复杂环境下小尺度烟火目标检测研究

来源：南京信息工程大学学报·自然科学版杂志2023年第6期北京时间：

作者：温秀兰，焦良葆，李子康，姚波，唐国寅

单位：温秀兰,南京工程学院 自动化学院, 南京, 211167,焦良葆,江苏省智能感知技术与装备工程研究中心, 南京, 211167,李子康,南京工程学院 自动化学院, 南京, 211167,姚波,南京工程学院 自动化学院, 南京, 211167,唐国寅,南京工程学院 自动化学院, 南京, 211167

摘要：针对复杂环境下起火点目标尺寸较小、起火点特征易与实际场景混淆导致烟火检测效率及准确率低等问题，提出了一种基于改进YOLOv5的小尺度烟火目标检测方法.首先，在原始YOLOv5模型输出的第3个检测层上增加第4个检测层，以此获取更大的特征图对小目标进行检测，加强网络模型的特征提取能力.其次，为解决目标在被遮挡的场景中容易出现漏检的问题，将原网络中用于计算目标框损失函数的GIoU_Loss替换成DIoU_Loss.最后，利用TensorRT对模型进行压缩和加速优化，并将其部署到Jetson TX2开发板上进行加速推理实验，通过复制增强方法扩充实际烟火场景数据.大量实验结果表明，本文所提方法用于复杂环境下的小尺度烟火目标检测不仅检测速度快而且精度高，适于推广应用.

关键词：烟火检测;改进YOLOv5;DIoU_Loss;优化加速

基金资助：国家自然科学基金（51675259）；江苏省智能感知技术与装备工程研究中心开放基金（ITS202103）；南京工程学院研究生科技创新基金（TB202217004）