基于改进YOLOv5s的无人机火灾图像检测算法

• 作者: 苏小东 胡建兴 陈霖周廷 高宏建
• 来源期刊: 计算机测量与控制
• 关键词: YOLOv5s 航拍火灾图像 MobileNetV3 小目标检测 注意力机制
• 年，卷（期）: 2023,（5）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 41-47
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.05.007

摘要

为了解决现有火灾检测算法模型复杂，实时性差，难以部署在无人机平台的问题，通过改进YOLOv5s算法对无人机火灾图像目标检测进行分析研究；利用搭载高清摄像头的无人机设备获取的火灾图像、公开数据集、互联网航拍视频自主建立无人机火灾图像数据集；采用轻量化模型YOLOv5s为基础模型，MobileNetV3作为特征提取主干网络，降低模型参数和计算量，解决实时性差和模型部署的问题；模型颈部引入注意力模块CBAM,综合了通道和空间信息，加强网络对高层次语义信息的传递；修改模型检测头部结构，增强小目标检测能力；通过消融试验对比分析各个模块对模型的影响，与常见火灾模型进行对比分析，分析本文算法的优劣；算法在自建数据上的平均精度达到76.9%,模型大小为6.7 M,单帧(640×640)图像处理时间为15.2 ms;实验结果表明，本文算法模型简单、实时性好，为火灾检测算法部署在无人机平台奠定技术基础。