基于改进YOLOv8的煤矿火灾检测算法  

Coal Mine Fire Detection Algorithm Based on Improved YOLOv8

作　　者：扆梦雄 魏少雄 赵文超 王彦文 YI Mengxiong;WEI Shaoxiong;ZHAO Wenchao;WANG Yanwen

机构地区：[1]山西大同大学煤炭工程学院,山西大同037003

出　　处：《山西焦煤科技》2024年第6期11-14,共4页Shanxi Coking Coal Science & Technology

摘　　要：为了解决煤矿火灾检测算法模型参数量较大、推理交互时间较长、错检和漏检率较高等问题,提出了一种YOLOv8-VPC深度学习模型的煤矿火灾检测算法。用VanillaNet替换主干网络,降低模型的复杂度,减小模型的计算量;加入ParNet机制,降低计算复杂度;在Neck区域加入上采样操作CARAFE,提高融合特征的质量,提高检测性能;提出GIoU为损失函数,加入了一个ground truth和预测框,提升了预测框和检测的准确率。为了验证算法的可行性,选取收集到的火灾烟雾数据集,进行训练和验证。结果表明:对比YOLOv8n模型,YOLOv8-VPC算法的平均精度均值(mAP)@0.5提高了13.9%,参数量保持不变,且对物体的检测效果更好。

关 键 词：深度学习 煤矿火灾检测 YOLOv8-VPC算法 损失函数 注意力机制 

分 类 号：TD325.3[矿业工程—矿井建设]