ComputerEngineeringandApplications计算机工程与应用2023，59（7）火灾的发生严重危害了人民的生命财产安全。据中国统计年鉴显示，2018年全国森林火灾次数2478起，伤亡人数39人，经济损失20444.7万元；2019年全国森林火灾发生次数2345起，伤亡人数76人，经济损失16219.9万元；2020年全国森林火灾次数1153起，伤亡人数41人，经济损失10077.7万元。因此，研究一种早期烟雾实时检测模型在预防火灾甚至是避免火灾发生具有重大意义的。目前，从烟雾目标检测的实现技术来分，可分为基于传统视觉技术与深度学习两大类方法[1]。基于传统视觉技术的方法主要依赖烟雾的可辨别特征，包括烟雾的静态特征（颜色、对比度、饱和度、纹理、形状等）以及动态特征（速度、光流、形态变化等）。Appana等人[2]使用帧间差分法结合颜色特征获取烟雾动态区域，再利用基于Gabor的统计特征结合动态区域的能量特征来检测烟雾。Yuan等人[3]利用RGB模型提取疑似烟雾像素，改进的YOLOv5烟雾检测模型郑远攀，许博阳，王振宇郑州轻工业大学计算机与通信工程学院，郑州450000摘要：针对烟雾发生场景复杂，小目标烟雾检测困难的问题，提出一种改进的YOLOv5烟雾检测模型。为了增加模型对目标烟雾的检测精度，结合加权双向特征金字塔网络（BiFPN）结构对特征融合过程进行修改，并在通道和空间维度上加入混合注意力机制对融合特征图的权重进行重新赋值，在增强烟雾目标特征的同时抑制无关区域特征，使烟雾特征表达具有更高的鲁棒性；使用α-CIOU替换G-IOU作为预测框回归损失，提升预测框的预测精度；剔除分类损失以降低模型的复杂度。实验结果表明，改进后的YOLOv5烟雾检测模型相比于YOLOv5模型检测精度更高，其准确率达到99.35%，召回率达到99.18%，并且检测速度可达46frame/s，该算法能有效提取烟雾的整体特征，对于复杂场景下的烟雾以及小目标烟雾检测任务更为适用。关键词：烟雾检测；YOLOv5；BiFPN；注意力机制；α-CIOU文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2209-0421ImprovedYOLOv5SmokeDetectionModelZHENGYuanpan,XUBoyang,WANGZhenyuCollegeofComputerandCommunicationEngineering,ZhengzhouUniversityofLightIndustry,Zhengzhou450000,ChinaAbstract：Aimingattheproblemsofcomplexsmokeoccurrencesceneanddifficultsmokedetectionofsmalltargets,animprovedYOLOv5smokedetectionmodelisproposed.Firstly,inordertoincreasethedetectionaccuracy...
