信息通信基于改进YOLOv5的森林烟雾检测算法熊小豪，刘军清，李菁（三峡大学计算机与信息学院，湖北宜昌443002）摘要：在森林火灾烟雾检测任务中，最重要的是能在火灾发生的初期及时发现小而稀薄的烟雾，目前的烟雾检测算法普遍存在检测精度较差，错检、漏检较多的问题。为解决上述问题，文章提出一种基于改进YOLOv5的烟雾检测算法。为了使提取到的多尺度特征更好的融合,强化对小尺度烟雾的检测,引入了BiFusionNeck融合结构,并对本森林火灾烟雾检测算法中的损失函数进行了改进，使用SIOU作为损失函数，使网络考虑真实框与预测框之间的方向，加快收敛速度。使用本文所提出的方法在自制烟雾数据集上实验，结果表明本文方法的整体性能要优于其他的烟雾检测算法。关键词：烟雾检测；BiFusionNeck；SIOU;YOLOv5中图分类号：TP391.41ForestSmokeDetectionAlgorithmBasedOnImprovedYOLOv5(CollegeofComputerandInformationTechnology,ChinaThreeGorgesUniversity,HubeiYichang443002,China)Abstract:Intheforestfiresmokedetectiontask,themostimportantthingistofindsmallandthinsmokeintimeattheearlystageofthefire.Currentsmokedetectionalgorithmgenerallyhastheproblemsofpoordetectionaccuracy,morefalsedetectionandmissingdetection.Tosolvetheaboveproblems,thispaperproposesasmokedetectionalgorithmbasedonimprovedYO-LOv5.Inordertofusetheextractedmulti-scalefeaturesbetter,theBiFusionNeckfusionstructureisintroduced,andthelossfunctionintheforestfiresmokedetectionalgorithmisimproved.SIOUisusedasthelossfunction,whichmakesthenetworkconsiderthedirectionbetweenthetrueboundingboxandthepredictionboundingbox,andacceleratestheconvergencespeed.Usingthemethodproposedinthispapertotestonpublicsmokedatasets,theresultsshowthattheoverallperformanceofthismethodisbetterthanothersmokedetectionalgorithms.Keywords:Smokedetection;BiFusionNeck;SIOU;YOLOv50引言在世界范围内，森林大火平均每年发生二十多万次，造成不可估量的损失，预防森林大火是个迫切且艰难的任务，先出现烟雾是森林火灾最明显的特征。目前，烟雾检测主要有两种方法：传统方法和深度学习方法。传统方法基于烟雾的某些特性，如颜色、纹理、形状、边缘梯度直方图、不规则性和密度等。FeiniuYuan等＂基于图像的局部二值模式构造特征金字塔，提取特征金...
