复杂环境下的YOLOv5s烟火检测方法

来源：电子测量技术杂志2023年第24期北京时间：

作者：王铮帅，邱联奎，李迎港

单位：河南科技大学信息工程学院 洛阳 471023

摘要：针对复杂环境中烟火检测困难，检测精度低的问题，提出一种改进YOLOv5s的烟火检测方法。首先，针对Neck层烟火特征融合不准确、效果差的问题，提出一种通道注意力机制—Scoring module，对每个通道的特征打分，选择分数高的特征进行特征融合，过滤分数低的特征，避免引入过多冗余特征，在增加少量的可训练参数情况下提高特征融合能力和检测精度；然后，为了提高Head层的预测能力，使用α-EIOU替换GIOU损失函数，提高预测框的定位和检测性能；最后，为了改善数据集数据量少、数据形式单一的问题，使用改进的Mosaic数据增强法扩充样本数据，提高模型泛化能力。实验结果表明，改进后的方法比原YOLOv5s平均精度均值高4.7%，检测速度为212 fps，同时在与其他改进型YOLOv5s的对比实验中表现较好。在环境复杂的图像中取得了较好的检测效果，可以满足复杂环境下的烟火检测任务。

关键词：烟火检测;YOLOv5s;特征选择模块;α-EIOU;数据增强

基金资助：国家自然科学基金（U1504617）项目资助