基于深度学习的森林火灾烟雾监测

为了第一时间发现森林火灾,避免因森林火灾造成严重后果,提出以森林火灾烟雾为主要目标的检测模型YOLO-SCW,在YOLOv7的基础上,引入SPD-Conv层,以减小特征提取过程中小目标特征缺失的问题。之后在检测头金字塔池化部分增加坐标准意力机制模块,通过将位置信息编码到通道中,增加了模型对目标的关注度,并且减少了背景对检测效果的干扰。最后,通过WIoU矩形框损失函数,提高了预测框的回归速度与精度。在测试过程中,改进后的YOLO-SCW较YOLOv7模型mAP提高了9.1%,并减少了误检与漏检现象,证明YOLO-SCW有着更好的特征提取能力与泛化能力,对森林火灾烟雾监测任务表现出色。