-
题名基于能见度增强的森林火灾烟雾检测方法
- 1
-
-
作者
李铜
陈才华
刘军军
-
机构
成都理工大学计算机与网络安全学院
-
出处
《计算机应用》
北大核心
2025年第S1期251-256,共6页
-
基金
国家科技重大专项(80303-AZJ004)
四川省科技支撑计划项目(80303-AZ20230167)。
-
文摘
针对当前森林火灾烟雾检测方法的烟雾识别准确度低和网络模型规模较大的问题,提出一种利于部署到边缘计算设备的基于YOLOv8的森林火灾烟雾检测方法。首先,基于YOLOv8框架,用GD(Gather and Distribute)机制替换YOLOv8中CSP(Cross Stage Partial)结构的Neck部分,增强特征融合的能力,提高网络的预测精度;其次,使用深度可分离卷积(DWConv)模块替换网络Backbone部分的普通卷积模块;最后,提出Enhanced-SPPF(Enhanced Spatial Pyramid Pooling Fast)模块,降低模型参数量和计算量,得到模型的轻量化版本——YOLO-DE-Tiny模型。此外,使用烟雾能见度增强模块进一步提高模型在森林环境下对烟雾画面的检测精度。在火灾科学国家重点实验室(SKLFS)数据集上的实验结果表明,YOLO-DE-Tiny对火灾烟雾检测的查准率达到了87.1%;而在使用烟雾能见度增强模块后,查准率提升到90.9%。可见,所提方法具有较高的森林火灾烟雾检测准确率。
-
关键词
森林火灾烟雾检测
YOLOv8
GD机制
enhanced-sppf
能见度增强
-
Keywords
forest fire smoke detection
YOLOv8
GD(Gather and Distribute)mechanism
enhanced-sppf(Enhanced Spatial Pyramid Pooling Fast)
visibility enhancement
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
