基于YOLOv5的图像与视频火灾检测

针对室内、室外及森林火灾图像中类火目标的检测，以及不同自然光照下的火灾检测，提出了一种改进的YOLOv5火灾检测深度学习算法。该YOLOv5检测模型从三个维度扩展特征提取网络，增强了火灾小目标识别的特征传播，提升了网络性能并减少了模型参数。此外，通过特征金字塔的改进，获得了性能最优的预测框。与当前最优的目标检测网络相比，Fire-YOLOv5取得了优异结果，尤其在火灾与烟雾小目标检测上mAP达90.5%、f1分数达88%。总体而言，Fire-YOLOv5检测模型能有效处理小火灾目标以及类火与类烟物体的检测，F1分数为0.88。当输入图像尺寸为416 x 416分辨率时，平均每帧检测时间为0.12 s，可实现森林火灾实时检测。此外，本文提出的算法也可应用于其他复杂场景下的小目标检测。所提系统在精确率、召回率和平均精度均值等所有火灾检测指标上均展现出改进。