王一旭，肖小玲，王鵬飛，向家富

長江大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院，湖北 荊州 434023

在日常生活中，火災(zāi)會對人類帶來巨大的傷害，危害人類的身體健康，同時(shí)會影響社會健康發(fā)展和人民財(cái)產(chǎn)安全。而火災(zāi)在發(fā)生初期是很容易被撲滅的，因此，通過對火災(zāi)發(fā)生初期的煙霧與火焰進(jìn)行迅速準(zhǔn)確的檢測是非常有必要的，可以很大程度上減少火災(zāi)帶來的危害與損失[1]。

早期的火災(zāi)識別是通過傳感器實(shí)現(xiàn)的，基于溫度，煙霧顆粒等物理數(shù)據(jù)采樣來進(jìn)行識別[2]。這種方法在特定環(huán)境中有著不錯(cuò)的表現(xiàn)，但在室外和復(fù)雜環(huán)境中會受到大量干擾，導(dǎo)致檢測精度會大幅下降，同時(shí)這種方法也無法獲取現(xiàn)場實(shí)時(shí)圖像。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展與進(jìn)步，Toereyin等人[3]通過小波變換來檢測火焰閃爍周期與火災(zāi)的顏色變換，結(jié)合時(shí)間與顏色的變化信息來減少對顏色相似的物體出現(xiàn)誤檢的情況。王文豪等人[4]通過采用二維最大熵自動閾值法對火災(zāi)圖像進(jìn)行分割處理，分割后再提取可疑區(qū)域；對可疑區(qū)域的火焰進(jìn)行識別。Tian等人[5]通過像素間的相關(guān)性、主成分分析初步識別出圖像中的煙霧，并通過純煙霧圖片中獲得的模型，對疑似區(qū)域進(jìn)一步進(jìn)行分離，來提取出圖片中的煙霧圖像。

近年來，深度學(xué)習(xí)已在許多領(lǐng)域超過傳統(tǒng)的人工方法[6]，相對于傳統(tǒng)的計(jì)算機(jī)視覺檢測中的人工提取特征，深度學(xué)習(xí)方法能提取出更抽象、更深層次的特征，可以使模型泛化性更好，并且在火焰檢測中也取得了不錯(cuò)的成績[7]。Wu等人[8]在當(dāng)時(shí)主流的目標(biāo)檢測框架Faster R-CNN、YOLOv1和SSD來進(jìn)行火焰檢測，并發(fā)現(xiàn)SSD精度最高，檢測效率最好，提出了用于移動設(shè)備上的輕量化網(wǎng)絡(luò)tiny-YOLO；Li等人[9]在Faster R-CNN、R-FCN、SSD、YOLOv3等目標(biāo)檢測算法與計(jì)算機(jī)視覺方法在火焰檢測上的表現(xiàn)，發(fā)現(xiàn)目標(biāo)檢測算法的精度率高于手工提取特征的算法，同時(shí)YOLOv3算法擁有最高的檢測精度與速度。謝書翰等人[10]在對YOLOv4網(wǎng)絡(luò)進(jìn)行改進(jìn)的同時(shí)在網(wǎng)絡(luò)預(yù)測頭中加入通道注意力模塊，以此來提高對煙霧的檢測精度。在目前現(xiàn)有的大部分算法只對火焰與煙霧進(jìn)行單獨(dú)檢測，而在火災(zāi)發(fā)生時(shí)，煙霧和火焰都是關(guān)鍵信息，所以煙霧和火焰的檢測重要性是一致的，同時(shí)險(xiǎn)情出現(xiàn)時(shí)的煙霧與火焰大多為小目標(biāo)。而現(xiàn)有算法仍然存在檢測精度低，難以準(zhǔn)確檢測到小目標(biāo)，速度不滿足日常需要，在復(fù)雜環(huán)境中誤檢、漏檢率高等問題。

因此，提出一種基于YOLOv5s的小目標(biāo)煙霧火焰檢測算法，并針對現(xiàn)有問題進(jìn)行改進(jìn)。首先基于公開數(shù)據(jù)集創(chuàng)建了一個(gè)內(nèi)容全面豐富的煙霧火焰數(shù)據(jù)集，并通過結(jié)構(gòu)相似性算法[11]剔除相似圖片，使模型在訓(xùn)練時(shí)效率更高，有更好的泛化能力；之后融合SimAM注意力機(jī)制[12]，在不增加網(wǎng)絡(luò)參數(shù)的情況下，加強(qiáng)特征提取能力，提高檢測精度；通過結(jié)合加權(quán)雙向特征金字塔網(wǎng)絡(luò)（BiFPN）結(jié)構(gòu)修改Neck結(jié)構(gòu)[13]，加強(qiáng)了特征提取與融合的過程，提高小目標(biāo)的檢測精度；最后使用遺傳算法[14]在自建數(shù)據(jù)集上優(yōu)化超參數(shù)，更進(jìn)一步提高模型的檢測能力，可以在火災(zāi)發(fā)生初期做出準(zhǔn)確迅速的檢測，保護(hù)生命與財(cái)產(chǎn)安全。

1 YOLOv5s網(wǎng)絡(luò)

YOLOv5[15]是目前廣泛使用的目標(biāo)檢測網(wǎng)絡(luò)之一，憑借檢測精度高、推理速度快等特點(diǎn)，在各種工業(yè)問題取得了不錯(cuò)的成果[16-18]。同時(shí)，YOLOv5也一直在更新迭代，目前版本為6.0，也是綜合表現(xiàn)最好的版本。選用的YOLOv5s網(wǎng)絡(luò)為YOLOv5的輕量化版本，更符合實(shí)時(shí)火災(zāi)檢測的要求。YOLOv5s的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 YOLOv5s結(jié)構(gòu)Fig.1 Structure of YOLOv5s

YOLOv5s網(wǎng)絡(luò)主要分成4個(gè)部分：輸入（input）、主干網(wǎng)絡(luò)（backone）、頸部（neck）以及預(yù)測頭（head）。其中backone由CBS、CSP1_X、SPPF構(gòu)成。neck部分由CSP2、上采樣（upsample）和相加模塊（concat）構(gòu)成，最后在head中進(jìn)行預(yù)測并輸出結(jié)果。其中CBS模塊由卷積（Conv），批量歸一化（batch normalization，BN）和SilU激活函數(shù)構(gòu)成。

CSP模塊借鑒了CSPNet結(jié)構(gòu)[19]，可以在不影響模型精度的情況下，有效地減少計(jì)算量，并提高推理速度。YOLOv5根據(jù)backone和neck的不同，分別設(shè)計(jì)出了CSP1_X和CSP2模塊。CSP1_X通過Res模塊[20]在不同層中控制網(wǎng)絡(luò)的深度，結(jié)構(gòu)如圖2所示。

圖2 CSP1結(jié)構(gòu)Fig.2 Structure of CSP1

CSP2主要用在neck部分，有效地提高了網(wǎng)絡(luò)的特征融合能力，結(jié)構(gòu)如圖3所示。

圖3 CSP2結(jié)構(gòu)Fig.3 Structure of CSP2

在backone的最后采用了快速空間金字塔池化（fast spatial pyramid pooling，SPPF），將不同感受野的特征圖融合，以此提高特征圖的表達(dá)能力。原理上與SPPNet[21]類似，但運(yùn)行速度更快，結(jié)構(gòu)如圖4所示。

圖4 SPPF結(jié)構(gòu)Fig.4 Structure of SPPF

2 數(shù)據(jù)集與優(yōu)化

2.1 數(shù)據(jù)集采集

數(shù)據(jù)集是深度學(xué)習(xí)網(wǎng)絡(luò)的基本，優(yōu)秀的數(shù)據(jù)集能讓模型有更強(qiáng)的魯棒性和泛化性，為解決現(xiàn)有數(shù)據(jù)集的限制，制作了一個(gè)多場景的復(fù)雜煙霧與火焰數(shù)據(jù)集，數(shù)據(jù)來源于多個(gè)公共火災(zāi)數(shù)據(jù)集，Bilkent大學(xué)火焰視頻庫VisiFire、BoWFire Dataset、FD-Dataset，搜索引擎搜索和網(wǎng)絡(luò)火焰煙霧視頻截取，如圖5所示。

圖5 數(shù)據(jù)集示例Fig.5 Dataset examples

同時(shí)獲取到的數(shù)據(jù)大多沒有標(biāo)注或標(biāo)注不全，將對數(shù)據(jù)重新標(biāo)注，對數(shù)據(jù)采用最大外接矩形框標(biāo)注，將顯著特征都包括進(jìn)去，標(biāo)注為fire、smoke兩個(gè)類，標(biāo)注格式為YOLO格式，如圖6所示。

圖6 標(biāo)注示例Fig.6 Annotation example

2.2 數(shù)據(jù)集整理

由于大部分?jǐn)?shù)據(jù)來源于網(wǎng)絡(luò)，存在大量的相似圖片，為提高數(shù)據(jù)集中數(shù)據(jù)的質(zhì)量，減少重復(fù)數(shù)據(jù)的出現(xiàn)，提高網(wǎng)絡(luò)的學(xué)習(xí)效率，對數(shù)據(jù)集中的圖片進(jìn)行結(jié)構(gòu)相似性（structural similarity，SSIM）計(jì)算，如式（1）：

其中C1、C2為常數(shù)，避免分母為0的情況，常取0.01和0.03，μ表示圖的平均亮度，計(jì)算過程為式（2）：

其中，N為圖像的像素點(diǎn)總數(shù)，xi標(biāo)識每個(gè)圖像的像素值。σ表示圖的對比度，計(jì)算過程為式（3）：

兩張圖片通過計(jì)算，可得到一個(gè)SSIM index，值在0到1之間，越大表明兩張圖片越相似，在數(shù)據(jù)集中，對SSIM index大于0.85的兩張圖片定義為相似，只保存其中一張。

2.3 數(shù)據(jù)集分析

在數(shù)據(jù)集收集與整理后，總共有9 981張圖片，每張圖片中至少含有一個(gè)標(biāo)簽，對數(shù)據(jù)集進(jìn)行統(tǒng)計(jì)，結(jié)果如圖7、8所示。

圖7中，縱坐標(biāo)軸為標(biāo)簽數(shù)量，橫坐標(biāo)為標(biāo)簽名，數(shù)據(jù)集中有足夠數(shù)量的煙霧與火焰，經(jīng)過相似度檢查后，可以認(rèn)為已經(jīng)包含日常生活中絕大部分火災(zāi)中的火焰和煙霧場景。

圖7 標(biāo)簽數(shù)量Fig.7 Number of labels

如圖8表示標(biāo)簽的分布。圖8（a）中，橫坐標(biāo)x為標(biāo)簽中心橫坐標(biāo)與圖像寬度的比值，縱坐標(biāo)y為標(biāo)簽中心縱坐標(biāo)與圖像高度的比值，數(shù)值越大或越小表示越靠近圖像的邊緣，從圖中可知，數(shù)據(jù)分布廣泛，集中在圖像的中部。

圖8標(biāo)簽分布Fig.8 Label distribution

圖8（b）中，橫坐標(biāo)width為標(biāo)簽寬度與圖像寬度的比值，縱坐標(biāo)height為標(biāo)簽高度與圖像高度的比值，數(shù)值越大，標(biāo)簽框在圖像中的占比就越大。從圖8中可知，數(shù)據(jù)集中包含各種大小的數(shù)據(jù)，主要為中小目標(biāo)數(shù)據(jù)，更貼合實(shí)際情況。同時(shí)為保證模型的泛化性，也有一定數(shù)量的其他大小數(shù)據(jù)。

3 YOLOv5s的改進(jìn)

3.1 SimAM注意力機(jī)制

計(jì)算機(jī)視覺中的注意力機(jī)制，目的是模仿人類視覺系統(tǒng)，能夠有效地在復(fù)雜場景中找到顯著區(qū)域。通過注意力機(jī)制，可以對輸入圖像的特征進(jìn)行動態(tài)權(quán)重調(diào)整。注意力機(jī)制已經(jīng)在許多視覺任務(wù)中取得了成功[22]。

SimAM注意力模塊不同于現(xiàn)有1-D通道注意力和2-D空域注意力，無需額外參數(shù)去推導(dǎo)出3-D注意力權(quán)值，簡單且高效，只需通過一個(gè)Energy函數(shù)來計(jì)算注意力權(quán)重。SimAM注意力模塊原理如圖9所示。

圖9 SimAM注意力模塊Fig.9 SimAM module of attention

通過3-D權(quán)重，對特征中的每個(gè)點(diǎn)都賦上單獨(dú)的標(biāo)量，通過這種統(tǒng)一權(quán)重，使得特征更具有全局性，很適合用于需要考慮全局性的煙霧火焰的檢測。計(jì)算過程如式（4）所示：

其中輸出結(jié)果為增強(qiáng)后的特征，X為輸入的特征，⊙為點(diǎn)積運(yùn)算，并且通過sigmoid函數(shù)限制E中可能出現(xiàn)的過大值，E為每個(gè)通道上的能量函數(shù)，計(jì)算過程如式（5）所示：

其中t為輸入的特征的值，t∈X，λ為常數(shù)1E-4，μ和σ2分別表示X中每個(gè)通道上的均值與方差，計(jì)算過程為式（6）、（7）：

其中M=H×W，表示每個(gè)通道上的值的數(shù)量。通過計(jì)算可獲得每個(gè)點(diǎn)的權(quán)重，以此來改善網(wǎng)絡(luò)的識別效果，同時(shí)也不會為網(wǎng)絡(luò)增加額外的參數(shù)。在多次實(shí)驗(yàn)后，SimAM層加在backone中的最后一層中效果最好。

3.2 Neck結(jié)構(gòu)改進(jìn)

為加強(qiáng)網(wǎng)絡(luò)對小目標(biāo)的檢測能力，且不擴(kuò)大輸入的分辨率，將在網(wǎng)絡(luò)的第三層，也就是CSP1_1部分增加一個(gè)特征圖輸出，接入Neck部分作為P2輸出，輸入的大小為640×640時(shí)，P2的特征圖大小為160×160，每格特征圖對應(yīng)輸入圖中以4×4的感受野，可以更好檢測小目標(biāo)，同時(shí)也可在特征融合的過程中為其他層提供信息。但是P2的部分僅經(jīng)過4倍下采樣，干擾信息較多，為更好地提取特征，將對YOLOv5s的Neck部分進(jìn)行改進(jìn)。

YOLOv5s的Neck參考了PANet[23]的思想，對從主干網(wǎng)絡(luò)獲取的特征，進(jìn)行上采樣之后再進(jìn)行下采樣融合，使得每個(gè)特征能包含更多的信息，如圖10所示。

圖10 原有Neck結(jié)構(gòu)Fig.10 Structure of original Neck

在P2加入后，為了Neck能對特征進(jìn)行更好地融合，將借鑒BiFPN的結(jié)構(gòu)對原有的Neck部分進(jìn)行改進(jìn)，在P3層增加一個(gè)上采樣與P2層融合，同時(shí)在P3層增加一個(gè)上采樣節(jié)點(diǎn)。并在P3、P4層增加到輸出節(jié)點(diǎn)的通路，可在不增加太多復(fù)雜度的情況下融合特征，最終改進(jìn)的結(jié)構(gòu)如圖11所示。

圖11 改進(jìn)后的Neck結(jié)構(gòu)Fig.11 Structure of improved Neck

如圖11所示，改進(jìn)后的結(jié)構(gòu)增加了些許復(fù)雜度，但每個(gè)特征圖能融合更多的信息，能在提高在檢測時(shí)的精度。同時(shí)，原有的特征融合過程中并沒有對不同特征進(jìn)行區(qū)分，僅僅為簡單的相加融合，在改進(jìn)后的Neck結(jié)構(gòu)中，將特征融合優(yōu)化為帶權(quán)特征融合，區(qū)分每個(gè)權(quán)重的重要性，使用快速歸一化融合（fast normalized fusion）來計(jì)算，過程為式（8）：

其中，I為輸入值，O為輸出值，通過計(jì)算可以使所有的權(quán)重值在0和1之間。以P3融合過程為例，計(jì)算過程為式（9）、（10）：

式中Conv代表卷積操作，Resize為上采樣或下采樣，各參數(shù)和計(jì)算流程如圖12所示。

圖12 計(jì)算流程與參數(shù)Fig.12 Calculation process and parameters

基于以上描述，改進(jìn)后的Neck輸出的每個(gè)特征圖能包含更多信息，且加強(qiáng)了對小目標(biāo)的檢測能力。整體改進(jìn)后的YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)如圖13所示。

圖13 改進(jìn)后的YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)Fig.13 Network structure of improved YOLOv5s

3.3 遺傳算法進(jìn)化超參數(shù)

遺傳算法（genetic algorithm，GA）最早是計(jì)算數(shù)學(xué)中用于解決最佳化的搜索算法，通過遺傳算法可以得到問題的優(yōu)質(zhì)解。在深度學(xué)習(xí)領(lǐng)域中，最優(yōu)的超參數(shù)能最大化地發(fā)揮網(wǎng)絡(luò)的性能，從而提高模型的檢測能力。通過遺傳算法找出網(wǎng)絡(luò)的最優(yōu)超參數(shù)。目前已有相關(guān)成果[24-26]。使用遺傳算法對優(yōu)化后的YOLOv5s網(wǎng)絡(luò)的部分超參數(shù)在自建的數(shù)據(jù)集上尋找最優(yōu)值，算法流程如圖14所示。

其中，編碼過程就是把參數(shù)轉(zhuǎn)換到遺傳算法的搜索空間，轉(zhuǎn)為遺傳算法的染色體結(jié)構(gòu)數(shù)據(jù)，解碼的過程就是反過來，將染色體結(jié)構(gòu)數(shù)據(jù)轉(zhuǎn)換為原有數(shù)據(jù)。適應(yīng)度為當(dāng)前參數(shù)訓(xùn)練后的模型在測試集上的檢測精度。

選擇、交叉與變異操作都是遺傳算子。選擇操作是指從設(shè)定的范圍中以選擇前幾代中優(yōu)秀的數(shù)據(jù)作為遺傳對象，個(gè)體的適應(yīng)度越高越容易被選擇。交叉操作是選擇兩個(gè)父代，通過一定的概率對兩個(gè)染色體結(jié)構(gòu)數(shù)據(jù)的交換組合，把父代的優(yōu)秀特征遺傳給子串，從而產(chǎn)生新的優(yōu)秀個(gè)體。變異操作是防止遺傳算法在優(yōu)化過程中陷入局部最優(yōu)解，在搜索過程中，需要對個(gè)體進(jìn)行變異，對染色體結(jié)構(gòu)數(shù)據(jù)進(jìn)行變化。種群數(shù)量定義為選定的父代范圍，算法只在固定的種群數(shù)量中選定父代。

在自建的數(shù)據(jù)集上進(jìn)行超參數(shù)進(jìn)化，將YOLOv5s原有的超參數(shù)設(shè)定為初始值，在改進(jìn)后的YOLOv5s網(wǎng)絡(luò)上進(jìn)行進(jìn)化，并設(shè)定選擇算子的選擇范圍為5，交叉算子為80%的隨機(jī)交叉，變異算子的概率為0.01，進(jìn)化的輪次為300次，最終結(jié)果如表1所示。

表1 進(jìn)化的參數(shù)列表Table 1 Evolutionary parameters list

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)環(huán)境與準(zhǔn)備

實(shí)驗(yàn)環(huán)境硬件配置：CPU為AMD R7 5800H，GPU為NVIDIA RTX 3070 Laptop，操作系統(tǒng)為Windows10，編譯環(huán)境為Python3.8+Pytorch1.10.1+CUDA11.3。

在訓(xùn)練開始前通過K-means算法對初始錨框進(jìn)行聚類，結(jié)果為[18，28，43，37，52，110]，[90，66，96，144，157，117]，[270，150，192，237，346，221]，[305，350，532，253，548，352]。訓(xùn)練時(shí)對數(shù)據(jù)集使用在線增強(qiáng)，在每個(gè)epoch中對數(shù)據(jù)進(jìn)行色調(diào)、飽和度、亮度的變換，以一定的概率進(jìn)行平移、縮放操作，并加上Mosaic數(shù)據(jù)增強(qiáng)，使得每個(gè)epoch學(xué)習(xí)的數(shù)據(jù)都有一定變化，進(jìn)一步提升模型泛化能力，減少過擬合的可能性。將原始數(shù)據(jù)集按照8∶1∶1的比例劃分為訓(xùn)練集，驗(yàn)證集和測試集。訓(xùn)練集7 985張圖片，驗(yàn)證集和測試集的數(shù)量為998張，同時(shí)進(jìn)行相關(guān)性分析，避免測試集中出現(xiàn)數(shù)據(jù)泄露，保證訓(xùn)練結(jié)果可靠真實(shí)。為保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性與嚴(yán)謹(jǐn)性，所有數(shù)據(jù)皆為3次實(shí)驗(yàn)后統(tǒng)計(jì)取平均值。

4.2 評價(jià)標(biāo)準(zhǔn)

實(shí)驗(yàn)結(jié)果采用精確度（precision，P）、召回率（recall，R）、平均精度（average precision，AP），和平均精度均值（mean average precision，mAP）等作為評價(jià)指標(biāo)，計(jì)算公式為式（11）～（14）：

其中TP（true postives）為預(yù)測正確的正類樣本數(shù)量，F(xiàn)P（false postives）為預(yù)測錯(cuò)誤的正類樣本數(shù)量，F(xiàn)N（false negatives）為預(yù)測錯(cuò)誤的負(fù)類樣本數(shù)量，n為數(shù)據(jù)集中的類別數(shù)。設(shè)定AP的IoU檢測閾值為0.5，即評價(jià)指標(biāo)為AP@0.5與mAP@0.5。同時(shí)為進(jìn)一步發(fā)揮模型性能，對每個(gè)置信度閾值（confidence threshold）下的指標(biāo)進(jìn)行判斷，如圖15所示。

圖15 不同置信度閾值下模型性能Fig.15 Model Performance under different confidence thresholds

從15圖可知，當(dāng)置信度閾值設(shè)定為0.5時(shí)，各項(xiàng)指標(biāo)綜合最高，由此表示此時(shí)的模型性能最好，其中precision為82.1%，recall為70.4%，mAP為78.9%。

4.3 對比實(shí)驗(yàn)

首先對自建數(shù)據(jù)集的有效性進(jìn)行分析，目前還沒有權(quán)威的煙霧火焰公開數(shù)據(jù)集，將與廣泛使用的VisiFire火焰數(shù)據(jù)集，目前Kaggle上火焰煙霧體量最大的數(shù)據(jù)集fire smoke dataset[27]進(jìn)行對比。

將YOLOv5s在3個(gè)數(shù)據(jù)集上分別進(jìn)行訓(xùn)練，并選用1張不在數(shù)據(jù)集中的現(xiàn)實(shí)圖片進(jìn)行對比，結(jié)果如圖16所示。

圖16 數(shù)據(jù)集對比Fig.16 Comparison of datasets

由圖16可知，VisiFire數(shù)據(jù)集中僅包含火焰標(biāo)注，無法檢測到煙霧類別，同時(shí)因數(shù)據(jù)量過少，訓(xùn)練的模型泛化性不是很好，而fire smoke dataset數(shù)據(jù)集訓(xùn)練的模型中雖然能檢測到火焰煙霧圖像，但置信度不高，同時(shí)也沒有將煙霧完全檢測到，自建數(shù)據(jù)集所訓(xùn)練模型的檢測效果是最好的。

之后將SimAM注意力機(jī)制對目前廣泛使用的SE、CBAM注意力機(jī)制進(jìn)行對比。將3種注意力機(jī)制分別加入到Y(jié)OLOv5s中的實(shí)驗(yàn)結(jié)果，如表2所示。

表2 注意力機(jī)制對比Table 2 Comparison of attention mechanism

對YOLOv5s和改進(jìn)后的YOLOv5s進(jìn)行對比實(shí)驗(yàn)，設(shè)定batchsize為16，輸入為640×640，部分超參數(shù)采用表1中的結(jié)果。同時(shí)，為避免過擬合出現(xiàn)，在模型訓(xùn)練過程中不設(shè)定固定的epoch數(shù)量，而是在100個(gè)epoch后啟用早停（early stopping）機(jī)制，當(dāng)發(fā)現(xiàn)模型在驗(yàn)證集上基本沒有改善時(shí)就自動停止訓(xùn)練，在相同的網(wǎng)絡(luò)配置下，越早停止的訓(xùn)練說明模型訓(xùn)練的效率更高，學(xué)習(xí)速度更快。模型訓(xùn)練的訓(xùn)練損失和驗(yàn)證損失的對比，如圖17所示。

圖17 損失值對比Fig.17 Comparison of loss value

從圖17可知，改進(jìn)后的網(wǎng)絡(luò)中，box_loss、obj_loss、cls_loss在訓(xùn)練集與驗(yàn)證集中都比YOLOv5s網(wǎng)絡(luò)更小，未出現(xiàn)嚴(yán)重過擬合現(xiàn)象，且訓(xùn)練花費(fèi)時(shí)間更短，學(xué)習(xí)速率更高。改進(jìn)后的網(wǎng)絡(luò)比原網(wǎng)絡(luò)收斂更快，在訓(xùn)練時(shí)更有效率。

為進(jìn)一步展現(xiàn)網(wǎng)絡(luò)的改進(jìn)效果，對網(wǎng)絡(luò)的mAP@0.5數(shù)據(jù)進(jìn)行對比，結(jié)果如圖18所示。

圖18 平均精度均值對比Fig.18 Comparison of mAP

從圖18可知，改進(jìn)后的網(wǎng)絡(luò)比原YOLOv5s的精度指標(biāo)更高，在火焰和煙霧檢測中更有優(yōu)勢。同時(shí)因?yàn)閿?shù)據(jù)集中大部分?jǐn)?shù)據(jù)為小目標(biāo)數(shù)據(jù)，當(dāng)精度提升后，可以認(rèn)定為對小目標(biāo)檢測效果提升。

為更全面地展示改進(jìn)的網(wǎng)絡(luò)的優(yōu)勢，與主流的輕量級目標(biāo)檢測網(wǎng)絡(luò)YOLOv3-Tiny、YOLOv4-Tiny、

EfficentDet-D0、YOLOX-Tiny、NanoDet-p-m-1.5x、YOLOv5-lite-g進(jìn)行對比實(shí)驗(yàn)，在與改進(jìn)后網(wǎng)絡(luò)使用的訓(xùn)練集上訓(xùn)練，之后在同一測試集對比，為保證每個(gè)網(wǎng)絡(luò)發(fā)揮最佳性能，對每個(gè)網(wǎng)絡(luò)設(shè)置合適的輸入大小。對比結(jié)果如表3所示。

通過表3數(shù)據(jù)可知，改進(jìn)后的YOLOv5s的精度遠(yuǎn)高于其他網(wǎng)絡(luò)，參數(shù)量和權(quán)重大小也仍然滿足輕量級網(wǎng)絡(luò)的要求，同時(shí)對比原YOLOv5s網(wǎng)絡(luò)，因?yàn)榫W(wǎng)絡(luò)結(jié)構(gòu)的改變，提高了少量的參數(shù)量和權(quán)重大小。但并未明顯影響檢測速度，仍可滿足實(shí)時(shí)檢測的要求。

表3 網(wǎng)絡(luò)對比結(jié)果Table 3 Network comparison results

為進(jìn)一步驗(yàn)證改進(jìn)的有效性，對各項(xiàng)改進(jìn)進(jìn)行消融實(shí)驗(yàn)測試，測試結(jié)果如表4所示。

由表4數(shù)據(jù)可知，各部分改進(jìn)都有效果，在加入SimAM注意力機(jī)制后，檢測精度有明顯提高，同時(shí)訓(xùn)練得也更快，其中SimAM機(jī)制中帶來的3-D權(quán)重很適合用于火焰與煙霧的檢測，之后加入Neck改進(jìn)的部分后，加強(qiáng)了對小目標(biāo)的檢測，優(yōu)化了多尺度特征的融合過程，對火焰的檢測有明顯改善，煙霧上也有更高的精度，同時(shí)也因?yàn)榫W(wǎng)絡(luò)復(fù)雜度的提高，對訓(xùn)練輪次有所增加，檢測速度有微量下降。最后使用遺傳算法優(yōu)化的超參數(shù)后，精度提升，訓(xùn)練效率更高，表示模型性能發(fā)揮得更好。

表4 消融實(shí)驗(yàn)結(jié)果Table 4 Ablation experimental results

4.4 結(jié)果分析

為更直觀對比網(wǎng)絡(luò)改進(jìn)后的結(jié)果，選取測試集中部分圖片與現(xiàn)實(shí)圖片進(jìn)行測試，為更明顯的對比結(jié)果，對兩個(gè)網(wǎng)絡(luò)的置信度閾值都設(shè)置為0.25，結(jié)果如圖19所示。

圖19左邊為YOLOv5s檢測結(jié)果，右邊為改進(jìn)后的YOLOv5s檢測結(jié)果。圖（a）煙霧中的火焰，受到遮擋且火焰目標(biāo)較小，左邊雖然能檢測到目標(biāo)，但置信度不高，且無法細(xì)分火焰，右邊準(zhǔn)確地檢測到被遮擋的火焰，且對煙霧的檢測中更準(zhǔn)確。圖（b）中右圖對小目標(biāo)的檢測效果更好，同時(shí)沒有對較為稀疏的煙霧產(chǎn)生誤檢。數(shù)據(jù)中不會將類似煙霧標(biāo)注，因?yàn)樵诨馂?zāi)檢測中這種煙霧并沒有太多參考價(jià)值。圖（c）中煙霧與背景混淆，存在一個(gè)小目標(biāo)火焰，右圖比左圖更好地檢測到了煙霧的輪廓，同時(shí)對小火焰的置信度更高。圖（d）中左圖漏檢了被遮擋的小火焰，同時(shí)將云朵誤檢為煙霧，右圖檢測到了被遮擋的小火焰，并且沒有誤檢，對火焰的檢測效果也更好。圖（e）為現(xiàn)實(shí)生活中的圖片，火焰與煙霧中背景復(fù)雜，存在干擾。相對于左圖，右圖中對煙霧與火焰的置信度更高，檢測框更貼近現(xiàn)實(shí)。

圖19 檢測結(jié)果對比Fig.19 Comparison of detection results

5 結(jié)束語

針對目前火災(zāi)檢測算法中對煙霧誤檢，對小目標(biāo)火焰漏檢的情況，提出一種基于YOLOv5s改進(jìn)的小目標(biāo)火焰檢測算法，首先為增加模型的魯棒性和泛化能力，基于公開數(shù)據(jù)集制作了一個(gè)數(shù)量充足，內(nèi)容復(fù)雜的煙霧火焰自建數(shù)據(jù)集，對網(wǎng)絡(luò)改進(jìn)之處為在主干網(wǎng)絡(luò)中增加3-D注意力機(jī)制SimAM，對Neck部分進(jìn)行修改，增加一個(gè)檢測尺度，優(yōu)化特征融合過程，提高模型對小目標(biāo)的火焰以及煙霧的檢測精度。通過遺傳算法在自建數(shù)據(jù)集上優(yōu)化網(wǎng)絡(luò)超參數(shù)，進(jìn)一步提升模型的性能。經(jīng)過實(shí)驗(yàn)表明，改進(jìn)后的網(wǎng)絡(luò)相較于YOLOv5s，在沒有過多增加參數(shù)與權(quán)重大小的情況下，對火焰與煙霧中精度更高，提升了對小目標(biāo)的檢測精度，能滿足實(shí)時(shí)檢測的需要。在后續(xù)中，可對結(jié)構(gòu)進(jìn)一步調(diào)整，擴(kuò)充學(xué)習(xí)的數(shù)據(jù)集，以達(dá)到更好的檢測效果。