改进YOLOv5s的黑烟车辆检测算法研究

针对当前视觉黑烟车辆检测精度低、小目标难以检测的问题,提出改进YOLOv5s的黑烟车辆检测算法。首先,基于公开网络数据和真实道路拍摄图像构建黑烟车辆数据集,解决数据集受限问题。其次,改进网络模型,添加预测层,提高模型对小目标的检测性能,引入坐标注意力（Coordinate Attention,CA）,增强模型的特征提取能力,进一步提高检测精度。最后,改进边界框回归损失函数为GIoU,提高边界框定位精度。实验结果表明,该改进模型能够有效地检测远距离小目标,改善漏报和虚警等问题。与原始YOLOv5s模型相比,该改进模型平均检测精度（mAP）提高3.1%,黑烟类别检测精度（AP）提高4.9%,在小目标场景中表现出较强的泛化能力。