基于深度学习的森林火灾烟雾监测

作者：郑琰睿; 杨林剑; 李曙光^*; 张永炬

来源：林业资源管理, 2023, (04): 150-160.

DOI：10.13466/j.cnki.lyzygl.2023.04.018

• YOLO-SCW
• 森林火灾烟雾监测
• 目标检测
• 深度学习
• 损失函数

为了第一时间发现森林火灾，避免因森林火灾造成严重后果，提出以森林火灾烟雾为主要目标的检测模型YOLO-SCW,在YOLOv7的基础上，引入SPD-Conv层，以减小特征提取过程中小目标特征缺失的问题。之后在检测头金字塔池化部分增加坐标准意力机制模块，通过将位置信息编码到通道中，增加了模型对目标的关注度，并且减少了背景对检测效果的干扰。最后，通过WIoU矩形框损失函数，提高了预测框的回归速度与精度。在测试过程中，改进后的YOLO-SCW较YOLOv7模型mAP提高了9.1%,并减少了误检与漏检现象，证明YOLO-SCW有着更好的特征提取能力与泛化能力，对森林火灾烟雾监测任务表现出色。

• 单位
  台州学院; 浙江伟星新型建材股份有限公司; 浙江科技学院