改进YOLOv5s的地下车库火焰烟雾检测方法

作     者：杜辰 王兴 董增寿 王亦雷 江忠浩 DU Chen;WANG Xing;DONG Zengshou;WANG Yilei;JIANG Zhonghao

作者机构：太原科技大学计算机科学与技术学院太原030024 太原科技大学电子信息工程学院太原030024 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第11期

页      面：298-308页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省基础研究计划自然科学研究面上项目(202303021211205) 

主　　题：烟火检测 YOLOv5s 注意力机制 小目标烟火检测 

摘      要：针对传统地下车库火灾检测不及时且无法给出火灾详细信息、目标检测对小目标烟火检测困难、其他烟火检测精度低等问题,提出了一种改进YOLOv5s的地下车库烟火检测算法。在YOLOv5s主干网络的最后一个C3模块中加入了注意力机制,帮助网络模型更充分地提取烟火多尺度空间信息和重要特征;对Neck部分进行改进,增强特征交互和小目标烟火检测能力;对主干网络卷积模块进行改进,提高烟火特征提取能力;引入WIoU(wise intersection over union)作为新的边界框损失函数,增强模型泛化能力;引入Soft NMS(soft non-maximum suppression)用以增强重叠烟火检测能力。在自制烟火数据集上进行对比实验,结果表明,改进后的模型权重减小0.2 MB,精度提升了6.8个百分点,能够满足地下车库烟火检测要求。