来源：期刊VIP网 时间：
作者：刘成明;吴凡;李学相;
单位：郑州大学网络空间安全学院;
摘要：针对现有目标检测模型对火焰检测有效性不足的情况，通过优化改进YOLOv7算法的网络结构，提出了一种全新的火灾检测模型。首先，在YOLOv7上增加一个小目标检测层，并引入SE(squeeze and excitation)注意力模块、坐标注意力模块和Biformer模块，增强对小目标特征提取的能力。其次，用CoordConv(coordinate convolution)模块和PConv(partial convolution)模块替换网络中的标准卷积块，减少训练和部署的计算量，提高网络检测速度。最后，针对实验数据集标注框质量参差不齐的问题，将CIoU损失函数替换为Wise-IoU损失函数。在以KMU Fire and Smoke database为主的数据集上进行实验，结果表明，所提出改进模型的平均精度提升了2.5个百分点、召回率提升了1.7个百分点，帧率达到了79.4帧/s,实现了检测效果和检测速度的双重提升，比传统目标检测算法拥有更好的火焰检测能力。
关键词：YOLOv7;;火灾检测;;Wise-IoU损失函数;;注意力机制;;PConv模块
基金资助：国家自然科学基金项目(62006210,62206252);; 河南省重大公益专项项目(201300210500);; 南阳市协同创新重大专项项目(22XTCX12001);; 河南省重大科技专项项目(221100210100);; 嵩山实验室预研项目(YYJC022022001);嵩山实验室资助项目(232102210154)
