清华大学学报(自然科学版)

作者：邓力, 周进, 刘全义

单位：1. 中国民用航空飞行学院 民航安全工程学院，广汉 618307,2. 中国民用航空飞行学院 民机火灾科学与安全工程四川省重点实验室，广汉 618307,3. 四川省全电通航飞行器关键技术工程研究中心，广汉 618307

关键词：火焰与烟雾,改进的YOLOv8,SlimNeck,切片辅助超推理

基金：国家自然科学基金民航联合研究基金(U2033206),四川省重点实验室项目(MZ2022JB01),航空科学基金(ASFC-20200046117001)

由于火灾具有快速蔓延的特性和较高的破坏力，实现火灾的早期探测是十分必要的，针对火灾检测算法的研究也尤为重要。该文提出了一种改进的YOLOv8算法，通过集成轻量型模块SlimNeck和切片辅助推理方法SAHI，分别优化了YOLOv8算法的网络结构和推理框架，将火灾数据集目标分类为火焰(fire)、烟雾(smoke)和干扰项(default)。实验结果表明，SlimNeck-YOLOv8算法比相关的先进算法具有更优的火灾检测性能，与YOLOv8模型相比，查全率(recall)增长了2.7%、平均精度(mAP)增长了0.2%，检测速度提高了35 fps，同时也降低了计算负担。在SlimNeck-YOLOv8基础上进一步优化推理框架所得的SlimNeck-YOLOv8+SAHI算法，有效改善了漏检与误检现象。该研究有助于提升火灾检测系统的速度和精度，为火灾预警工作提供了有力的技术支持。

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