基于改进YOLO算法的无人机图像草原火灾检测研究

来源：计算机技术与发展杂志2024年第07期北京时间：

作者：刘志强;张朝阳;王昱;张旭

摘要：草原火灾一旦发生,受风力、地势等因素的影响迅速向四周无规则蔓延,形成面积不断扩大的条状燃烧带。 为了提高草原火灾检测效率,结合无人机拍摄草原火灾的图像特征,研究基于改进 YOLO 算法的草原火灾检测方法。 首先,针对火灾区域狭长、火灾区域占比小的特点,对 YOLO 算法的 Neck 部分进行优化,提出一种具有全链接结构的特征提取网络FC-FP Neck,使语义特征和定位特征充分融合,提高网络的特征提取能力;其次,结合阈值分割技术提出一种改进的自适应加权损失函数,提升模型的收敛速度,同时解决火灾检测敏感度不足,容易造成误检的问题。 在公开小目标检测数据集AI-TOD 上测试改进算法的可行性,平均准确率提高了 7. 28% ,平均精度提高了 12. 46% ;在自建草原火灾数据集上平均精度达到了 90. 24% ,平均准确率达到了 87. 33% 。 实验表明改进后的算法提高了草原火灾检测效率。

关键词：草原火灾;YOLO算法;特征金字塔网络;阈值分割;自适应加权损失函数