基于改进YOLOv8n的森林火灾检测方法研究
作者机构：西安石油大学计算机学院西安710065
出 版 物：《信息化研究》 (INFORMATIZATION RESEARCH)
年 卷 期：2025年第51卷第1期
页 码：62-70页
摘 要：针对现有森林火灾目标检测算法中存在的检测精度不足和实时性差的问题,本文提出一种基于YOLOv8n模型的改进方案。该方案通过优化骨干网络,引入混合注意力机制(CBAM),增强模型对局部重要特征的捕捉能力,从而提升特征融合的效果。在颈部网络中加入FasterNet模块,并设计了全新的快速跨阶段局部层卷积(C2f-Faster)模块,从而实现网络的轻量化,降低网络参数和计算量,以满足实时性需求。采用智能交并比(WIoU)边界损失函数替代原有的损失函数,以增强网络在边界框回归方面的表现。将改进后的算法模型应用于火灾数据集进行训练、验证和测试,结果显示其mAP@50相较原算法模型提升了2.7%。与此同时,模型的检测速度提高了7.3%。实验数据证实,经过优化的算法模型在森林火灾检测的准确性和速度方面均实现了显著提升。这一改进使得模型在实际应用中能够更快速、更准确地识别火灾场景。
主 题 词：森林火灾 YOLOv8 注意力机制 快速跨阶段局部层卷积 WIoU Loss
学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类]
馆 藏 号：203157292...
