基于改进YOLOv12的无人机高速公路边坡起火检测算法研究AET-电子技术应用-最丰富的电子设计资源平台

基于改进YOLOv12的无人机高速公路边坡起火检测算法研究
所属分类：技术论文
上传者：wwei
文档大小：4467 K
标签： YOLOv12 小目标增强特征金字塔轻量化检测
所需积分：0分积分不够怎么办？
文档介绍：针对无人机高速公路边坡火灾检测中存在的初期火苗漏检率高、复杂背景干扰显著以及边缘设备部署精度-实时性难以平衡等关键问题，基于改进YOLOv12框架提出一种轻量化可见光火灾检测算法。该算法通过实例分割技术精准提取边坡与道路区域以消除背景干扰，设计包含高分辨率P2层与多路径下采样机制的小目标增强特征金字塔（SOPAN）提升微小目标检测能力，并构建基于共享卷积的轻量检测头（LSCD）实现模型复杂度压缩。实验结果表明，在融合无人机巡检数据集上，所提模型以仅1.8M参数量达到92.5% mAP检测精度，较基准模型YOLOv12n参数量降低28.3%，为无人机端实时高精度火灾预警提供了高效解决方案。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。