基于小目标遮挡感知的烟头检测算法

来源：计算机工程与应用杂志2025年第20期北京时间：

作者：田艳萍, 金淼, 陈习文, 张军, 刘莉, 余锋, 姜明华

单位：1.武汉纺织大学 计算机与人工智能学院，武汉 430200；2.中国电力科学研究院，武汉 430074；3.湖北省服装信息化工程技术研究中心，武汉 430200；4.南洋理工大学 电气与电子工程学院，新加坡 639798

摘要：在复杂的电力作业场景中，烟头通常为小目标，且容易受到其他物体的遮挡，现有的小目标检测方法在多尺度特征融合和遮挡感知方面仍存在不足，尚未充分考虑电力场景的特殊需求。为解决这一问题，提出了一种适用于电力场景下小目标遮挡感知的烟头检测算法CBD-STOA。针对电力场景下烟头小目标检测精度低的问题，在颈部网络中引入了多尺度序列特征融合模块SSFF，以增强网络的多尺度信息提取能力，从而提高检测精度。为了应对烟头密集场景中的高误报率问题，CBD-STOA设计了三重特征融合模块TFF，通过融合不同尺度的特征图来增加细节信息，减少误报率。为了解决烟头遮挡的问题，CBD-STOA设计了遮挡感知检测头OADHead，通过执行多尺度空间传播，充分利用上下文信息来增强模型对特征图的全局感知，从而提高模型在部分遮挡情况下的检测能力。在自制烟头数据集ElectricSmoke上的实验结果显示，CBD-STOA算法的mAP50和mAP50-95相较于原始的YOLOv8n算法分别提高了2.0个百分点和4.1个百分点，同时在TinyPerson数据集上也有着不错的表现。该研究为小目标遮挡检测提供了新的思路和方法。

关键词：电力安全,小目标检测,遮挡感知,序列特征融合