基于改进YOLOv7的火焰烟雾检测算法

针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高、检测速度慢等问题,在YOLOv7框架下提出改进的YOLOv7目标检测算法。首先在数据集建立方面采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9 621张图片,并且通过对数据集采用Mosaic数据增强的方式,增加数据的多样性;其次对backbone部分,引入GhostNetV2模块,降低参数量的同时,增加模型检测的准确性,并且在neck部分,引入Slim范式,使用一次性聚合方法来设计跨级部分网络VoV-GSCSP模块。VoV-GSCSP模块降低了计算量和网络结构的复杂性,并保持了足够的精度;最后引入解耦头,增加模型的收敛速度,并且进一步提高网络模型的准确性。总体改进后的网络模型参数量降低了约3.4 MB,mAP@0.5提高了2.4%,并且检测速度也得到提升,满足火焰烟雾实时性的需求。