一种深度学习的轻量化火焰烟雾检测方法及系统

本发明涉及计算机视觉技术领域，公开了一种深度学习的轻量化火焰烟雾检测方法及系统，通过检测头引入高分辨率检测层并采用部分卷积进行轻量化优化；采用基于部分卷积的FasterNet作为主干网络，堆叠多个PConv构成的基础模块构建特征提取网络，在保持特征表达能力的同时显著降低了计算复杂度；颈部网络采用基于动态核选择卷积的双向特征金字塔结构，通过烟雾感知机制自适应融合多尺度特征；多尺度上下文融合模块通过自注意力与交叉注意力机制强化全局上下文感知，提升了对初期小目标和形态多变火焰烟雾的检测灵敏度与鲁棒性，有效平衡了检测精度与推理速度。