[发明专利]一种基于轻量级无锚检测模型的可见光森林火灾检测方法

权利要求书

1.一种基于轻量级无锚检测模型的森林火灾检测方法，其特征在于，包括以下步骤：

步骤1，获取红外森林火灾图像数据集，标注各图像中火焰的位置和类别信息，得到火焰数据集，对标注后的每幅图像进行预处理，并划分训练集、验证集和测试集；

步骤2，构建改进的轻量级无锚检测模型，利用主干特征提取网络MobileNetv3g对输入图像进行火灾特征提取，得到三个有效特征层Feature1、Feature2与Feature3；

步骤3，对有效特征层Feature3通过空间金字塔池化模块SPP进行多尺度最大池化处理；

步骤4，将有效特征层Feature1、Feature2与Feature3输入到加强特征提取网络D-PANet，对特征层由深至浅进行加强特征融合，然后使用下采样将浅层的位置信息传递到深层特征中，与深层的语义信息相融合，输出特征层Level1、Level2与Level3；

步骤5，将特征层Level1、Level2与Level3传入自适应空间特征融合模块ASFF进行自适应空间特征融合，然后使用1×1卷积压缩到原来的通道数，输出特征层ASFF-1、ASFF-2与ASFF-3；

步骤6，将特征层ASFF-1、ASFF-2与ASFF-3输入到预测网络中，进行多尺度预测，使用解耦头解码预测的目标类别信息和位置回归信息，得到预测结果；

步骤7，将预测结果进行得分排序和非极大值抑制筛选，筛选出一定区域内得分最高并满足置信度的预测框，由此得到最终的火灾预测结果。

2.根据权利要求1所述的基于轻量级无锚检测模型的森林火灾检测方法，其特征在于，所述步骤1，使用标注软件LabelImg进行标注，对所述火焰数据集，采用mosaic、随机仿射变换、随机翻转和对比度变化的数据增强策略进行处理，并将图像大小调整为640×640像素。

3.根据权利要求1所述的基于轻量级无锚检测模型的森林火灾检测方法，其特征在于，所述步骤2，以无锚检测模型YOLOX作为基本框架，首先将YOLOX的主干网络替换为轻量级网络MobileNetv3；然后，结合高效通道注意力网络和GhostNet思想对MobileNetv3网络进行改进，构建主干特征提取网络MobileNetv3g，使得在模型轻量化的同时保留多尺度特征信息；最后，使用深度可分离卷积简化路径聚合网络，进一步减少模型的计算量，并引入自适应空间特征融合模块，以减轻不同尺度特征图之间的不一致性。

4.根据权利要求3所述的基于轻量级无锚检测模型的森林火灾检测方法，其特征在于，所述MobileNetv3g是对MobileNetv3的改进，首先使用一维卷积替换压缩激励网络注意力机制模块的全连接层，然后在深度可分离卷积前加入一个普通卷积模块，并将两者的输出结果结合起来，从而充分获得语义信息，使得检测结果更加准确；

MobileNetv3g包括如下组成部分：

(4a)ECANet注意力机制：ECANet在全局平均池化后，通过大小为k的一维卷积获取每个通道及其相邻k个通道的局部跨通道交互信息，ECANet通过给定通道数C，自适应地确定卷积核大小k，具体为：

式中，式中，表示离最近的奇数，k和C之间存在非线性映射关系φ：C＝φ(k)＝2^γ*k-b，其中γ和b为常数系数；

(4b)改进的深度可分离卷积结构：借鉴GhostNet的结构对MobileNetv3进行改进，首先使用普通的3×3卷积将输入特征图的通道数映射到原始通道数的一半，然后使用深度可分离卷积进一步提取特征，最后将两部分输出的特征图相加；

(4c)h-swish激活函数：表达式为：

式中，ReLU6(x+3)表示ReLU6激活函数，即限制ReLU的最大输出值为6。