摘要
本发明涉及火灾检测技术领域，提出了一种基于SPD‑YOLO的森林火灾检测算法，SPD‑YOLO在yolov5的Backbone部分加入SPD‑Conv模块，解决现有CNN体系结构中步长卷积和池化层的问题，提高了模型对低分辨率图像和小目标的检测性能。在head部分引入了改进后的解耦头，将损失函数替换为SIoU.在不增加成本的前提下加快了网络收敛速度和提高检测精度。数据集方面，本文提出一种合成雾增强算法，扩充了数据集，有效提升了算法的泛化性，使模型在极端天气条件下依旧保持良好的检测精度。加入了类火目标和类烟目标等负样本，提高了模型的鲁棒性，降低了模型在实时监测中的误检率。该发明可以快速检测森林火灾隐患,降低森林火灾引起的水土流失,保护森林动植物的多样性,促进绿色地球的倡议。
