Veröffentlicht in Feuer (2025), SF‑YOLO („Smoke and Fire‑You Only Look Once”) ist ein leichtgewichtiges Echtzeit-Detektionsmodell, das speziell für natürliche Umgebungen—Wälder, Felder, Campingplätze—zugeschnitten ist, in denen Brände unvorhersehbar entstehen und sich ausbreiten können mdpi.com.

Modelldesign

SF‑YOLO basiert auf dem YOLOv11-Backbone mit einem Zwei-Pfad-Residual-Attention-Modul (C3k2) und einem eingebetteten Aufmerksamkeit-Mechanismus im Detektionskopf. Sein Design zielt auf Kleinstobjekterkennung, Okklusionsszenarien und mehrdeutige Flammen-/Rauchgrenzen—häufige Herausforderungen in Wildnisgebieten. Das Modell legt Wert auf geringen Rechenaufwand, wodurch es auf Edge-Geräten wie Drohnen oder Überwachungskameras eingesetzt werden kann mdpi.com.

Leistung

Im Vergleich zu herkömmlichen Methoden verbessert SF-YOLO die Erkennungsgeschwindigkeit und -genauigkeit in realen natürlichen Szenen erheblich. Obwohl keine vollständigen Metriken öffentlich aufgeführt wurden, berichten die Autoren über günstige Ergebnisse bei der Rauch-/Flammenidentifizierung und niedrige Fehlalarmraten.

Anwendungen

Ideale Einsatzumgebungen sind:

• Waldbrandüberwachungskameras

• Drohnenbasierte Patrouillen

• Überwachung geschützter Gebiete

Durch die frühzeitige Erkennung schwacher Flammen- oder Rauchsignale und den Betrieb auf Low-Power-Hardware wird SF‑YOLO zu einem praktischen Werkzeug für die Frühwarnung.

Analyse

SF‑YOLO erfüllt ein wichtiges Bedürfnis: skalierbare, erschwingliche Branderkennung in Regionen ohne Infrastruktur. Seine Betonung auf geringe Größe, Grenzmehrdeutigkeit und Umweltokklusion zeigt Reife für den realen Einsatz. In Kombination mit solarbetriebenen IoT-Systemen kann SF‑YOLO die Grundlage für ein autonomes Brandüberwachungsnetzwerk—das Gemeinden alarmiert, bevor sich Brände ausweiten.