-
题名基于改进YOLOv8的森林火灾检测算法研究
- 1
-
-
作者
陈义啸
沈景凤
仲梁维
-
机构
上海理工大学机械工程学院
-
出处
《软件工程》
2024年第2期49-54,共6页
-
文摘
随着全球天气持续变暖,高温、干旱、大风等极端天气呈现多发并发态势,导致全球范围内森林火灾频繁爆发。为了提升森林火灾检测精确率和实时性,提出了一种基于改进YOLOv8的森林火灾检测算法模型。该模型在Neck端上采样阶段中的Upsample结构后面以及每个C2F模块后面添加CBAM(Convolutional Block Attention Module)注意力机制,通过对特征通道和空间的学习,提高模型的特征提取能力,解决火焰和烟雾图像分辨率低和受不同场景因素影响导致的识别率低的问题。将该算法模型应用于火灾数据集进行训练、验证、测试发现,与原算法模型相比,经改进的算法模型的准确率和召回率分别提高了6.5%和6.8%,其中mAP@0.5提高了4.8%。实验结果表明,改进后的算法模型能够实现对森林火灾的实时监测与精确识别。
-
关键词
YOLOv8
CBAM注意力机制
森林火灾检测
-
Keywords
YOLOv8
CBAM attention mechanism
forest fire detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-