清华大学学报(自然科学版)

作者：李坊朴, 芮雪, 李孜军, 宋卫国

单位：1. 中国科学技术大学 火灾科学国家重点实验室, 合肥 230026,2. 南京信息工程大学 应急管理学院, 南京 210044,3. 中南大学 资源与安全工程学院, 长沙 410083

关键词：深度学习,图像识别,火灾监测,YOLOv5,小目标检测

基金：国家重点研发计划项目(2021YFC3000300),国家自然科学基金创新研究群体项目(52321003)

目标检测技术已被广泛应用于各领域，然而火灾目标检测技术在小目标、低光照等具有挑战性的场景下通常表现不佳，且缺乏专门的公开数据集对该类技术的相应性能进行评估。该文针对YOLOv5算法细节提取能力弱、密集目标预测效果不佳等问题进行了研究。首先，制备了小目标火焰图像数据集用于模型训练和性能测试。其次，基于YOLOv5s模型引入3项改进：拓展多尺度检测层、嵌入swin transformer模块、优化后处理函数；构建了改进模型YOLOv5s-SSS(swin transformer with soft-NMS for small target)并进行参数优化。最后，对新模型进行了定性和定量评价。实验结果表明，YOLOv5s-SSS模型相对YOLOv5s模型的平均精确率在小目标火焰图像上提高了16.3%，在常规尺寸烟雾图像上提高了5.9%。该文制备的数据集可有效支撑改进火灾检测模型的训练与测试；构建的YOLOv5s-SSS模型性能测试可靠，为火灾图像检测技术提供了一种新的改进方案。

来源：2025年第4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4期