中国安全科学学报

作者：刘惠临, 方琼, 江宇, 魏华章, 王涛, 张树川

单位：1 安徽理工大学 计算机科学与工程学院,安徽 淮南 232001；2 淮南职业技术学院 智能与电气工程学院,安徽 淮南 232001；3 滁州学院 无人应急装备与灾害过程数字化重建安徽省联合共建学科重点实验室,安徽 滁州 239099；4 安徽理工大学 安全科学与工程学院,安徽 淮南 232001

关键词：YOLOv5s,轻量化,森林火灾探测,深度可分离卷积,注意力,Wise-交并比(WIOU)

基金：安徽省重点研究与开发计划项目(2023g07020007); 安徽理工大学研究生创新基金资助(2024cx2111)

为解决当前基于深度学习的森林火灾探测算法存在结构复杂、规模庞大,且难以兼顾检测精度和效率的问题,提出一种基于YOLOv5s的轻量化森林火灾探测算法。首先,采用优化的背景差分技术消除背景图像中类火物体的干扰,减少分析图像所需的时间;其次,设计分组混洗策略优化常规卷积,并在特征提取的C3模块中融入高效通道注意力(ECA)机制和深度可分离卷积,增强图像特征提取与融合能力的同时有效降低模型的参数量;然后,采用动态非单调聚焦机制优化Wise-交并比(WIOU)损失函数,减少低质量样本产生的有害梯度;最后,在构建的森林火灾数据集上将所提算法与其他算法做充分的试验对比。结果表明: 所提算法在各类场景均展现出良好的泛化性,对火焰目标的检测精度达到86.1%,较标准YOLOv5s检测精度提升2.7%,检测速度提升11.4%,有效降低了火灾误报率,增强了模型的检测性能。

来源：2025年第1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1期