小尺度烟雾、烟雾扩散等实验场景中，本研究提出的算法对早期烟雾的检测准确率高达92.5%，并且更具轻量化优势，参数量和GFLOPs分别下降了27.5%和30.6%。

关键词：早期烟雾;YOLOv5;多路径增强特征聚合网络;注意力机制

基金资助：新疆维吾尔自治区重点研发计划项目（2022B01050-2)资助