公路隧道初期火灾具有烟雾浓、燃烧面积小、火焰低的特征，给检测带来难度，易因火情识别不及时导致处置延误，增加灭火难度^[1-2]. 因此，提升初期火灾的智能化检测能力，不仅有助于预防火灾事故的发生，更是优化火情处置的核心环节，能最大程度地保障人员生命和财产安全.

近年来，基于红外和可见光的检测方法已经成为研究的热点. 通过挖掘2种模态间的特性和互补性，提升检测精度为火情处置提供更全面的信息支撑. Chen等^[3]基于多模态数据集与深度学习，构建分类器与火灾定位模块级联的双流处理框架，利用可见光和红外图像的互补性实现快速火灾分类，提升小目标火焰检测鲁棒性，可有效避免小火苗漏检导致的处置落后. 图像分割与配准技术的研究对融合检测的性能至关重要. Qiao等^[4]基于注意力机制的U-Net分割烟雾和疑似火焰，同时采用几何模型完成可见光与红外图像配准，降低误检率和漏检率以避免处置资源错配. Wang等^[5]提出跨特征金字塔的全局混合注意力模型，以增强高维特征图中丢失的信息，并通过多尺度融合策略提高模型的鲁棒性. 郭润泽等^[6]提出耦合光照条件和对比度的多尺度差分注意力融合检测算法，对模态内和模态间进行深度交叉特征融合，提高弱光条件下对目标的检测识别精度. 司海平等^[7]提出补偿编码器来补充基础编码器和细节编码器提取的图像高低频信息，并采取多尺度分解提取图像特征，突出红外图像的显著目标且保留可见光的纹理细节. 李牧等^[8]基于生成对抗网络设计并提出双分支注意力结构，最大限度获取更多高频细节特征和提取更多鲁棒的特征信息，解决传统火灾预警受限于复杂环境的问题. 为了解决隧道火灾烟火误检率高及检测实时性较低的问题，邓实强等^[9]针对YOLOv5s模型在隧道环境下的应用，引入Transformer Encoder模块增强网络全局特征提取的能力，并添加轻量级高效通道注意力模块ECA降低火灾初期烟雾漏检问题. 马庆禄等^[10]通过在YOLOv5s中引入注意力模块提高对轮廓特征不明显的隧道烟雾及初起火灾的检测能力. 常丽等^[11]提出的YOLOv5s-SRGAN融合算法引入了CBAM注意力机制和梯度均衡机制，分别通过特征提取网络和损失函数提升模型的性能. 彭锐晖等^[12]基于YOLOv5s构建双流卷积通道以提取可见光与红外图像特征并引入交叉融合模块，解决了目标检测精度低、漏检率高的问题. Li等^[13]采用自适应平均池化方法降低提取特征的维度，通过支持向量机分类器实现火灾分类检测. 考虑到隧道火灾场景的复杂性、对实时性和鲁棒性的高要求，及多传感器集成的应用趋势，决策级融合展现出独特的优势. 程腾等^[14]基于D-S证据理论进行多模态决策级融合，解决了多模态间融合的分类冲突. 姜小刚等^[15]针对单模型预测的局限性，将多个模型的预测结果采用投票法和加权法进行决策级融合，提高预测结果的准确性和可靠性. Jana等^[16]将多传感器的检测数据融合，并集成4个独立的分类器，每个分类器对火灾进行检测，使用投票法整合检测结果，得出最终火灾检测结果.

综上所述，现有研究虽在多模态检测方面取得进展，但无法同时兼顾检测的精度和实时性，难以满足火情处置要求；且在隧道复杂场景下鲁棒性有限，易导致处置延误或资源错配. 通过利用可见光的色彩和纹理信息叠加红外图像的检测能力，提出融合可见光与红外图像优势的烟火异质视觉融合检测方法. 一方面，用差分进化灰狼优化算法优化OTSU分割阈值，并融合最大熵分割算法，实现优势互补以提升火灾分割精度；另一方面，以YOLO11为基准，引入基于神经注意力机制改造的Swin-Transformer优化主干网络，在特征融合阶段采用轻量化的BiFPN，并优化损失函数关注低质量锚框回归，提升火灾特征提取能力与检测鲁棒性. 决策层通过加权边界框融合、冲突消解整合双模态结果，减少单模态误检漏检，实现协同决策以提升检测效果，为后续火情处置提供技术支持.

首先，红外检测的常用分割方法包括阈值分割、边缘检测、区域生长与聚类分析等，其中最大类间方差法因效果稳定被广泛应用. 假设图像有L个灰度级，用$ {f}_{i} $表示灰度级i所包含的像素点个数，N表示图像像素点总数. 用$ {P}_{i} $表示灰度级为i像素点发生的频率，$ {P}_{i}={f}_{i}/N $，则$ {P}_{1}+{P}_{2}+\cdots +{P}_{L}=1 $. OTSU算法的目标是将图像像素根据灰度值分为2类：$ {C}_{0} $为前景类（低灰度区域），对应火焰或烟雾区域；$ {C}_{1} $为背景类（高灰度区域），对应无火情的背景区域. 选择一个阈值t把图像全部的像素点分成2部分，$ {C}_{0} $以及$ {C}_{1} $，则$ {C}_{0}=\left\{1,2,\cdots ,t\right\} $，$ {C}_{1}=\left\{t+1,t+2,\cdots ,L\right\} $. 那么这2类的概率分布表达式如下：

(1)$ \left.\begin{array}{l}{\omega }_{0}=\displaystyle\sum\limits_{i=1}^{t}{P}_{i}=\omega (t),\\{\omega }_{1}=\displaystyle\sum\limits_{i=t+1}^{L}{P}_{i}=1-\omega (t).\end{array}\right\} $

式中：$ {\omega }_{0} $为$ {C}_{0} $类的概率，$ \omega (t) $为累积概率，$ {\omega }_{1} $为$ {C}_{1} $类的概率. $ {C}_{0} $类的灰度均值$ {u}_{0} $、$ {C}_{1} $类的灰度均值$ {u}_{1} $，表达式分别如下：

(2)$ \left.\begin{array}{l}{u}_{0}=\displaystyle\sum\limits_{i=1}^{t}\frac{i{P}_{i}}{{\omega }_{0}},\\{u}_{1}=\displaystyle\sum\limits_{i=t+1}^{L}\frac{i{P}_{i}}{{\omega }_{1}}=\frac{{u}_{{\mathrm{r}}}-u(t)}{1-\omega (t)}.\end{array}\right\} $

式中：$u_{\mathrm{r}} $表示全局灰度均值. 则，$ u(t)=\displaystyle\sum\limits_{i=1}^{t}i{P}_{i} $，$ \omega (t)= \displaystyle\sum\limits_{i=1}^{t}{P}_{i} $. 对任意t满足$ {\omega }_{0}+ {\omega }_{1}=1 $，$ {\omega }_{0}{u}_{0}+{\omega }_{1}{u}_{1}= {u}_{\text{r}} $. 为了进一步评估不同阈值所带来的类间差异，引入类内方差的计算，则$ {C}_{0} $类和$ {C}_{1} $类的方差表达式如下：

(3)$ \left.\begin{array}{l}\sigma _{0}^{2}=\displaystyle\sum\limits_{i=1}^{t}{\left(i-{u}_{0}\right)}^{2}{P}_{{{r}}}\left(\frac{i}{{C}_{0}}\right)=\displaystyle\sum\limits_{i=1}^{t}{\left(i-{u}_{0}\right)}^{2}\frac{{P}_{i}}{{\omega }_{0}},\\\sigma _{1}^{2}=\displaystyle\sum\limits_{i=t+1}^{L}{(i-{{u}_{1}})}^{2}{P}_{{r}}\left(\frac{i}{{C}_{1}}\right)=\displaystyle\sum\limits_{i=t+1}^{L}{(i-{{u}_{1}})}^{2}\frac{{P}_{i}}{{\omega }_{1}}.\end{array}\right\} $

式中：$P_{{r}} $表示图像中某一个灰度级r出现的概率.

进一步引入评价判别函数来判断阈值选择的优劣. 评判函数如下：

(4)$ \left.\begin{array}{l}\lambda =\dfrac{\sigma _{\text{B}}^{2}}{\sigma _{\text{w}}^{2}}=\dfrac{{\omega }_{0}{({{u}_{0}}-{{u}_{\text{r}}})}^{2}+{\omega }_{1}{({{u}_{1}}-{{u}_{\text{r}}})}^{2}}{{\omega }_{0}\sigma _{0}^{2}+{\omega }_{1}\sigma _{1}^{2}},\\k=\dfrac{\sigma _{\text{r}}^{2}}{\sigma _{\text{w}}^{2}}=\dfrac{\displaystyle\sum\limits_{i=1}^{l}{(i-{{u}_{\text{r}}})}^{2}{P}_{i}}{{\omega }_{0}\sigma _{0}^{2}+{\omega }_{1}\sigma _{1}^{2}},\\\eta =\dfrac{\sigma _{\text{B}}^{2}}{\sigma _{\text{r}}^{2}}=\dfrac{{\omega }_{0}{({{u}_{0}}-{{u}_{\text{r}}})}^{2}+{\omega }_{1}{({{u}_{1}}-{{u}_{\text{r}}})}^{2}}{\displaystyle\sum\limits_{i=1}^{l}{(i-{{u}_{\text{r}}})}^{2}{P}_{i}}.\end{array}\right\} $

式中：$ \sigma _{\text{B}}^{2} $、$ \sigma _{\text{w}}^{2} $、$ \sigma _{\text{r}}^{2} $分别为类间方差、类内方差、总体方差，$ \sigma _{\text{r}}^{2}=\sigma _{\text{B}}^{2}+\sigma _{\text{w}}^{2} $. 3个函数求取最大即对最优阈值t的选取. 3个评判函数满足$ k=\lambda +1 $，$ \eta =\dfrac{\lambda }{\lambda +1} $，$ k=\dfrac{1}{1-\eta } $. 引入灰狼优化算法（grey wolf optimizer, GWO）对OTSU算法的阈值选择过程优化. 为了增强全局寻优能力，在每次迭代中引入差分进化算法（DE）的变异和交叉操作，表达式如下：

(5)$ \left.\begin{array}{l}{\boldsymbol{X}}_{\alpha *}({i}_{\text{d}})={\boldsymbol{X}}_{\alpha }({i}_{\text{d}})+F*({\boldsymbol{X}}_{\beta }({i}_{\text{d}})-{\boldsymbol{X}}_{\delta }({i}_{\text{d}})),\\{\boldsymbol{X}}_{\beta *}({i}_{\text{d}})={\boldsymbol{X}}_{\beta }({i}_{\text{d}})+F*({\boldsymbol{X}}_{\delta }({i}_{\text{d}})-{\boldsymbol{X}}_{\alpha }({i}_{\text{d}})),\\{\boldsymbol{X}}_{\delta *}({i}_{\text{d}})={\boldsymbol{X}}_{\delta }({i}_{\text{d}})+F*({\boldsymbol{X}}_{\alpha }({i}_{\text{d}})-{\boldsymbol{X}}_{\beta }({i}_{\text{d}})).\end{array}\right\} $

式中：$ {\boldsymbol{X}}_{\alpha *}({i}_{\text{d}}) $、$ {\boldsymbol{X}}_{\beta *}({i}_{\text{d}}) $、$ {\boldsymbol{X}}_{\delta *}({i}_{\text{d}}) $分别为经过变异操作后$ \alpha $狼、$ \beta $狼、$ \delta $狼的新位置向量，i_d表示当前的迭代次数；F为差分进化算法的变异因子，用于控制变异操作的步长，取值范围为[0.4，0.9]^[17]. 为了加快收敛速度，引入个体竞优机制，具有更优适应度值的个体将被保留下来，表达式如下：

(6)$ \left.\begin{array}{l}{\boldsymbol{X}}_{\alpha }({i}_{\text{d}})={\boldsymbol{X}}_{\alpha *}({i}_{\text{d}}),\;f({\boldsymbol{X}}_{\alpha *}({i}_{\text{d}}))\leqslant f({\boldsymbol{X}}_{\alpha }({i}_{\text{d}}));\\{\boldsymbol{X}}_{\beta }({i}_{\text{d}})={\boldsymbol{X}}_{\beta *}({i}_{\text{d}}),\;f({\boldsymbol{X}}_{\beta *}({i}_{\text{d}}))\leqslant f({\boldsymbol{X}}_{\beta }({i}_{\text{d}}));\\{\boldsymbol{X}}_{\delta }({i}_{\text{d}})={\boldsymbol{X}}_{\delta *}({i}_{\text{d}}),\;f({\boldsymbol{X}}_{\delta *}({i}_{\text{d}}))\leqslant f({\boldsymbol{X}}_{\delta }({i}_{\text{d}})).\end{array}\right\} $

式中：$ f(\cdot ) $为适应度函数，用于衡量个体的优劣程度. 通过个体竞优机制筛选出较优个体后，差分灰狼算法参考灰狼算法里的进化算子，以此对种群位置予以更新，具体更新方式如下：

(7)$ \left.\begin{array}{l}{{\boldsymbol{D}}}_{i}=\left| {{\boldsymbol{C}}}_{i}\cdot {\boldsymbol{X}}_{{\mathrm{p}}}({i}_{\rm{d}})-{\boldsymbol{X}}_{i}({i}_{\text{d}})\right| ,\\{\boldsymbol{X}}_{i}({i}_{\text{d}}+1)={\boldsymbol{X}}_{{\mathrm{p}}}({i}_{\text{d}})-{A}_{i}\cdot {{\boldsymbol{D}}}_{i},\\{{A}}_{i}=2\boldsymbol{a}\cdot {\boldsymbol{r}}_{1}+2{i}_{\mathrm{d}}/({\mathrm{Max}}\;{i}_{{\mathrm{d}}})-2,\\{\boldsymbol{C}}_{i}=2 {\boldsymbol{r}}_{2}.\end{array}\right\} $

式中：${\boldsymbol{X}}_p\left(i_{\mathrm{d}}\right) $表示第$ i_{\mathrm{d}} $次迭代时，当前种群的最优目标位置$ {\boldsymbol{r}}_{1} $与$ {\boldsymbol{r}}_{2} $为各分量取值在[0,1.0]的随机向量；控制向量a为算法的收敛因子，随着迭代线性递减以动态平衡全局探索与局部开发能力. 融合最大熵与改进的OTSU，最大熵通过最大化前景与背景的总信息熵确定阈值以实现对火焰区域的精确识别. 设图像的灰度概率分布为P(i)，然后计算每个可能的分割点n下，背景的熵H_A(n)和前景的熵H_B(n)表达式分别如下：

(8)$ \left.\begin{array}{l}{H}_{\text{A}}(n)=-\displaystyle\sum\limits_{i=0}^{n}P(i)\log \;P(i),\\{H}_{\text{B}}(n)=-\displaystyle\sum\limits_{i=t+1}^{255}P(i)\log \;P(i).\end{array}\right\} $

当寻找最大熵对应的分割阈值时，就是要找到一个分割点t，使得总熵H(t)达到最大值. 则最大熵的分割阈值TH如下：

(9)$ \text{TH}=\arg \underset{t}{\max }\left({H}_{\text{A}}(t)\displaystyle\sum\limits_{i=0}^{t}P(i)+{H}_{\text{B}}(t)\left(1-\displaystyle\sum\limits_{i=0}^{t}P(i)\right)\right). $

另外，由于红外图像难以捕捉火焰的细节纹理信息，结合隧道火灾中烟雾纹理细微、光照干扰强的特点，在主干网络中引入基于神经注意力机制改造的Swin-Transformer以适配YOLO11，通过局部窗口与滑动窗口机制提升低对比度火焰和稀疏烟雾的特征提取能力. 经过连续Swin Transformer Blocks处理后的特征表示如下：

(10)$ \left.\begin{array}{l}{\hat{\boldsymbol{z}}}^{l}=\text{W-MSA}(\text{LN}({\boldsymbol{z}}^{l-1}))+{\boldsymbol{z}}^{l-1},\\{\boldsymbol{z}}^{l}=\text{MLP}(\text{LN}({\hat{\boldsymbol{z}}}^{l}))+{\hat{\boldsymbol{z}}}^{l},\\{\hat{\boldsymbol{z}}}^{l+1}=\text{SW-MSA}(\text{LN}({\boldsymbol{z}}^{l}))+{\boldsymbol{z}}^{l},\\{\boldsymbol{z}}^{l+1}=\text{MLP}(\text{LN}({\hat{\boldsymbol{z}}}^{l+1}))+{\hat{\boldsymbol{z}}}^{l+1}.\end{array}\right\} $

式中：$ \boldsymbol{z}^l $表示第$l $ 个Swin Transformer块输出的特征向量；W-MSA表示为标准窗口自注意力机制；SW-MSA表示滑动窗口自注意力机制；LN表示层归一化；MLP为多层感知机. 为了衡量神经元的显著性，引入能量函数，表达式如下：

(11)$ \left.\begin{array}{l}{e}_{t}({w}_{t},{b}_{t},y_t,{x}_{i})=({{y}_{t}}-\hat{t})^{2}+\dfrac{1}{M-1}\displaystyle\sum\limits_{i=1}^{M-1}{({{y}_{i}}-{{\hat{x}}_{i}})}^{2},\\\hat{t}={w}_{t}t+{b}_{t}.\end{array}\right\} $

式中：$ {e}_{t}(\cdot ) $为神经元能量函数，用于量化神经元与邻域神经元的激活差异，差异越大，能量值越高，对应神经元的显著性越强；$ {w}_{t} $、$ {b}_{t} $分别为目标神经元的权重参数与偏置参数；$ {y}_{t} $为目标神经元的原始激活值；$ \hat{t} $为神经元经过线性变换后的激活值；$ {x}_{i} $和$ {\hat{x}}_{i} $分别为邻域神经元的原始与变换后激活值；$ M $表示通道内神经元数量；$y_i $表示第i个邻域神经元的原始激活值. 通过$ {e}_{t}(\cdot ) $量化显著性后，模型可优先将计算资源分配给能量值高的神经元，从而提升隧道火灾弱特征提取能力. 根据能量函数计算出的差异性计算目标神经元的重要性权重，表达式如下：

(12)$ \left.\begin{array}{l}{w}_{t}=\dfrac{2(t-{u}_{t})}{{(t-{{u}_{t}})}^{2}+2\sigma _{t}^{2}+2\lambda },\\{u}_{t}=\dfrac{1}{M-1}\displaystyle\sum\limits_{i=1}^{M-1}{x}_{i}.\end{array}\right\} $

式中：$ {u}_{t} $为邻域神经元的均值，$ \sigma _{t}^{2} $为邻域神经元的方差. NST模块通过引入神经注意力机制，可在隧道内光线干扰、烟雾遮挡的复杂环境下，精准捕捉火焰边缘纹理、烟雾扩散形态及其他弱特征，从而提取更具判别力的火焰和烟雾特征，有效提升模型对火灾目标的识别鲁棒性. 改进的NST模块如图1所示.

隧道火灾目标存在小尺度烟雾、大尺度火焰并存的问题. 在特征融合阶段引入轻量化BiFPN，通过加权双向特征融合减少冗余连接，更适配隧道场景的多尺度火源特征. BiFPN机制表达式如下：

(13)$ O=\displaystyle\sum\limits_{i}\frac{{w}_{i}}{\epsilon \displaystyle\sum\limits_{j}{w}_{j}}\times {I}_{i}. $

式中：O表示输出结果，I_i表示第i层的输入特征，w_i表示第i层可学习的加权输入特征，$ \epsilon $表示近似于零的最小值. 考虑到隧道火灾检测中存在大量低质量锚框，在WIoU的基础上引入动态非单调聚焦机制，以强化对低质量样本的回归约束并提高定位稳定性. 该机制通过自适应调节不同质量预测的损失，减弱高质量样本的梯度影响，突出对低质量样本的优化力度，使边界框回归过程更加贴合真实目标分布. 动态调整预测损失表达式如下：

(14)$ \left.\begin{array}{l}{L}_{\text{WIoUg}}={R}_{\text{WIoU}}{L}_{\text{IoU}},\\{R}_{\text{WIoU}}=\exp \;\left(\dfrac{{(x-{{x}_{\text{gt}}})}^{2}+{(y-{{y}_{\text{gt}}})}^{2}}{{({W_{\text{g}}^{2}}+{H_{\text{g}}^{2}})}^{*}}\right),\\{L}_{\text{IoU}}=1-{\mathrm{IoU}}.\end{array}\right\} $

式中：L_IoU用于衡量预测框与真实框的重叠程度；*表示分离操作；W_g和H_g分别为预测框和真实框交集的宽度和高度；x和y为预测框中心点的横、纵坐标；x_gt和y_gt为真实框中心点的横坐标和纵坐标；$ {R}_{\text{WIoU}}\in \left[1,e\right) $用于放大普通质量锚框的L_IoU，$ {L}_{\text{IoU}}\in \left(0,1.0\right) $用于降低高质量锚框的R_WIoU. 为了呈现本方法在核心技术环节上的改进点，对主要模块与常用检测方案进行对照，具体对比见表1.

考虑到隧道火灾检测的复杂性，火情处置对实时性和鲁棒性的高要求，在决策层对双模态检测结果整合，在融合时采用加权边界框融合的方式获得新的检测框. 假设红外检测框的置信度为$ {C}_{\text{I}} $，可见光检测框的置信度为$ {C}_{\text{V}} $，则融合后的综合置信度$ {C}_{\text{F}} $可通过动态权重调整实现，表达式如下：

(15)$ {C}_{\text{F}}=\frac{\sigma _{\text{I}}^{2}}{\sigma _{\text{I}}^{2}+\sigma _{\text{V}}^{2}}\cdot {C}_{\text{I}}+\frac{\sigma _{\text{V}}^{2}}{\sigma _{\text{I}}^{2}+\sigma _{\text{V}}^{2}}\cdot {C}_{\text{V}}. $

式中：$ \sigma _{\text{I}}^{2} $、$ \sigma _{\text{V}}^{2} $分别为红外和可见光图像在当前帧的噪声方差. 设红外检测框为$ {B}_{\text{I}}=\left({x}_{1},{y}_{1},{w}_{1},{h}_{1}\right) $，可见光检测框为$ {B}_{\text{V}}=\left({x}_{2},{y}_{2},{w}_{2},{h}_{2}\right) $，则融合的检测框表达式如下：

(16)$ \left.\begin{array}{l}{k}_{\text{F}}=\dfrac{{C}_{\text{I}}\cdot {k}_{1}+{C}_{\text{V}}\cdot {k}_{2}}{{C}_{\mathrm{I}}+{C}_{\mathrm{V}}},\\{l}_{\text{F}}=\sqrt{{C}_{\textit{I}}\cdot l_{1}^{2}+{C}_{\textit{V}}\cdot l_{2}^{2}}.\end{array}\right\} $

式中：k=x、y；l=w、h. 当检测结果冲突时，采用D-S证据理论的冲突消解方法. 基本概率分配函数表达式如下：

(17)$ {m}_{\text{I}}\left(A\right)=\dfrac{{C}_{\text{I}}\cdot {{\mathrm{IoU}}}_{\text{I}}}{\sum_{B\subseteq \varTheta }{C}_{\text{I}}\cdot {{\mathrm{IoU}}}_{\text{I}}}. $

式中：$\mathrm{IoU}_{\mathrm{I}} $为红外模态的预测框同先验锚框的交叠率，$m_{\mathrm{I}}(A) $为红外模态下目标属于集合A的基本概率分配，$ \varTheta =\left\{{\mathrm{Fire}},{\mathrm{Noise}}\right\} $为假设空间. 通过Dempster组合规则计算联合置信度，表达式如下：

(18)$ {m}_{\text{F}}\left(A\right)=\dfrac{\sum{}_{B\cap C=A}{m}_{\text{I}}\left(B\right)\cdot {m}_{\text{V}}\left(C\right)}{1-\sum{}_{B\cap C=\varnothing }{m}_{\text{I}}\left(B\right)\cdot {m}_{\text{V}}\left(C\right)}. $

式中：$ m_{\mathrm{F}}(A)$为双模态协同决策后的联合概率分配函数，$m_{\mathrm{I}}(B) $和$m_{\mathrm{V}}(C) $分别为红外与可见光模态下的基本概率分配，A、B、C分别为假设空间$\varTheta $中具体的火情识别命题.

为了满足实时性，采用滑动窗口机制对连续帧结果作时序融合. 设第t帧融合结果为$ {R}_{t} $，并根据帧间差异动态调整，最终输出$ {R}_{{\mathrm{F}}} $：

(19)$ \left.\begin{array}{l}{R}_{{\mathrm{F}}}=\lambda \cdot {R}_{t}+\left(1-\lambda \right)\cdot {R}_{t-1},\\f=\exp \left(-\dfrac{\left|\left|{{\boldsymbol{I}}}_{t}-{{\boldsymbol{I}}}_{t-1}\right|\right|_{2}^{2}}{\tau }\right).\end{array}\right\} $

式中：$f $为遗忘因子，$ {{\boldsymbol{I}}}_{t} $为当前帧图像，$ \tau $为经验常数. 在隧道场景中，通过加权平均逻辑，将多模态火灾检测框的置信度与坐标进行融合，从单一模态独立判断转变到多模态协同决策，提升火灾检测的精确率并为后续火情处置提供数据支持.

为了支撑算法训练与验证，构建公路隧道火灾双模态数据集，通过蜡烛、布料、木屑等4种燃烧物模拟火灾，烟饼模拟烟雾，卤素灯模拟隧道复杂光照，实验基于 NVIDIA RTX 4060 GPU开展. 图像采集系统由 FLIR A655红外热像仪（光谱响应范围适配火焰检测，640×480分辨率，25帧/s）与Hikvision DS-2CD7026G0可见光工业相机（CMOS传感器，原始2448×2048分辨率，下采样至 1280×1024、30帧/s）组成，两者经硬件触发实现时间同步、经标定板进行空间配准.

数据采集覆盖燃烧全过程，原始视频包含120段燃烧过程，每种燃烧物以1 s为间隔采集关键帧图像. 经关键帧筛选，共获得4000对可见光和红外图像. 筛选标准为：红外图像中火焰区域占比≥5%，且可见光图像烟雾遮挡率≤70%，同时剔除模糊或过曝帧. 样本均使用LabelImg工具进行火焰与烟雾边界框标注，由3名标注员独立完成，Kappa一致性系数达0.86. 数据集按7∶2∶1划分为训练集2800对、验证集800对和测试集400对. 训练阶段采用同步双模态增强策略，包括：随机旋转（±180°）、平移（±10%）、裁剪（保留目标≥80%）、高斯噪声（σ=0.01）及风格迁移的数据增强处理，以提升模型的泛化能力.

为了确保对比实验的公平性，所有算法均在相同测试集上运行. 具体而言，Canny边缘检测算法采用双阈值策略，高阈值设为100，低阈值设为50；Sobel算子使用标准的3×3卷积核；K-means聚类算法将聚类数固定为2，分别对应前景火焰区域与背景；初始聚类中心通过K-means++策略初始化，最大迭代次数设为100，收敛容差为0.00001. 实验选取6组图像，G1至G4前4组图像分别对应蜡烛、布料、木屑与煤油，G5对应遮挡场景下的火焰，G6对应背景复杂场景下的火焰. 不同分割算法实验的可视化结果和指标对比如图2所示. 图中，采用红色圆圈标注检测算法中的漏检、误检情况.可以看出，Canny算法虽然能够勾勒出火焰的大致轮廓，但在火灾场景中，火焰边缘模糊且不规则，导致Canny算法无法完整检测出火焰区域，尤其在第4、5组图像中较为明显. Sobel算法能够有效提取灰度变化显著的边缘，但受高热隧道灯之类干扰的影响，易将非火焰区域误检为火焰. K-means聚类算法抗干扰性弱易发生误判，将部分背景划分为前景，产生虚警. 相比之下，所提算法融合了最大熵、OTSU分割，显著提升分割精度和鲁棒性.

根据火灾目标区域的真值图，计算采用Canny算法、Sobel算法、K-means算法、所提算法在6组不同的实验情况下火灾目标检测的平均精确率P、平均召回率R、平均Dice系数，结果如表2所示. 可以看出，所提算法在6组红外火灾图像实验中均取得最高性能，平均精确率达84.23%，比Canny、Sobel、K-means分别提升了8.07、8.67、8.47个百分点；平均召回率为83.48%，分别提升6.35、6.47、7.05个百分点；平均Dice系数为83.84%，分别提升7.21、7.58、7.76个百分点. 结果表明，所提算法在隧道之类复杂背景下能够精准识别并分割真实的火灾区域，具备更强的鲁棒性和检测精度，适用于隧道火灾检测场景.

为了系统地评估以基准模型YOLO11引入的改进模块对隧道早期火灾检测性能的影响，实验通过逐个添加改进模块，比较以YOLO11为基准模型的不同变体的性能. 实验1~4分别对应4种燃烧物燃烧场景，不同变体检测结果如图3所示. 图3展示了模型的检测效果，其中红色框标示火焰，蓝色框标示烟雾. 原始模型YOLO11及改进后的YOLO11-A均存在漏检和误检. 模型YOLO11-B虽然检测性能有所提升，但在定位精度方面仍存在明显不足. 相比之下，YOLO11-T模型兼具高鲁棒性和高定位精度，在所有测试场景中，均能准确地识别出火焰和烟雾目标，检测效果更加稳定可靠. 通过消融实验可以进一步验证各改进模块的贡献，消融实验的结果如表3所示.

为了进一步验证本研究方法在目标检测主流框架中的先进性，额外引入近年来具有代表性的火灾检测模型进行横向对比，包括YOLOv8n、YOLOX-s、YOLOv10n、YOLOv5s、RT-DETR、Faster R-CNN及SSD等. 所有模型均在构建的双模态隧道火灾数据集上进行评估：输入分辨率统一为640×640，训练策略一致，且为了排除融合策略的干扰仅使用可见光分支进行单模态对比. 对比结果如表4所示. 其中，para表示参数量. 可以看出，YOLO11-T在mAP@0.5和召回率上均显著优于主流模型，分别较YOLOv8n提升4.97和2.14个百分点，参数量仅增加约3倍，推理速度保持在42帧/s，满足实时性要求. 较RT-DETR，其精度更高且参数更少、速度更快. YOLOX-s与YOLOv10n虽结构先进，但在火焰小目标检测上表现不足. 结果表明，对YOLO11的针对性改进有效提升了其在复杂隧道场景下的检测精度与鲁棒性，而非单纯依赖模型规模增益.

定位误差直接影响火情处置效果，为了清晰展示本研究算法在不同燃烧物上的表现，进行对比实验. 实验将单模态结果输入决策融合模块整合输出，统计各方法检测框中心与真实框中心的定位误差，可见光、红外、本研究方法检测结果与定位误差如图4所示. 图中，E为误差，f为帧（即第几帧图像）.

如图4（a）、（d），在蜡烛和煤油燃烧初期，可见光成像受光照强度不足影响，目标难以被准确识别. 融合检测通过整合2种模态的检测结果，克服单模态的不足. 如图4（b）、（c），可见光检测将灯光误检为火焰. 而融合方法利用置信度阈值，有效去除误检区域. 图4（c）中，融合方法可同时准确识别火焰和烟雾. 图4（d）中，在煤油燃烧初期，在多车辆遮挡情形下，所提算法可精准检测到火焰区域. 检测结果的可视化分析可向火情处置人员输出精准的火情量化信息，为消防工具的适配选型与灭火资源的集约化调度提供数据支撑，进而提升火灾处置效率与精准度.

为了验证所提决策融合算法的有效性，将其与多种现有融合算法进行对比实验. 对比算法包括5种常用的决策融合方法：证据理论^[18]、贝叶斯法^[19]、模糊逻辑^[20]、投票法^[21]和卡尔曼滤波^[22]；4种特征融合方法：ADF^[23]、GFCE^[24]、TIF^[25]和GFF^[26]. 所有实验均在NVIDIA RTX 4060 GPU上进行，采用构建的4种燃烧物数据集，并进一步量化各算法的性能差异，对不同燃烧物连续30帧图像进行定量分析，得到的定位误差、精确率、召回率等性能指标对比及各方法检测结果如图5所示. 可以看出，所提算法在4种燃烧场景中定位误差均最小且波动幅度最小，相较于其他算法的8~10像素，所提算法的误差波动仅为1~2像素，表明其在不同燃烧阶段均能保持稳定检测性能且精准锁定火源位置. 从图5的性能指标对比图可知，无论是常规场景还是木材、布料燃烧及煤油燃烧末期等复杂场景，其mAP、精确率、召回率和F1分数等指标均优于其他算法，充分展现了准确性与鲁棒性.

针对每种燃烧物，选取先前实验中整体性能仅次于本研究算法的算法作为对比对象，如投票法、ADF、贝叶斯法、证据理论法等算法. 以燃烧物类型为分层标准，从数据集中随机抽取1600张图像，并将每种燃烧物的图像划分为10组，用于实验评估. 实验结果如图6所示. 可以看出，所提算法精确率曲面不仅高度最高，且最为平稳，表明其在不同实验组间均能保持较高精确率. 在4种燃烧物场景下，跨越不同实验组，该算法均展现出显著优于投票法、ADF、贝叶斯、证据理论等融合算法以及单模态检测方法的精确率性能. 具体性能评价指标如表5所示. 可以看出，融合后的效果仍比单模态检测效果好. 所提算法召回率为92.52%，相比单模态检测、投票法和ADF法等6种算法分别提高了9.18、7.74、6.89、7.65、5.85和6.18个百分点，表明该方法在火灾目标识别的完整性上具备一定优势. F1分数均优于其他算法，为90.83%，相较于其他算法，至少提升4.26个百分点，表明该方法在精确率与召回率之间取得了较好的平衡，高召回率确保初期微弱火情不被遗漏，为处置人员争取黄金灭火时间，符合火情处置的早发现需求. 其mAP显著高于其他算法，且比单模态算法mAP高出10.31和11.12个百分点，比其他融合算法至少提升6.84个百分点. 此外，YOLO11-T模型的平均推理速度为42帧/s，超出隧道火灾检测所要求的15帧/s以上的实时性标准. 综上所述，该方法可用于实际的隧道火灾检测应用中，能够为隧道初期火灾提供更为可靠的检测结果.

（1）针对隧道复杂场景下火灾检测及火情处置对准确性、实时性与鲁棒性的高要求，构建单模态优化、多模态融合的检测模型. 通过融合差分进化的灰狼优化算法改进OTSU阈值分割，并与最大熵结合提升分割精度；引入基于神经注意力机制的Swin-Transformer优化主干网络以适配YOLO11，用BiFPN实现多尺度特征高效融合，将损失函数优化为自适应WIoU，增强火灾特征的提取能力与收敛速度. 决策层采用加权边界框融合之类的方式，实现双模态检测结果的协同决策.

（2）在模拟隧道场景下，使用蜡烛、木屑、布料、煤油等燃烧物构建双光数据集进行实验. 结果表明，该方法的平均定位误差较单模态检测至少降低23.55%；召回率、F1、mAP值分别达92.52%、90.83%、93.47%，较单模态检测、投票法之类的算法至少提升5.85、4.26、6.74个百分点；且平均推理速度达42帧/s，满足检测的实时性要求. 与证据理论之类的9种融合算法对比，该方法的定位误差波动最小，表现出更强的鲁棒性. 不仅能有效解决单模态检测中火焰漏检、灯光误检的问题，还能在复杂隧道环境中稳定识别不同燃烧阶段的火焰与烟雾，为处置人员提供分层决策依据.

（3）在极端场景下，例如浓烟完全遮挡火焰时，红外模态能够弥补可见光模态的漏检，提高检测的稳定性；但在长时间车辆遮挡或强光干扰情况下，可能出现误报或检测延迟，这反映了本研究方法在部分极端条件下仍存在改进空间. 面向实际工程部署需求，未来将重点研究通过知识蒸馏、通道剪枝和结构重参数化等轻量化策略，以实现其在边缘计算设备上的高效实时部署.