ASCA稀疏检测模型

小目标少漏检

专门针对森林火灾场景，用自适应稀疏和上下文感知设计解决小火焰和细烟漏检、复杂背景误报等问题。

Yu, Hao · 王康宁 · Kareem M.J.

Sensors 2026

参数信息

参数数量减少率

19.2 %

FLOPs 减少率

21.3 %

召回率

0.809

精确率

0.870

mAP50-95 提升率

12.9 %

技术优势

小目标少漏检

FWAMSConv 模块增强多尺度指标表征，使小火焰和细烟等稀疏目标更容易被检测到。

复杂背景少误报

FWSCSAttention 机制通过建模上下文特征分布，减少复杂森林背景造成的干扰。

轻量化

相比 YOLO26，参数数量减少 19.2%，FLOPs 减少 21.3%，更适合无人机等资源受限平台。

应用场景

• 森林火灾监测：用无人机实时发现小火点和烟，早预警早处置，减少损失。
• 无人机视觉检测：轻量模型降低机载算力要求，延长续航并提高巡检效率。
• 边缘端目标检测：低参数低计算量便于部署到边缘设备，实现本地实时推理。