YOLO に基づく静止画からの火炎および煙検出システムの実装とその評価

抄録

近年、大規模な火災が世界各地で頻発し、甚大な被害をもたらしている。火災の被害を最小限に抑えるためには、火炎や煙の早期検出が極めて重要である。 本研究では、火災監視システムの検出精度向上を目的として、YOLOv8を基盤とした火炎および煙の検出手法を提案する。 具体的には、YOLOv8 の backbone にある C2f-n の一部を Swin Transformerに置換することで多尺度特徴抽出を強化し、畳み込み層を可変形畳み込みネットワーク（DCN）で置換することで形状や位置変化への適応性を向上、さらに head に Convolutional Block Attention Module（CBAM）を追加することで空間的およびチャネル的注意を強化し、特徴抽出能力を向上したと考えられる。 評価には WSDY、D-fire、自作データセット（計 5,211 枚）を使用した。実験結果では、mAP50 が YOLOV8の0.744から提案モデルの0.795 に向上し、検出精度の改善が確認された。特に、複雑な背景環境下においても安定した性能を示し、リアルタイム処理への適用可能性が期待される。