共计 1695 个字符，预计需要花费 5 分钟才能阅读完成。
1. 背景痛点：为什么雾天检测这么难？
最近在做一个智慧交通项目时，发现现成的 YOLOv5 模型在雾天场景下表现大幅下降。通过分析 COCO-mfog 测试集数据，总结出三大核心问题：
- 对比度降低 ：雾气导致物体边缘模糊，传统卷积核难以提取有效特征。实测显示 AP50 指标下降达 27.6%
- 光散射干扰 ：空气中的水珠造成光线折射，使得车辆尾灯等关键特征产生伪影
- 动态能见度变化 ：同一视频流中雾气浓度可能快速变化，要求模型具备动态适应能力
# COCO-mfog 基准测试结果
import pandas as pd
results = pd.DataFrame({'Model': ['YOLOv5s', 'FasterRCNN'],
'Clean_mAP': [0.56, 0.61],
'Foggy_mAP': [0.39, 0.43],
'FPS': [98, 22]
})2. 技术方案全解析
2.1 数据增强：用物理模型生成逼真雾效
传统方法直接叠加白色蒙版，但实际雾效符合大气散射模型：
import cv2
import numpy as np
def add_haze(img, beta=0.08, t_min=0.5):
"""
img: 输入图像 (0-255 范围)
beta: 散射系数，控制雾浓度
t_min: 最小透射率阈值
"""
# 1. 计算透射率图
height, width = img.shape[:2]
random_map = np.random.rand(height, width)
t = np.exp(-beta * random_map)
t = np.clip(t, t_min, 1.0)
# 2. 大气光估计（取前 0.1% 最亮像素）gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
flat_gray = gray.flatten()
percentile = np.percentile(flat_gray, 99.9)
A = np.mean(img[gray >= percentile])
# 3. 合成雾效
haze = img * t[..., np.newaxis] + A * (1 - t[..., np.newaxis])
return haze.astype(np.uint8)2.2 模型改进：CBAM 注意力模块集成
在 YOLOv5 的 Backbone 末端添加 CBAM 模块：
# models/yolov5s.yaml
backbone:
#... 原有结构...
[[-1, 1, CBAM, [512]], # 在最后一层后添加
[-1, 1, SPPF, [512, 5]]] 关键参数说明：
– 通道注意力使用 AvgPool+MaxPool 双路径
– 空间注意力核大小设为 7×7 以捕捉大范围雾区
– 初始学习率降低为 0.001 避免震荡
2.3 TensorRT 部署优化
针对雾天特征的量化策略：
- 校准集必须包含不同浓度的雾天样本
- 对 SPPF 层的输出采用 FP16 保留精度
- 使用 Entropy 校准方法而非 MinMax
3. 避坑实战经验
- 数据混合比例 ：实测发现 70% 雾天 +30% 晴天数据效果最佳，mAP 比纯雾天高 4.2%
- 剪枝策略 ：
- 必须保留 PANet 的第一层特征（捕捉模糊边缘）
- Head 部分的 Detect 层通道数不宜低于 256
4. 性能验证
在 RTX3090 上的测试结果：
| 模型版本 | mAP@0.5 | 推理耗时 (ms) |
|---|---|---|
| Baseline | 0.412 | 6.8 |
| Ours | 0.503 | 8.1 |
能见度鲁棒性测试：
lineChart
title 不同能见度下的 AP50 变化
xAxis 能见度 (m)
yAxis AP50
series "原始模型"
series "改进模型"
50: 0.35, 0.48
100: 0.41, 0.52
200: 0.45, 0.555. 延伸思考
这个方案其实可以扩展到其他恶劣天气：
- 沙尘暴场景 ：
- 将散射模型中的 beta 参数改为粒子密度函数
-
需要收集沙尘的颜色特征（偏黄褐色）
-
数据生成进阶 ：
- 用 Stable Diffusion 生成带物理参数的雾效
- 关键 prompt：”fog with depth map, volumetric lighting”
最近在尝试用 NeRF 建模动态雾气，效果看起来不错。如果大家有兴趣，下次可以单独写篇笔记分享。在实际项目中，这些优化让我们的误报率降低了 37%，夜间雾天场景也不再是噩梦了。
正文完
