基于改进YOLOv5的复杂环境下火灾检测方法

作     者：崔志亮 曹苏群 Cui zhi-liang;Cao Su-qun

作者机构：淮阴工学院江苏淮安223001 

出 版 物：《电脑与信息技术》 (Computer and Information Technology)

年 卷 期：2024年第32卷第1期

页      面：23-27,46页

学科分类：08[工学] 080203[工学-机械设计及理论] 0837[工学-安全科学与工程] 0802[工学-机械工程] 

主　　题：复杂环境 火焰检测 暗通道去雾算法 注意力机制 小目标检测层 

摘      要：针对复杂环境中粉尘分布不均造成视频图像失真,检测精度低等问题,提出了一种基于改进YOLOv5的复杂环境下火灾检测方法。首先,采用改进的暗通道先验去雾算法对采集的火灾图像进行去雾处理,提高复杂环境下火灾视频图像的识别精度;其次,在YOLOv5网络模型框架中引入CA(Coordinate Attention)注意力机制,提升火焰特征,抑制其他无用特征,提高火灾检测的效率和准确性;最后,为解决YOLOv5对小目标检测效果不好的问题,在YOLOv5的特征融合部分增加小目标检测层,提升对小目标检测的能力。实验结果表明:改进后的YOLOv5网络模型精度达到80.5%,相比于原始YOLOv5网络模型精度提升4.2%,同时,改进后的YOLOv5网络模型对小目标检测精度更高,有效提高了复杂环境下火灾识别准确率。