基于改进Yolov5s的无人机火灾图像检测算法
来源：计算机测量与控制杂志2023年第5期北京时间：
作者：苏小东,胡建兴,陈霖周廷,高宏建
单位：贵州理工学院航空航天工程学院
摘要：为了解决现有火灾检测算法模型复杂，实时性差，难以部署在无人机平台的问题，通过改进Yolov5s算法对无人机火灾图像目标检测进行分析研究。利用搭载高清摄像头的无人机设备获取的火灾图像、公开数据集、互联网航拍视频自主建立无人机火灾图像数据集；采用轻量化模型Yolov5s为基础模型，MobileNetV3作为特征提取主干网络，降低模型参数和计算量，解决实时性差和模型部署的问题；模型颈部引入注意力模块CBAM，综合了通道和空间信息，加强网络对高层次语义信息的传递；修改模型检测头部结构，增强小目标检测能力。通过消融试验对比分析各个模块对模型的影响，与常见火灾模型进行对比分析，分析本文算法的优劣。算法在自建数据上的平均精度达到78.2%，模型大小为6.7M，单帧（640×640）图像处理时间为15.2ms。实验结果表明，本文算法模型简单、实时性好，为火灾检测算法部署在无人机平台奠定技术基础。
关键词：Yolov5s;航拍火灾图像;MobileNetV3;小目标检测;注意力机制
基金资助：国家自然科学基金地区基金项目（61763005）；贵州省科技计划项目（ 黔科合基础[2017]1069）；贵州省教育厅创新群体重大研究项目(黔教合KY字[2018]026)；贵州省普通高等学校工程研究中心(黔教合KY字[2018]007)；贵州省普通高等学校军民融合人才培养基地（ 黔科合基础[2020]011）；贵州省教育厅普通本科高校青年人才成长项目（黔教合KY字[2022]349）；贵州省基金基础研究计划项目（黔科合基础-ZK[2022]172）。
