基于改进YOLOv5s的焦炉烟火识别算法

来源：计算机测量与控制杂志2024年第5期北京时间：

作者：刘一铭,张运楚,周燕菲,张欣毅

单位：山东建筑大学 信息与电气工程学院

摘要：针对炼焦厂烟火排放全天候环保监测的要求，提出了基于改进YOLOv5s的焦炉烟火识别算法；该算法以YOLOv5s为基础网络，在主干网络Backbone中添加CBAM注意力机制模块，使网络更加关注重要的特征，提升目标检测的准确率；新增FReLU激活函数代替SiLU激活函数，提高激活空间的灵敏度，改善烟火图像视觉任务；在自建数据集中烟、火样本标签基础上，增加灯光标签来解决强灯光对火焰识别的干扰，并通过分流训练、检测的方式来解决昼夜场景的烟火检测问题；在自建数据集上做对比实验，更换激活函数后，联合CBAM模块的YOLOv5s模型效果最佳；实验结果显示，与原始YOLOv5s模型相比，在白天场景下的烟火识别mAP值提升了6.7%，在夜间场景下的烟火识别mAP值高达97.4%。

关键词：烟火识别;YOLOv5s;注意力机制;激活函数;目标检测

基金资助：国家自然科学基金(62003191)