基于改进YOLOv5的森林烟雾检测算法

在森林火灾烟雾检测任务中,最重要的是能在火灾发生的初期及时发现小而稀薄的烟雾,目前的烟雾检测算法普遍存在检测精度较差,错检、漏检较多的问题。为解决上述问题,文章提出一种基于改进YOLOv5的烟雾检测算法。为了使提取到的多尺度特征更好的融合,强化对小尺度烟雾的检测,引入了BiFusion Neck融合结构,并对本森林火灾烟雾检测算法中的损失函数进行了改进,使用SIOU作为损失函数,使网络考虑真实框与预测框之间的方向,加快收敛速度。使用本文所提出的方法在自制烟雾数据集上实验,结果表明本文方法的整体性能要优于其他的烟雾检测算法。