南京林业大学学报(自然科学版)

作者：林海峰,马宇晨,蒋玲,薛琦琳

单位：<sup class=\mag-xml-aff-label-sup added-by-sys\>1</sup> 南京林业大学信息科学技术学院, 江苏 南京 210037,<sup class=\mag-xml-aff-label-sup added-by-sys\>2</sup> 南京邮电大学计算机学院、软件学院、网络空间安全学院, 江苏 南京 210023

关键词：深度学习,目标检测,计算机视觉,小目标林火,模型轻量化,无人机影像

基金：江苏省重点研发计划(BE2021716)

【目的】基于深度学习及计算机视觉,提出一种小目标森林火灾检测模型SFIRE-DeNet。【方法】该模型采用轻量级主干网络,在特征融合层引入全局注意力机制,有助于减少信息损失并提升深度神经网络的性能。添加小目标检测层用于检测较浅的特征图,从而实现对小目标林火的高精度检测。此外,在不同数据集和多个场景下对模型的检测效果进行测试。【结果】构建的模型在平均精度均值(mAP)指标上达到84.79%,较YOLOv5s模型的mAP更高,每秒传输帧数(FPS)保持在60以上,这验证了该模型在航拍角度下检测小目标林火的合理性与有效性。【结论】提出的SFIRE-DeNet模型可减少参数量和计算量,提高模型对小目标林火的特征提取能力,提升深度神经网络的性能。模型在检测精度和速度方面表现出色。

来源：2025年第5期

《南京林业大学学报(自然科学版)》期刊编辑部

查看南京林业大学学报(自然科学版)杂志2025年第5期