清华大学学报(自然科学版)

作者：陈嫣君, 霍一诺, 杨承林, 王静舞, 郭智勇, 周丽丽, 李磊

单位：1. 安徽省建筑科学研究设计院，合肥 230002,2. 清华大学 合肥公共安全研究院，消防科技中心，合肥 230601

关键词：火灾探测,图像烟雾检测,深度学习,注意力机制,显著性建模

图像烟雾检测是实现火灾早期预警的重要手段，然而在复杂背景、高噪声、低对比度等场景下，现有方法仍面临着可靠性不足的困境。为了提升烟雾检测算法的性能，该文提出了一种融合空间感知与显著性建模的烟雾检测方法。针对火灾早期烟雾尺寸小、浓度低、边界模糊、形态不定等挑战，引入了多核并行卷积模块、动态直方图轴向交互模块和空间衰减残差模块，有效增强了模型对烟雾目标的多尺度特征提取与边界模糊区域感知能力。实验结果表明：所提方法在烟雾检测任务中表现优异，在自建的多场景数据集上，达到了94.0%的平均精度，比基准模型提升了5.5%。通过与主流检测模型的对比，验证了该文提出的方法在火灾预警和消防安全领域具备较强的应用价值。

来源：2025年第11期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2025年第11期