融合动态特征分析和改进YOLOv5的烟雾检测
张俊飞
宫法明
韦文健
中国石油大学(华东)计算机科学与技术学院 青岛 266580
摘要：针对现有的动态烟雾检测算法中存在的识别精度不高、小目标漏检、误检、实时性差等问题,提出了一种融合烟雾动态特征分析和改进YOLOv5(Dynamic Feature Analysis Net_YOLOv5,DFA_YOLO)的检测算法.DFA_YOLO算法包含动态特征分析与目标检测两部分.动态特征分析部分改进了帧间差分法和提出基于像素块的运动方向判断来分析烟雾的动态特征,从而过滤掉图像中非烟雾的运动物体.目标检测部分论文对YOLOv5进行改进,使用K-means++聚类算法重新获取更符合烟雾和火焰尺寸的anchor,在主干特征提取网络加入卷积注意力模块,同时增加小目标检测层.实验结果表明,该算法与YOLOv5相比,mAP提高了2.9%,平均检测速度提升了6fps.
关键词：帧间差分法目标检测YOLOv5K-means++CBAM
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-10-20
在线出版日期：2026-01-16（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2760-2765,2772 )
英文信息