嵌入DenseNet的YOLOv4多尺度隧道火灾检测算法

为解决现有火灾检测算法在公路隧道的应用较少以及算法检测的准确性和实时性不能满足要求,提出一种改进的YOLOv4隧道火灾检测算法.由于公开的隧道火焰数据集较少,通过模拟火灾形成初期的火焰和网上搜集构建了一个包含3000张隧道火焰图片的数据集,在数据集中添加了 500张隧道车灯和500张隧道照明灯用于模型训练,提高泛化性.然后在YOLOv4的特征提取层的CSP结构中嵌入DenseNet,融合多尺度的浅层特征信息,增强特征复用,降低梯度消失的问题和抑制过拟合.再在特征网络检测层中增加了 104×104特征检测尺寸,增强隧道火灾形成初期小目标火焰的检测精度.实验结果表明:上述算法检测精度为90.4％,在原YOLOv4网络上提高了 5.2％,其检测速度可达0.16s,满足隧道实时检测的要求,并且对小尺寸火焰也有很好的检测效果,对实现隧道火灾初期预警具有重要意义.