改进YOLOv5s的地下车库火焰烟雾检测方法

来源：计算机工程与应用杂志2024年第11期北京时间：

作者：杜辰, 王兴, 董增寿, 王亦雷, 江忠浩

单位：1.太原科技大学 计算机科学与技术学院，太原 030024；2.太原科技大学 电子信息工程学院，太原 030024

摘要：针对传统地下车库火灾检测不及时且无法给出火灾详细信息、目标检测对小目标烟火检测困难、其他烟火检测精度低等问题，提出了一种改进YOLOv5s的地下车库烟火检测算法。在YOLOv5s主干网络的最后一个C3模块中加入了注意力机制，帮助网络模型更充分地提取烟火多尺度空间信息和重要特征；对Neck部分进行改进，增强特征交互和小目标烟火检测能力；对主干网络卷积模块进行改进，提高烟火特征提取能力；引入WIoU（wise intersection over union）作为新的边界框损失函数，增强模型泛化能力；引入Soft NMS（soft non-maximum suppression）用以增强重叠烟火检测能力。在自制烟火数据集上进行对比实验，结果表明，改进后的模型权重减小0.2?MB，精度提升了6.8个百分点，能够满足地下车库烟火检测要求。

关键词：烟火检测,YOLOv5s,注意力机制,小目标烟火检测