科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对过去无人机搭载嵌入式设备巡检森林火灾精确率低、适应性差和软硬件限制高等问题，提出一种基于YOLOv5s的轻量化森林火灾目标检测算法。通过将YOLOv5s的骨干网络替换为轻量化网络Shufflenetv2，并以通道重组的思想，让骨干网络对图片信息的提取效率变得更快，在保持网络精度的同时保证检测速度；接着在Backbone与Neck的连接处加入为轻量化网络设计的CA位置注意力模块，可将图片不同的位置信息聚合到通道中，使被检对象关注度得以提高；最后在预测部分使用CIOU损失函数，能够更好的优化矩形框的长宽比和更快加速模型收敛。算法部署在嵌入式系统Jetson Xavier NX上的结果显示，改进后的网络模型大小与对比实验方法相比，最多减少了98%，准确率(Precision)达到92.6%，精确率(AP)达到95.3%，帧率(FPS)提升到132帧每秒，能满足在白天、黑夜或视野良好等情况下对森林火灾的实时性预防与检测，并具有良好的准确率和鲁棒性。
- 单位
