[1]冷跻峰.基于改进YOLOv7的森林火灾检测算法[J].大众科技,2024,26(6):8-12.
　[J].Popular Science & Technology,2024,26(6):8-12.
点击复制

基于改进YOLOv7的森林火灾检测算法()
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
26
期数:
2024年第6期
页码:
8-12
栏目:
信息技术与通信
出版日期:
2024-12-20

文章信息/Info

作者:
冷跻峰　
（烟台市森林资源监测保护服务中心，山东 烟台 264000）
关键词:
图像识别; 森林火灾检测; YOLOv7; 轻量化; 深度可分离卷积
分类号:
S762
文献标志码:
A
摘要:
针对目前森林火灾检测算法中计算量大、参数量多、计算效率低下等问题，文章研究了一种改进YOLOv7的轻量化森林火灾检测算法。在YOLOv7算法的集中综合卷积模块（C3模块）中加入深度可分离卷积模块，得到集中综合深度可分离卷积模块。该模块能够提取图像特征，同时大幅减少参数量和运算量。将该算法与YOLOv5、SSD、Faster-RCNN和传统的YOLOv7算法进行对比实验，结果表明：该算法在检测森林火灾数据集上的检测精度达到了92.97%，平均精确率也达到了87.38%，在森林火灾识别中更加准确，算法的浮点计算量也得到了相应的减少。因此，在YOLOv7算法中加入深度可分离卷积模块不仅缩小了算法规模，而且达到了较高的精确率，可以保证在复杂的森林环境中对山林火灾进行准确的识别。

参考文献/References:

[1]　吴庆标，王效科，段晓男，等. 中国森林生态系统植被固碳现状和潜力[J]. 生态学报，2008，28（2）：517-524. [2] 国家统计局. 中国统计年鉴（2020）[M]. 北京：中国统计出版社，2020：259. [3] 何乃磊，张金生，林文树. 基于深度学习多目标检测技术的林火图像识别研究[J]. 南京林业大学学报（自然科学版），2024，48（3）：207-218. [4] 刘青，刘志国，刘守全，等. 基于改进YOLOv3的无人机林火监测系统设计与实现[J]. 消防科学与技术，2021，40（4）：557-561. [5] 陈燕红. 基于卷积神经网络的无人机森林火灾检测研究[D]. 西安：西安理工大学，2019：49. [6] 傅天驹. 基于深度学习的林火图像识别算法及实现[D].北京：北京林业大学，2016：46. [7] 冯欣玉. 基于改进YOLOv7的架空线路危物辨识方法研究[D]. 西安：西安理工大学，2023：51. [8] REN S Q，HE K M，GIRSHICK R，et al. Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2016，39（6）：1137-1149. [9] LIU W，ANGUELOV D，ERHAN D，et al. SSD：Single Shot MultiBox Detector[J]. Springer，Cham，2016. DOI:10.1007/978-3-319-46448-0_2. [10] GE Z，LIU S T，WANG F，et al. YOLOX：Exceeding YOLO Series in 2021[J]. arXiv e-prints，2021. DOI:10.48550/arXiv.2107.08430.

相似文献/References:

[1]黄怡宁 何金保 任万川 韩玉静.基于支持向量机的作物预警设计及实现[J].大众科技,2020,22(08):8.
[2]黄舒慧 陈丽媛 冯晨璐 王月青 黄　凯 周　旦.基于无人机影像处理的高精度路网渠化信息系统设计[J].大众科技,2022,24(04):14.
　Design of High-Precision Road Network Channelization Information System Based on UAV Image Processing[J].Popular Science & Technology,2022,24(6):14.
[3]王曾龙　蒋勇勇 彭海峰 杨　钰 段元梅 郭宜娟　王林惠.一种基于Faster-RCNN的棉花虫害识别与统计方法[J].大众科技,2023,25(5):5.
　A Method for Cotton Pests Identification and Statistics Based on Faster-RCNN[J].Popular Science & Technology,2023,25(6):5.
[4]黎灿贤 李佳奇 俞权桂 李方强 张声岚.运动目标控制与自动追踪系统的实现[J].大众科技,2024,26(6):91.
　[J].Popular Science & Technology,2024,26(6):91.

备注/Memo

备注/Memo:
【收稿日期】2024-08-22 【作者简介】冷跻峰（1996－），男，助理工程师，硕士研究生，研究方向为森林防火、图像检测。
更新日期/Last Update: 2025-02-13