-
题名基于改进YOLOv5的复杂场景火灾检测方法研究
- 1
-
-
作者
李井辉
汤伟业
刘一诺
王庆麒
-
机构
东北石油大学计算机与信息技术学院
-
出处
《微型电脑应用》
2025年第3期10-14,共5页
-
基金
国家自然科学基金项目(52274005)
国家自然科学基金项目(52174001)。
-
文摘
针对当前目标检测算法在复杂场景下检测火焰烟雾在检测精度与速度上存在的不足,提出一种基于改进YOLOv5的复杂场景火灾检测的算法,以提高火灾检测速度与精度。以YOLOv5为基础网络,在主干网络添加Convolutional Block Attention Module(CBAM)注意力机制,在不增加额外参数的情况下关注火焰烟雾的特征信息的同时抑制背景中的冗余信息;使用Separable Vision Transformer(SepVit)模块替代主干网络最后一层Spatial Pyramid Pooling-Fas(SPPF),提高模型的火焰烟雾特征提取能力;借鉴Bidirectional Feature Pyramid Networks(BiFPN)结构改进Neck结构,增强模型的火焰烟雾特征融合能力以提高模型检测火焰烟雾的精度;调整定位损失函数为Scaled Intersection over Union(SIOU)以提高模型训练速度与回归精准度。基于公开数据集和互联网火灾图像数据自建10 080张多复杂应用场景下的火焰烟雾数据样本集,解决缺乏权威火灾样本集限制的同时提升模型训练的泛化能力。实验结果表明,在自建的火焰烟雾数据集上,改进之后算法对比原始算法的平均精度提高了7.1%,检测速度达到96.8帧/s,可以实时检测复杂场景下火灾中的火焰烟雾目标。
-
关键词
YOLOv5
火灾检测
CBAM
SIOU
sepvit
-
Keywords
YOLOv5
fire detection
CBAM
SIOU
sepvit
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进轻量型YOLOv5的太阳能电池板缺陷检测
被引量：11
- 2
-
-
作者
李婷
孙渊
-
机构
上海电机学院机械学院
-
出处
《组合机床与自动化加工技术》
北大核心
2023年第11期95-99,106,共6页
-
基金
上海市多向模锻工程技术研究中心项目(20DZ2253200)
上海市高峰高原学科资助项目(A1-5701-18-007-03)。
-
文摘
为解决太阳能电池板缺陷类型和尺度多样、小目标难以检测的难题,同时平衡各类缺陷的检测精度和速度,提出了一种改进轻量型YOLOv5的太阳能电池板缺陷检测方法。首先将网络模型部分卷积块替换为改进后的MobileOne Block模块,减少了模型参数量,提高模型检测速度;同时将主干网络的最后一层替换为SepViT Block,增强模型对全局信息的提取;然后设计了融合SimAM注意力机制的ASFF自适应特征融合模块,在改进多尺度特征提取的同时减轻模型的重量;最后增加P2检测层,提高小目标的检测效率,给模型带来持续的性能提升。实验结果表明,改进算法与原YOLOv5模型对比,参数量压缩了23.47%,检测速度达到了103 F/S,更好地实现嵌入式使用;检测精度达到了96.2%,比最新的YOLOv7-tiny提高了5.3%,证明了其优势。
-
关键词
太阳能电池板缺陷检测
YOLOv5
MobileOne
sepvit
SimAM
ASFF
-
Keywords
solar panel defect detection
YOLOv5
MobileOne
sepvit
SimAM
ASFF
-
分类号
TH161
[机械工程—机械制造及自动化]
TG659
[金属学及工艺—金属切削加工及机床]
-
