基于改進YOLOv8的森林火災探測技術研究
網絡安全與數據治理
杜世澤，銀皓，豐大軍，句海洋，劉天龍，李帥蓉，姚云
華北計算機系統工程研究所
摘要： 森林火災探測是當前的一個重點研究方向，然而，真實的森林火災場景中存在大量的負樣本數據，嚴重影響目標探測的性能，同時邊端側部署需要更加輕量化的模型。針對這一問題,提出了一種改進的YOLOv8方法，該方法首先引入EfficientViT模塊到骨干網絡（Backbone），通過級聯分組注意力模塊，減少計算開銷；然后，在頭部網絡（Head）中引入CBAM模塊，對骨干網絡提取的特征進行特征增強，同時抑制噪聲和無關信息；最后針對數據集的低質量樣本，引入Wise-IoU損失函數，增強數據集訓練效果。實驗結果表明，改進后的YOLOv8模型對森林火災的檢測精度達到79.5%，檢測速度達到75 FPS，整個模型的參數量降低了5.7%，對森林火災探測具有重要意義。
中圖分類號：TP391文獻標識碼：ADOI:10.19358/j.issn.2097-1788.2024.10.008
引用格式：杜世澤，銀皓，豐大軍,等.基于改進YOLOv8的森林火災探測技術研究［J］.網絡安全與數據治理，2024，43（10）：49-56,82.
引用格式：杜世澤，銀皓，豐大軍,等.基于改進YOLOv8的森林火災探測技術研究［J］.網絡安全與數據治理，2024，43（10）：49-56,82.
Research on forest fire detection technology based on improved YOLOv8
Du Shize,Yin Hao,Feng Dajun,Ju Haiyang,Liu Tianlong,Li Shuairong,Yao Yun
National Computer System Engineering Research Institute of China
Abstract： Forest fire detection is a key research direction at present. However, there are a large number of negative sample data in real forest fire scenarios, which seriously affects the performance of target detection. At the same time, edge to edge deployment requires more lightweight models. To address this issue, this article proposes an improved YOLOv8 method, which firstly introduces the EfficientViT module to the backbone network and reduces computational overhead by cascading group attention modules. Then, the CBAM module is introduced into the head network to enhance the features extracted by the backbone network, while suppressing noise and irrelevant information. Finally, for low-quality samples in the dataset, the Wise-IoU loss function is introduced to enhance the training effect of the dataset. The experimental results show that the improved YOLOv8 model achieves a detection accuracy of 79.5% for forest fires, a detection speed of 75 FPS, and a 5.7% reduction in the parameter count of the entire model, which is of great significance for forest fire detection.
Key words : YOLOv8; forest fire detection; image analysis; EfficientViT; attention mechanism
引言
當前受全球氣候極端變化影響，森林火災發生頻繁，在應對森林火災防范階段，我國投入了大量的人力、物力和財力，通過無人機進行森林火災巡護正成為一種主要的研究方向［1］。然而，使用無人機獲取的早期林火目標尺寸較小，成像距離較遠，缺少紋理特征，因此，在目標定位識別精度上還存在很大缺陷。
本文詳細內容請下載：
http://www.jysgc.com/resource/share/2000006196
作者信息：
杜世澤，銀皓，豐大軍，句海洋，劉天龍，李帥蓉，姚云
（華北計算機系統工程研究所，北京100083）
此內容為AET網站原創，未經授權禁止轉載。