计算机工程

作者：宋华伟, 屈晓娟, 杨欣, 万方杰

单位：1. 郑州大学 网络空间安全学院, 郑州 450000;2. 郑州大学 计算机与人工智能学院, 郑州 450000

关键词：YOLOv5网络,火焰烟雾检测,双向交叉尺度融合,协调注意力,推理层

基金：国家重点研发计划项目(2018YFC0824402)。

为更好地实现基于图像的实时火灾预警，结合YOLOv5s提出一种改进的火焰烟雾检测算法。将YOLOv5s颈部原有的路径聚合网络模块替换为双向交叉尺度融合模块，使深层网络可以直接提取浅层特征，增强信息流并提升网络特征融合能力。在YOLOv5s头部添加引入协调注意力的推理层，在不过多增加计算量的前提下加强检测头对网络信息的提取和定位能力，并提高检测精度。采用HSV色域增强、随机旋转、Mosaic等多种数据增强技术调整并扩充训练数据，使用k-means聚类算法获取数据集先验锚框，增强检测模型鲁棒性。实验结果表明，与基于YOLOv5s的火焰烟雾检测算法相比，改进算法的平均精度均值提升了3.2个百分点，检测速度达到243帧/s，并且保持了YOLOv5s的轻量化优势，在遮挡、夜晚、小目标等复杂场景下均具有较好的火焰烟雾检测效果。

来源：2023年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第6期