基于改进RT—DETR的森林烟雾火灾检测算法研究

来源：中国农机化学报杂志2026年第6期北京时间：

作者：黄程锦, 陈家琪, 肖小玲, 颜昕

单位：1. 长江大学计算机科学学院，湖北荆州，434023； 2. 长江大学人工智能科研平台，湖北荆州，434023；3. 武汉理工大学计算机与人工智能学院，武汉市，430070

摘要：针对森林烟雾火灾检测中目标形态多变、透明度高、尺度差异大及复杂背景干扰导致的漏检与误报问题，提出基于改进RT—DETR的检测算法。首先，设计解码块DBlock改进主干网络，通过融合多膨胀因子的空洞空间注意力与门控前馈网络，增强模型对多尺度模糊特征的提取能力，抑制冗余计算并强化高频细节表达；其次，引入选择性边界聚合SBA模块，通过重校准注意力机制自适应融合浅层边界信息与深层语义特征，缓解直接特征融合导致的冗余与不一致问题，从而提升轮廓刻画精度；最后，提出动态范围直方图自注意力机制DHSA，以改进AIFI中的多头自注意力机制，结合动态范围卷积与直方图注意力，降低计算复杂度并增强模型对复杂干扰场景的鲁棒性。试验结果表明，改进RT—DETR模型的mAP@0.5达到70.7%，mAP@0.5∶0.95达到37.2%，参数量为15.7 M，计算量为55.9 G，推理速度为59.1 帧/s，相比于原算法，mAP@0.5提高4.4%，mAP@0.5∶0.59提高3.9%，参数量下降21.1%，计算量下降1.8%，推理速度提升10.5%。改进RT—DETR模型实现轻量化，在森林烟雾火灾检测任务中具有良好的性能。

关键词：烟雾火灾,RT—DETR,解码块,选择性边界聚合,动态范围直方图自注意力

基金资助：湖北省科技厅技术创新计划项目(2025BAB056)