一种面向石化场景的火焰检测方法
知识产权简介
本发明涉及计算机视觉与工业安全监控技术领域，特别涉及一种面向石化场景的轻量级高精确率火焰识别算法。针对石化环境中火焰尺度多变、背景复杂及实时性要求高等挑战，本发明提出一种基于改进YOLOv8n的快速火焰检测模型（FFD-YOLO）。核心创新包括：多尺度自适应加权融合颈部模块（MAWFN）实现动态特征整合，动态对齐单头结构（DAUH）降低参数冗余并适应火焰非刚性形态，以及聚焦几何IoU损失（FG-IoU）提升边界框定位精度。实验表明，该模型参数量仅2.05M，在石化场景数据集上达到94.6%检测精度和94.0% mAP@0.5，显著优于YOLOv10m和RT-DETR等主流模型，适用于资源受限的边缘设备部署。
转化前景
本发明实现石化场景下火焰检测高精度与高效率的统一，提出了一种面向轻量化边缘部署的增强型火焰检测算法。该方法在高效的YOLOv8n架构基础上，从特征融合、检测头设计和损失函数三个层面进行协同优化，旨在构建一个在参数量与计算量大幅降低的同时，检测精度显著超越同类轻量模型甚至部分大型模型的实用化解决方案，以满足石化工业对实时、精准、可靠火焰智能监控的迫切需求。