基于GBS-YOLOv5s的煤矿烟火检测

基于GBS-YOLOv5s的煤矿烟火检测
魏少雄;钟本源
【期刊名称】《煤》
【年(卷),期】2024(33)7
【摘要】针对现有的煤炭烟火检测方法精确度低、参数量大、算法复杂度高等问题,提出了一种基于GBS-YOLOv5s的煤矿烟火检测算法。

使用Ghost卷积模块实现特征提取,在原始算法上加入Ghost Bottleneck模块来减少模型参数量。

其次,通过在SPPF模块后面加入全局上下文特征提取BoT3模块,增加对小目标的检测效果。

最后,引入一种新的Soft-NMS算法,降低这些边界框的置信度,提升召回率,减少重叠目标的漏检。

实验结果表明:GBS-YOLOv5s目标检测算法优于YOLOv5s 算法,准确率提升了3.3%,每秒的浮点运算数GFLOPs减少了7.6 G,可以满足煤矿场景下对模型检测的要求。

【总页数】4页(P11-13)
【作者】魏少雄;钟本源
【作者单位】山西大同大学煤炭工程学院
【正文语种】中文
【中图分类】TD752;TP391.41
【相关文献】
1.基于计算机视觉的变电站烟火自动检测方法
2.基于改进YOLOv5s的森林烟火检测算法研究
3.一种通过YOLOv5技术基于PyTorch实现吸烟、未佩戴安全帽、烟
火检测的智慧工地软件4.基于YOLOv5的地铁站场景下烟火检测系统研究5.基于改进YOLOv5s的森林烟火检测算法
因版权原因，仅展示原文概要，查看原文内容请购买。