基于改进YOLOv5s的火灾烟雾检测算法研究

摘要

为了解决火灾烟雾检测算法中存在的错检、漏检以及实时性差等问题,提出了一种基于YOLOv5s的火灾烟雾检测模型。首先,使用Ghost Convolution模块代替原YOLOv5s网络结构中的常规卷积模块,在保持相同性能的基础上,降低检测模型的计算成本、减少模型参数;其次,在原YOLOv5s模型骨干网络中加入Vision Transformer结构,减少对卷积神经网络的依赖性,同时提高获取全局和局部特征的能力;最后,引入Coordinate Attention注意力机制,有效地提取特征信息,进一步提高检测的准确率。实验结果表明,所提出的火灾烟雾检测模型参数减少17%,准确率提高0.73%,检测速度提升22.5%,可以满足实际场景下的火灾烟雾检测。