Pour résoudre les problèmes de faux négatifs et de fausses détections présents dans les algorithmes actuels de détection de fumée, nous proposons un nouvel algorithme léger basé sur le réseau contextuel global efficace (EGC-Net). Cet algorithme repose sur le réseau léger de détection d'objets YOLOX, dans lequel la version améliorée d'EGC-Net est intégrée entre le réseau principal d'extraction de caractéristiques de YOLOX et le réseau pyramidal de caractéristiques. EGC-Net est composé de trois étapes : modélisation du contexte, transformation des caractéristiques et fusion des caractéristiques. Il permet d'obtenir une information contextuelle globale de l’image, de modéliser les dépendances à longue portée entre la cible de fumée et son arrière-plan, et d’appliquer un mécanisme d’attention canal pour apprendre des caractéristiques visuelles plus discriminantes pour la détection de la fumée. Les résultats expérimentaux montrent que l’algorithme EGC-YOLOX proposé atteint un rappel au niveau de l’image de 95,56% et un taux de fausses alertes de 4,75%, surpassant d’autres algorithmes légers typiques, tout en atteignant une vitesse conforme aux exigences de la détection en temps réel. Cet algorithme peut être appliqué dans les domaines de la sécurité et de la lutte contre l’incendie pour la surveillance et la gestion de l’alerte incendie en temps réel.

détection de fumée;EGC-Net;YOLOX;contexte global;mécanisme d’attention