来源：期刊VIP网 时间：
作者：白亚腾;刘润翌;
单位：中国中煤能源集团有限公司;中国矿业大学人工智能研究院;
摘要：园区内的烟头检测对于生态环境质量提高和火灾隐患排除都具有重要研究意义，但园区场景下的烟头存在尺寸小、特征不明显等问题。为获得一个效果较好的园区烟头小目标检测模型，在原始YOLOv9模型的基础上，针对该模型在烟头小目标检测任务中计算量冗余的缺陷提出改进和验证。首先，将部分卷积PConv引入RepNCSPELAN4模块中，以提升网络对目标特征提取效率，减少计算量；其次，将最近邻插值上采样模块重新设计为基于特征重组的上采样器，用更大感受野来感知特征并进一步实现网络轻量化；最后，在烟头数据集上进行对比与消融试验，该算法的平均精度达到87.4%,参数量降至83.8 MB,相较于原模型，检测效果得到提升。研究旨在通过深度学习的应用，得到有效的烟头检测模型，推动园区公共场所无烟环境的发展。
关键词：安全工程;;小目标检测;;YOLOv9模型;;轻量化模型;;特征重组
