一种轻量化网络的火焰烟雾检测算法

• 作者: 朱傥 杨忠 周国兴 张驰 韩家明
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 火焰烟雾检测 深度学习 数据增强 YOLOv4 深度可分离卷积 空间金字塔池化 轻量化网络 嵌入式
• 年，卷（期）: 2022,（2）
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11991/yykj.202109004

摘要

针对算力有限的移动和嵌入式平台,提出了一种基于深度学习的轻量化火焰烟雾检测算法.利用数据增强来解决数据量较少的问题,使用one-stage目标检测方法中的YOLOv4作为火焰烟雾检测的模型框架,采用轻量化神经网络MobileNetV3替换YOLOv4的原主干特征提取网络,减少了模型参数量;再采用深度可分离卷积替换掉YOLOv4中的标准卷积块,进一步在加强特征提取网络和预测层减少了参数量;最后对空间金字塔池化部分进行改进,减少背景干扰带来的影响,减少最大池化导致的部分有用特征信息丢失.在该数据集上通过与原网络模型和其他主流目标检测方法进行对比分析,结果表明提出的轻量化网络不但保留了原模型精度,还大大减小了网络的训练参数量,提高了运行速度,更有利于模型搭载在摄像头等嵌入式设备上,实现火焰和烟雾的实时检测.