人工智能计算机视觉预训练模型系列第 10 期：抽烟检测模型实测记录

抽烟检测属于典型的目标检测任务。模型不仅要判断画面中是否存在抽烟行为，还要尽可能准确地框出相关目标位置。对于禁烟区域预警、生产安全巡检、办公室合规管理等场景来说，检测框的稳定性和误报控制都非常关键。 本期训练与测试使用 RTX 3080 显卡，数据集共包含约 1.8 万张图片、约 2.6 万个目标。其中训练集包含约 1.6 万张图片、约 2.2 万个目标；验证集包含约 0.1 万张图片、约 0.2 万个目标；测试集包含约 0.1 万张图片、约 0.2 万个目标。 | 项目 | 内容 | | --- | --- | | 系列期数 | 第 10 期 | | 本期主题 | 抽烟检测 | | 任务类型 | 目标检测 | | 显卡型号 | RTX 3080 | | 数据集规模 | 1.8 万张图片，约 2.6 万个目标 | | 训练集规模 | 1.6 万张图片，约 2.2 万个目标 | | 验证集规模 | 0.1 万张图片，约 0.2 万个目标 | | 测试集规模 | 0.1 万张图片，约 0.2 万个目标 | 下面是本次抽烟检测任务的训练输入数据样例。可以看到，抽烟相关目标在画面中可能很小，也可能与手部、脸部、背景物体产生重叠，这对目标检测模型的定位能力提出了要求。  验证预测样例可以帮助我们观察模型在多样化场景下的框选效果。对于抽烟检测这种细粒度安全识别任务，除了 mAP 指标，也需要关注是否出现明显漏检、误检和框选偏移。 

YOLOv5s 是本期记录的第一种抽烟检测模型。该模型包含 157 层网络，约 7M 参数，计算量为 15.8 GFLOPs，模型文件大小约 14 MB。它的特点是结构轻量、推理速度快，适合对实时性和部署成本较敏感的视觉检测场景。 训练配置方面，YOLOv5s 的 batch size 为 64，训练 1175 个 epoch，总训练时间约 125 小时。评估结果中，Precision 为 0.87，Recall 为 0.81，mAP50 为 0.85，说明模型在本次抽烟检测数据集上具备较好的识别与定位能力。 | 项目 | YOLOv5s | | --- | --- | | 网络层数 | 157 层 | | 参数量 | 7M | | 计算量 | 15.8 GFLOPs | | 模型文件 | 14 MB | | batch size | 64 | | epoch | 1175 | | 训练时间 | 125 小时 | | Precision | 0.87 | | Recall | 0.81 | | mAP50 | 0.85 | 下面是 YOLOv5s 训练过程中的损失与指标变化趋势。通过曲线可以观察模型是否稳定收敛，以及后期指标是否趋于平稳。  推理性能方面，YOLOv5s 的推理显存占用为 368 MB。GPU 单张图片推理 4.1 毫秒，后处理 0.8 毫秒；CPU 单张图片推理 68.3 毫秒，后处理 3.8 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 4.1 ms | 0.8 ms | 9.1 ms | | CPU | 68.3 ms | 3.8 ms | 72.1 ms | 下面是一张本次测试使用的原始图片。抽烟检测在真实场景中常常面对小目标、人体姿态变化和背景干扰，因此原图与结果图结合观察更直观。  YOLOv5s 的测试结果如下。可以结合原图查看抽烟相关目标是否被准确框出，以及检测框是否覆盖到关键区域。 

YOLO26s 是本期记录的第二种抽烟检测模型。该模型包含 260 层网络，约 10M 参数，计算量为 22.5 GFLOPs，模型文件大小约 20 MB。它同样面向目标检测任务，可作为抽烟行为识别、禁烟区域预警和视频流分析中的候选模型。 训练配置方面，YOLO26s 的 batch size 为 48，训练 1049 个 epoch，总训练时间约 146 小时。评估结果中，Precision 为 0.84，Recall 为 0.83，mAP50 为 0.88，整体表现适合继续结合具体业务场景进行验证。 | 项目 | YOLO26s | | --- | --- | | 网络层数 | 260 层 | | 参数量 | 10M | | 计算量 | 22.5 GFLOPs | | 模型文件 | 20 MB | | batch size | 48 | | epoch | 1049 | | 训练时间 | 146 小时 | | Precision | 0.84 | | Recall | 0.83 | | mAP50 | 0.88 | 下面是 YOLO26s 训练过程中的损失与指标变化趋势。训练曲线能够帮助后续复盘模型收敛状态、训练轮次设置和数据质量。  推理性能方面，YOLO26s 的推理显存占用为 366 MB。GPU 单张图片推理 5.5 毫秒，后处理 1.2 毫秒；CPU 单张图片推理 83.2 毫秒，后处理 5.7 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 5.5 ms | 1.2 ms | 6.7 ms | | CPU | 83.2 ms | 5.7 ms | 88.9 ms | YOLO26s 的测试结果如下。对于最终部署来说，单张测试图只是验证起点，还需要继续放到连续视频流、不同角度、不同距离和不同光照环境中观察稳定性。 

抽烟检测看似只是识别一个动作，但工程落地时会受到目标尺寸、摄像头角度、烟体遮挡、画面清晰度、人员密度和实时告警策略的共同影响。模型指标可以说明基础能力，推理速度决定部署空间，而现场视频中的长期稳定性才是最终验收的关键。 从本期记录可以看到，轻量级抽烟检测模型已经能够在较低显存占用和毫秒级 GPU 推理时间下完成目标检测任务。对于工厂车间、仓储区域、办公室、学校、园区和公共禁烟空间，这类模型可以作为智能巡检和自动预警系统的基础能力，再结合现场数据持续迭代。 如果你正在做抽烟检测、行为识别或智慧安防项目，你最关心的是降低误报、减少漏检、提升夜间效果，还是部署到边缘设备上的实时速度？欢迎把你的应用场景和最想解决的问题留下来，下一期我们继续拆解更贴近现场的 AI 视觉模型。