改进YOLOv5s的煤矿烟火检测算法

来源：计算机工程与应用杂志2023年第17期北京时间：

作者：刘春霞, 李超, 潘理虎, 樊森霖

单位：太原科技大学 计算机科学与技术学院，太原 030024

摘要：针对传统的煤矿烟火检测存在检测时间长、误检率高等特点，提出了一种基于改进YOLOv5s的煤矿烟火检测算法。为了弥补后续改进带来的参数量和计算量等问题，使用GhostNet重构YOLOv5s的颈部，使得网络更加轻量化；为了解决小目标检测问题，提出了全局上下文特征提取模块BoT3（bottleneck transformer），该模块可以为小目标提供全局上下文信息，帮助模型更好地预测小目标。同时，在每个检测头位置加入SA（shuffle attention）注意力机制，使模型更聚焦小目标信息，抑制噪声的干扰；将边界框回归损失函数CIoU替换为SIoU，提高回归精度，加速模型的收敛。实验结果表明，改进之后的YOLOv5s参数量、计算量更小，精度更高，能够满足煤矿烟火检测要求。

关键词：煤矿烟火检测,YOLOv5s,SA注意力机制,小目标检测,SIoU