控制与决策

作者：李海,孙鹏,张志佳,沈喆

单位：沈阳工业大学 信息科学与工程学院，沈阳 110870;中国民用航空飞行学院 民航安全工程学院，四川 德阳 618307,,中国刑事警察学院 公安信息与情报学院，沈阳 110854,,沈阳工业大学 人工智能学院，沈阳 110870,,沈阳航空航天大学 民航学院，沈阳 110136,

关键词：复杂场景;小目标火灾;目标检测;注意力机制;仿真技术

基金：国家自然科学基金重点项目(U2333210)；国家重点研发计划项目(2024YFC3014400)；四川省国际科技创新合作/港澳台科技创新合作项目(2024YFHZ0342)；中央高校基本科研业务费专项资金项目(25CAFUC03063).

基于深度学习的复杂场景下小目标火灾检测方法主要面临两方面挑战: 其一, 在复杂场景中采集小目标火灾视频图像成本高昂且难度颇大, 导致模型的泛化能力和鲁棒性受限; 其二, 复杂场景下小目标火灾检测易受火灾尺度、场景类型、光照条件等因素影响, 导致检测精度不高. 对此, 提出一种基于S-PGA-YOLOv12的复杂场景下小目标火灾检测模型. 首先, 基于YOLOv12融合了用于突出小目标关键信息的并行补丁感知注意(PPA)模块、用于平衡速度与精度的GOLD模块、用于通过自适应学习不同尺度特征图的空间融合权重的小目标检测头(Detect-ASFF)模块; 然后, 针对复杂场景下小目标火灾图像采集成本高、难度大等问题, 提出一种基于模拟仿真的数据集构建方法; 最后, 基于模拟仿真构建的复杂场景小目标火灾数据集, 通过消融实验、对比实验、鲁棒性和泛化性分析来验证 S-PGA-YOLOv12模型的有效性. 在所构建的3个数据集上进行大量实验, 表明所提出方法具有有效性和优越性.

来源：2026年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第3期