简介：烟火识别作为典型工业视觉任务，其技术本质是基于图像的目标检测与异常行为分析。在真实边缘部署中，核心挑战并非模型复杂度，而是低对比度、小目标（<32×32像素）及强干扰（如LED频闪、阳光反射）下的鲁棒性建模。这类问题广泛存在于社区安防、电动车充电棚、楼道杂物区等受限物理空间，对数据采集精度、标注语义层级和轻量化推理提出刚性要求。技术价值体现在将传统烟感响应延迟从分钟级压缩至秒级，并通过多模态（视觉+温湿度+光照）融合提升阴燃等L3级事件判别能力。本文聚焦‘场景绑定型’落地路径，覆盖烟火行为模拟、双框协同标注、脆弱点定向增强及2W功耗边缘设备部署闭环，为中小场景智能监控提供可复用的数据与工程范式。

1. 为什么“小场景”烟火识别比大模型落地更难啃

最近帮一个社区物业做智能监控升级，他们提的需求特别具体：不是要识别整片山林的火情，也不是要监测化工厂高危区域，而是想在小区内部的儿童游乐区、电动车集中充电棚、楼道杂物堆放点这三个固定小区域里，实时发现有人偷偷点香烛、烧纸钱、违规给电瓶车飞线充电——这些行为一旦起火，蔓延极快，但传统烟感报警器响应慢、误报多，而通用目标检测模型又根本找不到这种“非标准烟火形态”。

这就是“小场景烟火识别”的真实战场：它不追求宏大叙事，不拼参数指标，而是死磕“在特定物理空间内，用最低成本设备，识别最常见、最危险、但形态最不规范的烟火行为”。我翻过主流公开数据集，比如FireDetection、UCF-Fire，全是野外山火、实验室明火、高清监控视频里的清晰火焰，而现实中小区楼道里烧纸产生的灰白烟雾、充电棚里电线冒的青蓝电火花、游乐区孩子玩打火机时一闪而过的微弱火苗，连训练样本都难凑齐——不是没数据，是没人愿意花时间去拍、去标、去验证这些“不起眼却致命”的瞬间。

关键词里虽然没填，但实际项目中绕不开三个硬骨头： 小目标（<32×32像素）、低对比度（烟雾与白墙/水泥地融合）、强干扰（阳光直射、LED灯频闪、落叶飘动） 。我试过直接拿YOLOv8s在小区实拍视频上跑，漏检率高达47%，尤其对阴天楼道里烧纸产生的冷烟，模型几乎当背景处理。后来才明白：所谓“小场景”，本质是 物理约束定义了算法边界 ——摄像头分辨率就200万，安装高度固定在3米，光照条件无法改造，误报一次可能引发业主投诉，漏报一次可能就是安全事故。所以这个数据集不是“越多越好”，而是“刚好够用、精准匹配、可复现、能闭环”。

提示：别一上来就想着调参或换模型。先问自己三个问题：你的摄像头装在哪？拍到的画面里，烟火通常出现在什么位置？周围最常见的干扰物是什么？答案决定了你该采集什么、怎么标、用什么评估。

我最终放弃“通用+微调”路线，转而从零构建一套“场景绑定型数据采集-标注-验证”流程。这不是技术炫技，而是被现实逼出来的妥协：当算力、预算、部署环境全被锁死，唯一能动的，就是让数据本身长出场景免疫力。

2. 数据采集：在真实环境中“钓鱼执法”式布点

很多人以为数据采集就是拿手机随便拍几段视频，但小场景烟火识别的数据采集，本质是一场“预演式侦查”。我们没用无人机航拍，也没租高清摄像机，而是用物业现有的海康威视DS-2CD3T47G2-LU（200万像素，红外补光），在三个目标区域各固定安装1台，连续录了7天——不是录烟火，是录“烟火可能出现前的所有正常状态”。

2.1 时间窗口选择：抓住烟火行为的“生理节律”

烧纸集中在清明、中元、冬至前后傍晚17:00–19:00；电动车飞线充电多在晚上20:00后居民回家时段；儿童玩火则集中在暑假下午15:00–16:30。我们按这个节奏，在对应时段开启录制，其他时间关闭——既省存储，又避免海量无效帧稀释数据价值。7天下来，总原始视频仅1.2TB，但有效烟火片段占比达18.7%，远高于随机采集的2.3%。

关键细节：每台摄像机额外接了一个温湿度传感器（SHT30）和光照计（BH1750），同步记录环境参数。后来发现，当相对湿度＞85%且照度＜50lux时，烧纸产生的冷烟在画面中几乎不可见，但此时温度异常上升0.8℃以上——这成了后期多模态融合的重要线索，也反向指导了标注规则： 在低照度高湿环境下，标注框必须包含烟雾源头（如纸灰堆）及周边0.5米热辐射区域，而非仅框烟雾本身 。

2.2 烟火行为模拟：用“可控失控”还原真实风险

我们没让保安真去烧纸，而是设计了三类可控实验：

• 冷烟模拟 ：用无焰香薰炉（温度恒定55℃）+ 湿纸巾（含水量30%）组合，在楼道角落持续释放灰白色烟雾，模拟老人烧纸未燃尽状态；
• 电火花模拟 ：拆解报废电动车充电器，短接输出端，在充电棚金属架上制造间歇性蓝紫色电弧（峰值亮度≈LED灯珠，但频闪频率达120Hz）；
• 微火模拟 ：用打火机点燃单根火柴，保持燃烧2秒后吹灭，捕捉从明火→阴燃→余烬的全过程，重点采集火焰高度＜2cm的帧。

每次实验持续15分钟，全程人工计时、记录环境参数，并用另一台手机从不同角度拍摄作为ground truth参考。实测发现：同一烟火行为，在主摄像头画面中可能因角度问题呈现为“一团模糊亮斑”，但在侧拍手机画面中却是清晰火苗——这直接催生了我们的双视角标注协议。

2.3 干扰源清单：把“假阳性”提前写进采集脚本

我们列出了每个点位的TOP5干扰源，并针对性采集：

区域	干扰源	采集方式
儿童游乐区	阳光反射（滑梯不锈钢面）	在上午10:00–11:00固定时段，用激光笔照射滑梯，记录反射光斑运动轨迹
充电棚	LED灯频闪	关闭所有其他光源，仅开棚顶LED灯，录制其工频闪烁（100Hz）下的画面噪声
楼道杂物堆	落叶飘动+光影晃动	用风扇制造0.5m/s风速，吹动堆放在楼梯口的干树叶，同步记录光影变化频率

这些干扰视频不用于训练，但构成独立的“负样本库”，专门用来测试模型鲁棒性。后来发现，92%的误报都来自这三类干扰，而它们在通用数据集里根本不存在。

注意：采集时务必记录每段视频的“设备指纹”——包括摄像头型号、固件版本、编码参数（H.264 Profile/Level）、镜头畸变参数。我们曾因一台摄像机固件升级导致色彩空间从BT.601变为BT.709，造成同一批模型在新旧设备上AP值相差11.3%，教训深刻。

3. 标注策略：拒绝“画框即正义”，建立烟火语义层级

拿到原始视频后，我们没急着导入LabelImg，而是先做了件事：把所有烟火片段按“可见性”分级。这不是主观判断，而是基于像素级分析——用OpenCV计算火焰区域的HSV色域分布、烟雾区域的Laplacian方差、以及两者边缘的梯度幅值比。最终划分为三级：

• L1级（高置信） ：火焰面积＞50像素，色相H∈[0,15]∪[165,180]，饱和度S＞0.4，且存在明显动态边缘；
• L2级（中置信） ：烟雾区域Laplacian方差＜15（说明低对比度），但局部熵值＞5.2，且与热源点距离＜30像素；
• L3级（低置信） ：仅凭视觉无法确认，需结合温湿度/光照传感器数据交叉验证。

这个分级直接决定了标注粒度：

3.1 L1级：像素级掩膜+动作标签

对L1级片段，我们不用矩形框，而用 多边形掩膜（Polygon Mask） 精确勾勒火焰轮廓，并附加动作标签：

• flame_on ：明火持续燃烧
• flame_flicker ：火苗高频跳动（频次＞8Hz）
• smoke_rising ：烟雾垂直上升（运动矢量y分量＞0.3px/frame）

实测发现，仅标注 flame_on 时，模型对 flame_flicker 的召回率仅31%；加入动作标签后，通过添加动作感知分支，召回率提升至89%。更重要的是， flame_flicker 标签能预警即将熄灭的火源——这是物业最需要的“防复燃”能力。

3.2 L2级：双框协同标注法

L2级烟雾最难标。我们发明了“双框协同标注法”：

• 主框（Primary Box） ：框选烟雾主体，但要求必须包含至少一个可识别热源点（如纸灰、插线板接口）；
• 辅框（Auxiliary Box） ：框选热源点周边0.5米半径区域，标注为 thermal_zone 。

训练时，主框用于定位损失，辅框用于热区注意力引导。在YOLOv8基础上，我们在Neck层插入一个轻量级热区注意力模块（仅增加0.8M参数），让网络自动学习“烟雾常伴热源出现”的先验知识。验证集上，L2级烟雾检测AP从42.1%提升至67.3%。

3.3 L3级：传感器-视觉联合标注协议

L3级不标视觉框，而是建立“事件链标注”：

1. 视频帧时间戳T0
2. 对应时刻温湿度传感器读数（T0±0.5s）
3. 光照计读数（T0±0.5s）
4. 人工判定结果（Yes/No/Unknown）
5. 判定依据（如：“T0+2s温度上升1.2℃，但画面无可见烟雾，判定为阴燃”）

这套协议让数据集具备了“可解释性”——模型输出不仅是“有/无烟火”，还能关联环境证据。上线后，物业人员看到告警时，能直接调取当时的温湿度曲线，快速判断是真实风险还是传感器漂移。

提示：标注员必须经过烟火行为学培训。我们请消防员现场讲解：烧纸时烟雾如何分阶段（白→灰→黑）、电火花为何呈蓝紫色（铜导线电弧特征谱线）、阴燃与明火的温度差异（阴燃300–400℃，明火600℃+）。没这层认知，标注就是瞎画框。

4. 数据增强：不做“无脑加噪”，只强化场景脆弱点

通用数据增强（旋转、裁剪、色彩抖动）对小场景烟火识别效果甚微，甚至有害。我们做了个实验：对L1级火焰图像做标准HSV增强，结果模型在阴天楼道视频上的漏检率反而上升23%——因为增强后的火焰颜色更“标准”，而真实场景中的冷烟根本不符合HSV色域模型。

于是我们转向“脆弱点定向增强”：

4.1 低照度对抗增强（Low-Light Adversarial Augmentation）

针对楼道弱光场景，我们没用Gamma校正，而是构建了一个 光照退化模拟器 ：

• 输入：原始明亮火焰图像
• 步骤：
  1. 添加泊松噪声（模拟CMOS传感器低照度噪声）
  2. 应用非线性Gamma变换（γ=0.4，模拟人眼暗适应）
  3. 叠加高斯模糊（σ=1.2，模拟镜头进灰导致的弥散）
  4. 色彩映射：将RGB转LAB，压缩L通道动态范围至[20,60]，再转回RGB

增强后图像看起来像“糊掉的灰影”，但恰恰匹配了真实楼道监控画面。用此增强训练的模型，在测试集上对L2级冷烟的召回率提升34%。

4.2 运动模糊专项增强（Motion Blur Specialization）

电动车充电火花具有高频闪烁特性，但普通运动模糊会抹平频闪。我们开发了 脉冲式运动模糊 ：

• 定义脉冲序列： [1,0,1,0,1] （模拟120Hz电弧）
• 对每一帧应用不同方向的线性模糊（0°, 45°, 90°, 135°），按脉冲序列循环叠加
• 最终合成帧保留闪烁节奏感，而非均匀拖影

这种增强让模型学会了识别“非连续亮斑”，而非单纯找“亮区域”。在充电棚测试中，电火花误报率从38%降至7%。

4.3 干扰源注入增强（Interference Injection）

把之前采集的干扰视频，以可控方式注入正样本：

• 反射光斑注入 ：在火焰图像上叠加滑梯反射光斑（位置/大小/亮度按实测参数随机）
• LED频闪注入 ：对整帧添加100Hz正弦亮度调制（幅度5%）
• 落叶干扰注入 ：用GAN生成落叶飘动mask，叠加在烟雾区域边缘

关键是控制注入强度：反射光斑亮度不超过火焰峰值亮度的60%，LED频闪幅度不超10%。过强会淹没烟火特征，过弱则无训练价值。我们用消融实验证明，当干扰强度为实测均值的1.2倍时，模型鲁棒性最佳。

经验：增强不是越多越好。我们最终只保留3种增强组合（低照度+脉冲模糊、低照度+反射注入、脉冲模糊+LED注入），每种组合在训练集上占比≤15%。过度增强会导致模型“忘记”真实烟火形态，变成专精于识别增强伪影的怪物。

5. 模型轻量化与部署验证：在2W功耗边缘设备上跑通闭环

数据集建好了，但最终要跑在物业的NVR（海康DS-7608NI-K2，CPU为Intel Celeron J1900，2W TDP，无GPU）上。这意味着模型必须满足： 推理延迟＜200ms/帧，内存占用＜300MB，准确率不跌破实用阈值（AP@0.5≥65%） 。

5.1 结构瘦身：从YOLOv8s到YOLO-Nano的手术式改造

YOLOv8s在测试集上AP达72.4%，但推理耗时480ms，内存占用1.2GB。我们没选剪枝或量化，而是做“结构外科手术”：

• Backbone替换 ：弃用CSPDarknet53，改用MobileNetV3-Small（参数量↓76%，FLOPs↓82%）
• Neck精简 ：移除PANet的上采样路径，仅保留自顶向下路径，用深度可分离卷积替代普通卷积
• Head重构 ：将3尺度检测头压缩为2尺度（仅保留P3/P4），因小场景烟火目标尺寸集中于32–128px
• Loss函数定制 ：用Focal Loss替代CIoU Loss，重点惩罚L2/L3级难样本

改造后模型YOLO-Nano参数量仅1.8M，FLOPs 0.9G，推理耗时186ms（CPU），内存占用287MB，AP@0.5降至68.1%——完全满足部署要求。

5.2 推理优化：用“帧间缓存”对抗边缘算力瓶颈

NVR CPU单核性能弱，但支持多线程。我们设计了 帧间特征缓存机制 ：

• 对连续5帧提取Backbone特征，缓存至共享内存
• 每帧仅重算Head部分（占总耗时35%），复用前4帧的Backbone特征
• 当检测到烟火时，触发“高精度模式”：启用完整推理（Backbone+Head），并启动传感器数据融合

实测表明，该机制使平均推理耗时降至142ms/帧，且烟火响应延迟（从出现到告警）稳定在320ms内——比传统烟感快12秒以上。

5.3 闭环验证：用“误报-漏报-响应”三维评估替代单一AP

在物业现场部署后，我们没看mAP，而是跟踪三个真实指标：

• 误报率（False Alarm Rate） ：每周人工核查告警，统计非烟火告警占比
• 漏报率（Miss Rate） ：用隐蔽摄像头记录真实烟火事件，对比系统是否捕获
• 响应时效（Response Latency） ：从告警触发到物业人员抵达现场的时间

运行首月数据：

指标	目标值	实测值	分析
误报率	≤5%	4.2%	主要来自LED频闪（已加入新干扰增强）
漏报率	≤8%	6.7%	全部为L3级阴燃，需升级传感器融合逻辑
响应时效	≤90s	73s	物业APP推送+语音提醒双通道生效

最关键的是，物业反馈：“现在告警基本靠谱，我们敢关掉老式烟感了。”——这才是小场景数据集的终极价值：不追求学术SOTA，而追求业务闭环。

踩坑实录：最初用TensorRT量化YOLO-Nano，虽提速至110ms，但L2级烟雾AP暴跌至51%。后来发现，INT8量化严重损伤了低对比度区域的梯度信息。最终改用FP16+TensorRT，速度仍达135ms，且精度无损——边缘部署不是越“轻”越好，而是要在精度-速度-功耗三角中找到业务支点。

6. 数据集交付物设计：不止是图片和标签，更是场景说明书

这个“小场景烟火识别数据集”最终交付的，不是一个ZIP包，而是一套可执行的 场景迁移工具包 。我们刻意避免提供“通用格式”，而是按物业NVR的实际需求打包：

6.1 核心交付物清单

• scene_config.yaml ：定义三个点位的物理参数（安装高度、倾角、FOV）、环境约束（典型照度范围、湿度区间）、设备指纹（摄像头型号/固件/编码参数）
• train_val_split.txt ：按时间切分（非随机），确保训练集不包含测试时段的天气/光照组合，防止数据泄露
• negative_bank/ ：干扰源视频片段（带时间戳和干扰类型标签），供后续模型鲁棒性测试
• sensor_fusion_template.py ：温湿度/光照数据接入模板，含异常值过滤、时间对齐、多源融合逻辑
• deployment_checklist.md ：NVR部署检查清单（如“确认固件版本≥V5.6.0”“禁用H.264 High Profile”）

6.2 标签格式：兼容YOLO但扩展语义

我们采用YOLO格式（ .txt ），但每行增加语义字段：

# class x_center y_center width height [action] [thermal_zone] [sensor_confidence]
0 0.421 0.633 0.124 0.087 flame_flicker 0.32 0.87
1 0.715 0.289 0.186 0.142 smoke_rising 0.45 0.63

其中 thermal_zone 为辅框归一化坐标（x,y,w,h）， sensor_confidence 为传感器数据置信度（0–1）。这样，模型训练时可选择性使用扩展字段，不影响通用YOLO加载。

6.3 场景说明书：教用户“怎么用”，而非“是什么”

最后附一份《小场景烟火识别实施指南》，全文不提算法原理，只讲操作：

• “如何判断你的楼道是否适合部署：用手机测照度，若白天常＜30lux，则需启用低照度增强模型”
• “充电棚告警频繁？先检查LED灯是否在工频闪烁（用手机慢门拍摄，若出现明暗条纹则需启用LED注入增强）”
• “阴燃漏报多？确认温湿度传感器是否安装在热源正上方10cm处，偏离＞5cm将导致置信度下降”

这份指南被物业打印出来贴在监控室墙上——数据集的价值，最终体现在一线人员能否看懂、敢操作、能维护。

最后分享一个小技巧：数据集发布后，我们留了一手——在 README.md 里埋了个“场景健康度自检脚本”。用户运行后，脚本会分析其摄像头视频流，输出三项诊断：

• 照度稳定性（标准差＞15则提示“需加强低照度增强”）
• 运动噪声水平（Laplacian方差＞200则提示“LED频闪干扰显著”）
• 热源点密度（每帧平均热源点＜0.3个则提示“L3级样本不足，建议补充阴燃实验”）
  这个脚本让数据集从“静态资源”变成了“动态适配器”，真正实现了小场景的自我进化。

本文还有配套的精品资源，点击获取