基于改进YOLOv8的大气污染烟雾检测方法研究

大气污染烟雾检测在环境监测领域扮演着至关重要的角色,能够准确检测出烟雾排放源。本文提出了一种大气污染烟雾检测的模型YOLOv8n-SC。首先,采用Slim-Neck网络对YOLOv8n的颈部网络进行改进,可以极大减少冗余,降低模型复杂度,提高检测速度。其次,对原始模型中的上采样算子进行改进,用CARAFE取代最近算子,获得更精确的采样结果和更精细的定位信息。最后,建立烟雾数据集,并采用Copy-Pasting方法对建立的烟雾数据集进行增强,可以生成具有微小变化的新样本,从而扩展训练数据集,以提升模型的性能。研究结果表明,YOLOv8n-SC模型相比原始的YOLOv8n模型,参数量降低了6.38%,平均均值精度提升了2.7%。该模型不仅模型较小易于部署,且还保证了检测精度要求。