面向复杂背景下烟雾火焰检测的改进YOLOv8s算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（3）121

面向复杂背景下烟雾火焰检测的改进YOLOv8s算法

+

马耀名，张鹏飞，谭福生

辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105

+通信作者E-mail：853220521@

摘要：针对复杂背景下烟雾火焰目标与背景混淆，导致烟雾火焰检测精度低等问题，提出一种面向复杂背景下烟

雾火焰检测的YOLOv8s改进模型。特征通道之间具有高度相似性，为了有效利用跨不同通道间的冗余，提高模型

对烟雾火焰目标和背景的区分，设计了C2fFR（C2fwithpartialrepconv）轻量级特征提取模块。设计了MCFM

（multi-scalecontextfusionmodule）多尺度上下文融合模块，来捕捉并利用上下文信息，增强特征的表示。使用

Inner-SIoU损失函数，解决边界框不匹配的问题，提高模型对高IoU样本的回归能力。实验结果表明，改进后的

YOLOv8s烟雾火焰检测模型相比于基线模型YOLOv8s，mAP@50提升了4.6个百分点，mAP@50：95提升了2.3个百

分点，模型参数量降低了18.9%，计算量降低了8.1%，FPS为93帧/s，与其他主流检测算法相比也具有较好的检测性能。

关键词：YOLOv8s；C2fFR；多尺度上下文融合；Inner-SIoU

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2406-0348

ImprovedYOLOv8sModelforSmokeandFlameDetectioninComplexBackgrounds

+

MAYaoming,ZHANGPengfei,TANFusheng

FacultyofElectricalandControlEngineering,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China

Abstract：Aimingtoaddressissuessuchasconfusionbetweensmokeflametargetsandbackgroundwithincomplexback-

grounds,whichoftenresultinlowaccuracyofsmokeflamedetection,anenhancedmodelbasedonYOLOv8sfordetecting

smokeflameswithincomplexbackgroundsisproposed.Firstly,thefeaturechannelsarehighlysimilartoeachother,and

inordertoeffectivelyutilizetheredundancyacrossdifferentchannelsandimprovetheabilityofmodeltodifferentiate

betweensmokeandflametargetsandbackgrounds,theC2fFR(C2fwithpartialrepconv)lightweightfeatureextraction

moduleisintroduced.Secondly,theMCFM(multi-scalecontextfusionmodule)isdesignedtocaptureandutilizecontextual

informationforenhancingfeaturerepresentation.Lastly,theInner-SIoUlossfunctionisemployedtoaddressbounding

boxmismatchesandtheregressionabilityofthemodelisimprovedforhighIoUsamples.Experi