项目介绍
项目中所用到的算法模型和数据集等信息如下：
算法模型：
yolov8、yolov8 + SE注意力机制 或 yolov5、yolov5 + SE注意力机制 ， 直接提供最少两个训练好的模型。模型十分重要，因为有些同学的电脑没有 GPU，无法自行训练。
数据集：
网上下载的数据集，格式都已转好，可直接使用。
界面：
PyQt5
以上是本篇博客的简单说明，添加注意力机制可作为模型的创新点 。
摘要： 烟雾检测对于预防火灾、保障人们的生命财产安全以及减少环境污染具有至关重要的作用。本文介绍了一款基于YOLOv8深度学习框架的烟雾检测模型，该模型使用了**1800张图片进行训练，能够识别多种环境下的烟雾，包括森林火灾烟雾、工业烟雾、车辆尾气烟雾等。此外，我们开发了一款带有UI界面的烟雾检测系统，支持实时检测不同场景下的烟雾，并能更直观地展示检测结果。该系统采用Python与PyQT5开发，能够对图片、视频及摄像头输入**进行目标检测，同时支持检测结果的保存。本文还附带了完整的Python代码和使用指南，供有兴趣的读者学习参考，获取完整的代码资源请参见文章末尾。
前言
烟雾检测在保障环境安全、预防火灾风险以及减少空气污染方面起着关键作用。在消防与环境监测领域，及时且精确地检测出烟雾，有助于快速响应潜在火灾隐患，避免火灾蔓延，并为环保部门提供污染源数据。此外，烟雾检测还能帮助相关部门减少环境损害，提高监测效率，降低灾害带来的经济损失。
烟雾检测在多个领域中得到了广泛应用，如森林防火、工业排放监测、智能交通系统、城市空气质量监测等场景中，都扮演着重要角色。在森林防火领域，一个自动化的烟雾检测系统能够实现实时监控，及时识别火源并发出警报，从而迅速采取应对措施，减少火灾带来的损失，保障生态环境的稳定性。
在现代环境监测中，烟雾检测系统还可以与其他智能监控系统协同工作，比如与环境管理系统整合，以提供实时的空气质量数据，推动智慧城市和环境保护的进一步发展。在后续维护与评估阶段，系统能够帮助快速诊断火灾现场和工业排放可能产生的烟雾问题，确保公共安全以及环境保护的实施效果。
通过收集与烟雾相关的数据和图像，博主利用YOLO目标检测技术，结合Python与PyQt5，开发出了一款界面简洁的烟雾检测系统，该系统支持图片、视频及摄像头检测，并能够保存检测结果。