基于Transformer改进YOLOv5的山火检测方法研究

来源：电子测量技术杂志2023年第16期北京时间：

作者：钱承山，沈有为，孙宁，戴仁天

单位：1.南京信息工程大学自动化学院 南京 211800; 2.无锡学院 无锡 214000

摘要：构建智慧生态林业中核心环节为对森林火灾的监测及防范，为了第一时间扑灭火源防止火势蔓延并将可能发生的山火隐患于第一时间消除，提出了两种适用于无人机高空巡检的森林火灾检测模型YOLO_MC与YOLO_MCLite。其中YOLO_MC可对标准图像中的明火及烟雾进行检测，并基于YOLO_MC模型进行轻量化设计，提出适用于热图像中高温区域的检测模型YOLO_MCLite。在网络结构的设计中，首先在常规的卷积神经网络中融合加入了Transformer模型，提升了主干网络对于全局特征信息的感知能力；同时对Transformer模型进行轻量化设计，首先在网络结构上通过分组计算的形式减少tokens数量以降低计算量，其次通过通道注意力机制对特征块的通道数进行去冗余并提权来减少tokens的维度参数以降低计算复杂度，并且采用蒸馏算法从所设计的网络中提取出超轻量化网络应用于无人机红外影像的森林高温点检测,以预防森林火灾的发生。经过实验得出以下数据：所设计的两个检测模型中，其中适用于标准图像中对于明火及烟雾的检测准确率可达948%，适用于热图像对高温点的检测准确率可达972%，并且在英伟达JETSON TX2嵌入式设备上测试两个模型的帧率分别达到了225以及324。实验结果表明本文所设计网络能够对森林火灾进行有效检测并可以通过检测高温点及时预防火灾发生。

关键词：目标检测;森林火灾;神经网络;Transformer模型;蒸馏学习

基金资助：无锡市现代产业发展资金项目(20201012)、江苏省研究生科研实践创新计划项目(SJCX22_0349)、江苏省科技副总项目(FZ20200099)资助