融合BiFPN与YOLO v5网络的工厂火灾检测

作者：尚明鹏; 周敏; 陈燕军; 李鑫炎

来源：智能计算机与应用, 2023, 13(10): 137-141+146.

DOI：10.3969/j.issn.2095-2163.2023.10.027

• 工厂火灾检测
• YOLO v5算法
• 加权双向特征金字塔
• 锚框参数
• 损失函数

针对工厂火灾检测中存在环境复杂、目标密集、火焰初期目标较小、样本像素较低以及火焰边界特征不明显等问题，提出一种基于改进YOLO v5的工厂火灾检测算法Bi-YOLO v5。该方法通过融合加权双向特征金字塔(BiFPN)来增强特征信息；通过锚框参数优化增强了网络的泛化能力；通过损失函数改进提升了网络的收敛速度。实验结果表明，相比YOLO v5算法Bi-YOLO v5模型的准确率和平均精度分别提高了2.2%和1.7%,并且每帧推理时间降低到了27 ms,达到了在复杂的工厂环境下对火灾检测的要求。

• 单位
  武汉科技大学