中国安全科学学报

作者：马庆禄, 邱高建, 白锋

单位：重庆交通大学 交通运输学院,重庆 400074

关键词：隧道火灾,YOLOX,火灾检测,归一化注意力模块(NAM),加权双向特征金字塔网络(BiFPN)

基金：重庆市自然科学基金面上项目资助(CSTB2023NSCQ-MSX0551); 交通部三峡库区奉建高速公路安全智能建造科技示范工程项目(Z29210003); 2024年研究生科研创新项目(2024S0078); 2024年研究生科研创新项目(CYS240483)

针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字塔网络(BiFPN)增强特征提取和融合能力,优化α-交并比(IoU)损失函数,以提高对轮廓特征不明显的隧道初期烟雾火焰的检测精度;在现有公开数据集不足的情况下,通过网络采集、模拟试验和扩充现有数据集,构建隧道火灾数据集,在包含真实场景和模拟场景的自建隧道火灾数据集上进行验证。结果表明:相比于原始YOLOX模型,改进后的算法均值平均精度(mAP@0.5)提高1.89%,mAP@0.5~0.95提高0.88%,精确率提高4.57%,召回率提高5.45%,改进后的算法能够实现更优的检测性能。

来源：2025年第4期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第4期