基于多分支重参数化异构核卷积的火焰与烟雾检测方法

本发明公开了一种基于多分支重参数化异构核卷积的火焰与烟雾检测方法，通过创新网络架构设计显著提升了复杂环境下火灾目标的检测精度与实时性。该方法在YOLOv8框架基础上进行了以下关键改进：其一，构建多尺度特征融合增强网络，采用浅层辅助融合(SAF)与深层辅助融合(DAF)的双路径特征金字塔结构，通过动态特征交互机制有效保留火焰和烟雾的细节纹理特征；其二，创新性地设计重参数化的异构卷积模块(RepHCM)，通过训练阶段的多分支深度可分离卷积并行特征提取与推理阶段的参数重组，在保持大感受野优势的同时显著提升计算效率；其三，在主干与颈部网络中部署全局异构核选择机制，动态应用不同尺寸卷积核，强化对多尺度火灾目标的特征提取能力；其四，针对小目标识别难的问题，构建高分辨率检测头分支(160×160)，提升小尺度火焰与烟雾的检测效果。