改进YOLOv5算法在停车场火灾检测中的应用

作者：张震; 晋志华; 陈可鑫

来源：郑州大学学报(工学版), 2023, 44(04): 16-21.

DOI：10.13705/j.issn.1671-6833.2023.04.001

• 地下停车场
• 火灾检测
• YOLOv5
• 坐标注意力
• CIoU损失函数

针对传统传感器对于地下停车场火灾检测不及时、目标检测对小型火焰目标检测效果较差等问题，提出了一种改进的YOLOv5火灾检测算法。为了提高检测算法对小型火焰目标的检测效果，在YOLOv5s网络骨干中增加小目标检测层；为了增强火焰特征的表达，提出了一种基于CA注意力机制的间隔注意力结构；为了提升定位精度、降低目标漏检率，将GIoU替换为CIoU。设计了3组消融实验以及1组对比实验用来验证所提算法的有效性。实验结果表明：所提算法在自定义数据集上的mAP0.5、召回率R分别为92%、96.9%。与YOLOv5s模型相比，所提算法在自定义火焰数据集上的mAP0.5提升了1.8百分点，R提升了2.0百分点。所提算法权重大小仅为16.4 MB,帧率能达到113帧/s,具有较小的模型体积以及较快的检测速度，且能够准确检出小型火焰目标，有效提升了地下停车场火灾防范能力。

• 出版日期2023
• 单位郑州大学