基于改进YOLOv5s的火焰烟雾检测方法

摘要

针对传统火焰烟雾检测不及时、小目标烟火检测困难和检测精度低等问题，提出了一种改进YOLOv5s的火焰烟雾检测方法。首先，在YOLOv5s模型的Backbone层中引入了SE注意力机制，自适应地调整每个通道的特征权重，增强有用特征并抑制无用特征，从而提升网络对火焰烟雾特征的提取能力。其次，在YOLOv5s模型的Neck层中引入了BiFPN模块作为特征融合模块，通过BiFPN模块引入双向连接，结合自底向上和自顶向下的特征融合方式，能够充分利用不同层级的特征信息，提高特征的丰富性。最后，将改进YOLOv5s模型应用于实际火焰烟雾数据集上。实验结果表明：改进YOLOv5s模型的准确率、召回率和mAP值分别提升了1.8%、2.6%和1.5%，能够满足火焰烟雾检测的精度要求。

关键词

火焰烟雾检测 / YOLOv5s模型 / SE注意力机制 / BiFPN模块