基于改进YOLOv8的低气压燃气火焰状态识别方法

来源：上海理工大学学报杂志2025年第3期北京时间：

作者：赛庆毅，赵进，严永辉，毕德贵

单位：上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 环境与建筑学院，上海 200093

摘要：高原低气压环境下，燃气火焰检测面临识别精度不足与实时性下降的双重挑战。本研究提出改进的YOLOv8n轻量级算法，通过多维度优化，实现性能提升。首先，在backbone中构建GhostConv模块，减少模型计算参数；其次，重构C2f模块为C2f_RepGhost结构，在保持特征表达能力的同时简化推理过程；最后，结合卷积块注意力模块（convolutional block attention module，CBAM）注意力机制，强化火焰细粒度特征提取，并采用WIoU损失函数提高定位精度。基于机理实验台数据的实验表明：改进模型的参数量降低12.64%，计算量减少12.2%，准确率提升21.2%，检测帧率依然保持较高的水平。该方法为低压环境下的火焰状态识别提供了有效的轻量化解决方案。

关键词：低气压;火焰检测;深度学习;YOLOv8;注意力机制

基金资助：国家重点研发计划资助项目（2021YFF0600605）