基于YOLOv7-tiny的轻量化森林火灾烟雾检测算法
黄星宇
陈正雄
武汉轻工大学电气与电子工程学院 湖北武汉 430048
摘要：烟雾是森林火灾早期阶段的主要特征和信号,其检测识别对于森林火灾预警防控具有重要意义.针对现有目标检测算法参数量、计算量较大且难以部署到计算资源受限的终端设备上的问题,文章自建森林火灾烟雾数据集并提出了一种基于改进YOLOv7-tiny的轻量化森林火灾烟雾检测算法.用非线性特性更佳的SiLU激活函数替换原模型中的Leakey ReLU激活函数;引入更轻量的分布偏移卷积DSConv改进ELAN模块,用更简洁的SPPF模块替换SPPCSPC模块,从而降低模型参数量与计算量;在骨干网络引入SimAM注意力机制抑制背景噪声和提高关键特征的提取能力.实验结果表明,改进后模型计算量和参数量分别下降了 37.1％和4.4％,而准确率、召回率、mAP、检测速度分别提高了 4.2％、0.5％、4.3％、43帧/s.模型在检测精度、轻量化、实时性三方面相比于其他经典目标检测算法具有一定的优势,这为森林火灾实时检测提供了可行性方案.
关键词：烟雾检测YOLOv7-tiny轻量化SiLUDSConv注意力机制
论文发表日期：2025-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 12-17 )