一种改进DETR的森林火灾烟雾识别模型.pdfVIP

第35卷摇第2期计算机技术与发展Vol.35摇No.2

2025年2月摇摇摇摇摇摇摇摇摇摇COMPUTERTECHNOLOGYANDDEVELOPMENT摇摇摇摇摇摇摇摇摇摇Feb.摇2025

一种改进DETR的森林火灾烟雾识别模型

颜摇谨,肖满生,王瑶瑶,朱泽宇

(湖南工业大学计算机学院,湖南株洲412000)

摘摇要:针对传统的基于卷积神经网络(CNN)的森林火灾烟雾检测中,需要大量人工设计构件、对复杂森林场景中不明显

的小烟雾检测能力较差等问题,提出了一种改进DETR(DetectionTransformer)的森林火灾发生早期的烟雾检测模型。首

先,使用DETR作为基线,将多尺度对比局部特征模块(MCCL)和密集金字塔池化模块(DPPM)集成到特征提取模块中,用

于感知小烟雾或不明显烟雾的特征;然后,提出了一种边界框迭代组合方法,生成能够覆盖整个烟雾对象的精确包围盒,

以提高检查精度、减少误检与漏检;最后,利用CutMix数据增强扩充森林火灾烟雾数据集,对该方法进行评价。理论分析

与实验表明,改进后的模型对森林火灾烟雾的检测精度明显高于主流模型,与传统DETR模型相比,该模型的mAP(平均

精度均值)提高了4.4%,AP精度提高了3.8%。

50

关键词:烟雾检测;DETR;多尺度特征信息;注意力机制;CutMix

中图分类号:TP391摇摇摇摇摇摇摇文献标识码:A摇摇摇摇摇摇文章编号:1673-629X(2025)02-0024-09

doi:10.20165/j.cnki.ISSN1673-629X.2024.0296

AnImprovedDETRModelforForestFireSmokeRecognition

YANJin,XIAOMan-sheng,WANGYao-yao,ZHUZe-yu

(SchoolofComputerScienceandEngineering,HunanUniversityofTechnology,Zhuzhou412000,China)

Abstract:Aimingattheproblemsofthetraditionalconvolutionalneuralnetwork(CNN)basedforestfiresmokedetection,suchasthe

needforalargenumberofartificialdesigncomponentsandpoorabilitytodetectsmallsmokewhichisnotobviousincomplexforest

scenes,animprovedDETR(DetectionTransformer)smokedetectionmodelintheearlystageofforestfiresisproposed.Firstly,the

multi-scalecontrastlocalfeaturemodule(MCCL)anddensepyramidpoolmodule(DPPM)areintegratedintothefeatureextraction

moduleusingDETRasthebaselineforsensingthefeaturesofsmallorinvisiblesmoke.Then,aboundaryboxiterativecombination

methodisproposedtogenerateanaccurateboundingboxthatcancovertheenti