基于改进的YOLOv8轻量级火灾检测算法研究

来源：计算机技术与发展杂志2024年第10期北京时间：

作者：王召龙;张洁

摘要：为提高复杂场景下火灾检测准确度,降低误检、漏检率,提高火灾检测速度,提出一种基于 YOLOv8 算法的改进策略。 针对 YOLOv8 网络结构较深,处理复杂火灾图像或多目标检测时计算复杂度较高的问题,将初始模型的骨干网络替换为 MobileViT 网络,在保证检测精度的同时构建轻量化火灾检测模型,提升火灾检测速度。 在颈部结构嵌入 EMA 跨空间学习多尺度注意力机制模块增强火灾特征图的语义和空间信息,同时保证通道维度信息的完整,提高火灾检测精度。 使用 MPDIoU 损失函数,解决了 YOLOv8 算法检测小尺寸及长边界框火焰目标时的损失函数失效问题。 在自建数据集及公开数据集上分别进行实验,实验结果表明:改进后的算法在两数据集上表现均为最优,火灾检测精确率分别达到 92. 3% 和 95. 9% ,对比初始算法精确率最高提升 6. 3 百分点,平均精度最高提升 9. 2 百分点,mAP@ 0. 5 最高提升 8. 4 百分点,FPS达到了 120 帧以上,参数量仅有 2. 0 M。 因此,改进后的火灾检测模型可以很好地满足实时检测的要求,并且在不同数据集上具有良好的泛化能力和鲁棒性。

关键词：火灾检测;YOLOv8;MobileViT;多尺度注意力机制;MPDIoU