-
题名面向复杂场景的森林防火监测技术研究
被引量：3
- 1
-
-
作者
曹丽英
杨玉竹
李树龙
孙淼
陈桂芬
-
机构
吉林农业大学信息技术学院
长春人文学院科研产业处
-
出处
《无线电通信技术》
北大核心
2024年第4期779-788,共10页
-
基金
国家自然科学基金(U19A2061)
吉林省科技厅中青年科技创新创业卓越人才(团队)项目(创新类)(20220508133RC)
吉林省科技发展计划项目(20210404020NC)。
-
文摘
为解决森林防火工作中监测预警不及时、不准确的问题,基于YOLOv8模型提出了一种面向复杂场景的监测技术,实现了森林火情的快速准确监测。在Backbone部分引入动态蛇形卷积(Dynamic Snake Convolution, DySConv)模块和全局注意力机制(Global Attention Mechanism, GAM)模块,显著增强了模型的特征提取能力,提升了烟火特征的表现力。采用WIoU(Wise Intersection over Union)损失函数,增强网络对普通质量锚框的关注度,从而提供更准确的目标检测评估。通过将DyHead模块集成到检测头中,增强了检测头的尺寸、空间和任务感知能力,优化了整体性能。为了对模型性能进行严格评估,设计了消融实验和主流模型对比实验,结果表明,提出的方法是有效的,该方法的权重大小为14.4 MB,平均精度均值(mean Average Precision, mAP)@.5:.95达到80.3%。相较于YOLOv8,mAP@5:.95提高了8.7%。该模型可为远程火情监控与预警提供技术支持,在森林防火工作中具备实用价值和现实意义。
-
关键词
森林火情
深度学习
目标检测
YOLOv8
-
Keywords
forest fire
deep learning
target detection
YOLOv8
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
