轻量级高性能 Flame 检测算法：Light-YOLOv8-Flame
计算机视觉与模式识别
2025-04-16 v2
摘要
基于计算机视觉的火焰检测算法面临计算成本高、响应延迟等显著挑战，限制了其在实际时序系统中的应用。为此，本文提出了 Light-YOLOv8-Flame—a款专为快速高效实时部署而设计的轻量级火焰检测算法。该模型通过替换原有的 C2f 模块为 FasterNet Block 模块，增强了 YOLOv8 架构。该新模块组合了部分卷积 (PConv) 和卷积 (Conv) 层，降低了计算复杂度和模型规模。本文收集并增强了包含 7,431 张图像的数据集，涵盖火焰与非火焰场景。实验结果表明，改进后的 YOLOv8 模型在平均精度 (mAP) 上提升 0.78%，召回率提升 2.05%，参数数量减少 25.34%，而精度仅下降 0.82%。这些发现表明，Light-YOLOv8-Flame 在检测性能和速度方面均有所提升，适用于资源受限设备上的实时火灾检测。
引用
@article{arxiv.2504.08389,
title = {Light-YOLOv8-Flame: A Lightweight High-Performance Flame Detection Algorithm},
author = {Jiawei Lan and Ye Tao and Zhibiao Wang and Haoyang Yu and Wenhua Cui},
journal= {arXiv preprint arXiv:2504.08389},
year = {2025}
}
备注
12 pages, 19 figures, 6 tables. Submitted to Engineering Letters