مقارنة بين أداء نموذجي YOLOv5 وYOLOv8 في تطبيقات الكشف المبكر عن الحرائق والدخان
##plugins.themes.academic_pro.article.sidebar##
##plugins.themes.academic_pro.article.main##
الملخص
في هذه الورقة، أجرينا دراسة مقارنة لأداء نموذجي YOLOv5 وYOLOv8 للكشف عن الحرائق والدخان في سيناريوهات متنوعة. باستخدام مجموعة بيانات مكونة من 9756 صورة تلتقط حوادث حرائق مختلفة في ظل ظروف بيئية مختلفة، قمنا بتدريب كلا النموذجين تحت نفس المعلمات الفائقة (معدل التعلم = 0.001، وحجم الدفعة = 16، و40 حقبة). تفوق YOLOv8 باستمرار على YOLOv5 من حيث الدقة والضبط والتذكر عبر مقاييس التقييم المختلفة، مما يؤكد التحسينات المعمارية المقدمة في YOLOv8. والجدير بالذكر أن YOLOv8 أظهر أداءً متفوقًا في اكتشاف الحرائق في السيناريوهات المعقدة، مثل الحرائق الصغيرة وظروف الإضاءة الصعبة، حيث واجه YOLOv5 صعوبة. ومع ذلك، واجه كلا النموذجين صعوبات في اكتشاف الدخان الشفاف، وخاصة أثناء النهار. تشير النتائج إلى أنه في حين أن YOLOv8 يحمل وعدًا بمزيد من التحسينات في اكتشاف الحرائق، فإن توسيع مجموعة البيانات واستكشاف تكوينات أكثر تقدمًا قد يؤدي إلى أداء أفضل في التطبيقات الواقعية. يسلط هذا البحث الضوء على أهمية اختيار النموذج بناءً على التطبيق المحدد وإمكانات أحدث إصدارات YOLO في تحسين اكتشاف الحرائق المبكر.