一种改进YOLOv5s的森林火灾烟雾检测算法

来源：计量学报杂志2024年第9期北京时间：

作者：张立国,张琦,金梅,袁煜淋,王泓沣

单位：燕山大学电气工程学院,河北秦皇岛066004

摘要：提出一种基于改进YOLOv5s的森林火灾烟雾检测算法。构建包含16573幅图片的火焰烟雾数据集,解决训练数据不足的问题,提高训练模型的泛化能力。设计一种轻量化的GC-C3模块替换原有的C3模块,减少模型参数量和计算量;将加权双向特征金字塔网络结构融合到Neck结构中,增强网络对于中小目标的检测能力;修改网络空间金字塔池化结构,使用SimSPPF结构替换SPPF,提高了网络的计算效率和检测准确度;将边界框回归损失函数CIOU替换为Focal-EIOU,加快模型的收敛速度,解决正负样本不匹配的问题。实验结果表明:改进之后的网络平均检测准确度提高2.3%,模型参数数量下降46.7%,模型计算量下降47.5%。

关键词：机器视觉;火灾烟雾检测;深度学习;YOLOv5s;轻量化;小目标检测;Focal-EIOU

基金资助：河北省中央引导地方专项 (199477141G)