一种改进DETR的森林火灾烟雾识别模型

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：颜谨;肖满生;王瑶瑶;朱泽宇

摘要：针对传统的基于卷积神经网络(CNN)的森林火灾烟雾检测中,需要大量人工设计构件、对复杂森林场景中不明显的小烟雾检测能力较差等问题,提出了一种改进 DETR(Detection Transformer)的森林火灾发生早期的烟雾检测模型。 首先,使用 DETR 作为基线,将多尺度对比局部特征模块(MCCL)和密集金字塔池化模块(DPPM)集成到特征提取模块中,用于感知小烟雾或不明显烟雾的特征;然后,提出了一种边界框迭代组合方法,生成能够覆盖整个烟雾对象的精确包围盒,以提高检查精度、减少误检与漏检;最后,利用 CutMix 数据增强扩充森林火灾烟雾数据集,对该方法进行评价。 理论分析与实验表明,改进后的模型对森林火灾烟雾的检测精度明显高于主流模型,与传统 DETR 模型相比,该模型的 mAP(平均精度均值)提高了 4. 4% ,AP50精度提高了 3. 8% 。

关键词：烟雾检测;DETR;多尺度特征信息;注意力机制;CutMix