基于改进YOLOv3的火灾烟雾及工业扬尘检测识别系统设计
李锐
高泽文
吴晓凌
武汉生物工程学院软件工程学院 湖北武汉 430415
摘要：针对传统烟雾和工业扬尘检测系统存在的环境适应性差、响应延迟等问题,文章提出了一种基于改进YOLOv3算法的视觉智能检测系统.通过融合残差模块、瓶颈层及多尺度特征融合策略(上采样+级联),优化了网络在复杂光照下的特征提取能力.系统结合了火灾烟雾和工业扬尘的实际场景数据训练,实现在不同环境下的高精度检测.实验表明,改进后的YOLOv3模型在火灾烟雾、明火及工业扬尘检测中的准确率分别达到95.6％、98.3％和91.7％,较原始模型提升7.1％、12.3％和20.3％.系统在强光、逆光等复杂场景下误检率降低至2.1％,显著优于传统检测方法.该系统具有响应速度快、成本低、适应环境广等优势,能够广泛应用于消防安全、工业环保等领域.
关键词：YOLOv3工业扬尘火灾烟雾目标检测视觉烟雾检测智能识别系统
资助基金：国家级大学生创新创业训练计划项目(202412362008)武汉生物工程学院校级科研重点项目(24ZKZ124)
论文发表日期：2025-07-25
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：4( 16-19 )