基于改进YOLO算法的无人机图像草原火灾检测研究

作     者：刘志强 张朝阳 王昱 张旭 LIU Zhi-qiang;ZHANG Zhao-yang;WANG Yu;ZHANG Xu

作者机构：内蒙古工业大学信息工程学院内蒙古呼和浩特010080 内蒙古建筑职业技术学院内蒙古呼和浩特010020 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2024年第34卷第7期

页      面：207-213页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61962044) 内蒙古自治区科技计划项目(2021GG0250) 内蒙古自治区自然科学基金(2021MS06029)。 

主　　题：草原火灾 YOLO算法 特征金字塔网络 阈值分割 自适应加权损失函数 

摘      要：草原火灾一旦发生,受风力、地势等因素的影响迅速向四周无规则蔓延,形成面积不断扩大的条状燃烧带。为了提高草原火灾检测效率,结合无人机拍摄草原火灾的图像特征,研究基于改进YOLO算法的草原火灾检测方法。首先,针对火灾区域狭长、火灾区域占比小的特点,对YOLO算法的Neck部分进行优化,提出一种具有全链接结构的特征提取网络FC-FP Neck,使语义特征和定位特征充分融合,提高网络的特征提取能力;其次,结合阈值分割技术提出一种改进的自适应加权损失函数,提升模型的收敛速度,同时解决火灾检测敏感度不足,容易造成误检的问题。在公开小目标检测数据集AI-TOD上测试改进算法的可行性,平均准确率提高了7.28%,平均精度提高了12.46%;在自建草原火灾数据集上平均精度达到了90.24%,平均准确率达到了87.33%。实验表明改进后的算法提高了草原火灾检测效率。