改进YOLOv5s的公路隧道烟火检测方法

针对公路隧道初期火灾烟火混淆且检测实时性要求高的问题,提出改进YOLOv5s的隧道烟火视觉检测方法.?该方法通过在YOLOv5s中引入卷积注意力模块(CBAM),提高对轮廓特征不明显的隧道烟雾及初期火焰重要特征检测的准确率.?替换骨干网络中的Focus模块,降低BottleneckCSP的卷积层数目,提升烟火特征提取网络效率.?用CIoU替换原有的GIoU损失函数,加快模型的收敛速度.?实验以10000张隧道烟火数据集为训练样本,用YOLOv5s和改进后的YOLOv5s-PRO进行对比试验分析,用2021年3月6日重庆真武山隧道火灾视频数据验证模型.实验结果表明,该算法的检测精度达到91.53％,比YOLOv5s提高了3.21％,检测速度达到6.12?ms,比YOLOv5s提高了0.42?ms,检测精度较高,速度较快,可以应用于实际公路隧道的烟火检测.