1.一种基于改进YOLOv7‑tiny的危化品车辆目标检测方法，其特征在于，包括以下步骤：S1、获取待处理图像，并对其预处理；首先将危化品车辆数据集中的原始图像进行一次处理，生成统一大小的图像，然后对统一大小的图像进行二次处理；

S2、构建基于YOLOv7‑tiny的危化品车辆目标检测模型，在模型的Backbone部分引入C2fGhostv2网络和PConv模块；所述C2fGhostv2网络通过GhostNetv2网络和C2f模块组成；

其中，GhostNetv2网络通过Ghost模块和解耦全连接注意力机制DFC构成，GhostNetv2网络替换了C2f模块中的多个重复的残差块，实现轻量级的特征提取和长距离依赖关系的捕捉；

具体的，在Backbone部分的第一和第二个最大池化操作之间引入C2fGhostv2，替换掉该处的原XBL模块，并且用PConv替换Backbone中最后两个XBL模块中的部分普通卷积，得到PXBL；

S3、在YOLOv7‑tiny目标检测模型的Neck部分引入轻量的C2fGhostv2网络；用C2fGhostv2网络替换原模型中预测大尺度目标前最后一个XBL模块，进一步处理从主干网络传递过来的特征图；

S4、使用WIoU损失函数，平衡样本的训练效果；

S5、网络模型的Head部分接收来自Neck部分的多尺度特征图，通过卷积和解码操作来生成目标框的位置和类别信息，将步骤S1处理后的图像输入至危化品车辆检测网络进行训练，将训练完成的危化品车辆检测网络权重保存，生成轻量化危化品车辆检测模型，用于检测危化品车辆。

2.根据权利要求1所述的基于改进YOLOv7‑tiny的危化品车辆目标检测方法，其特征在于，所述步骤S1的具体步骤为：S1.1、将危化品车辆图片输入到模型中，生成统一大小的图像；

S1.2、采用马赛克技术对原始数据进行增强，将输入的危化品车辆图像划分为小块并重新组合，实现图像的变换；每个小块经过平移、缩放、裁剪、缝合以及变换色调、亮度、饱和度操作后，经过拼接形成生成新的图像，进而得到危化品车辆数据集。

3.根据权利要求1所述的基于改进YOLOv7‑tiny的危化品车辆目标检测方法，其特征在于，所述步骤S2的具体步骤为：S2.1、将预处理后的图片输入到网络模型的Backbone部分；

S2.2、输入图像经过一系列的卷积层、池化层一系列操作，对输入特征进行局部特征提取；

S2.3、在模型的Backbone部分的第一和第二个最大池化操作之间引入C2fGhostv2，替换掉了该处的XBL模块；

H×W×C_in

对于输入特征X∈R ，首先进入C2fGhostv2模块的第一个1×1的卷积，而后分别进入两条分支当中，分别为主分支C1和次分支W1，主分支C1先进行Split操作将数据流分成两个分支C2和W2，由C2作为输入再进入GhostNetv2网络，分别投入Ghost模块和解耦全连接注意力机制DFC两个主分支；Ghost模块生成输出特征C3，解耦全连接注意力机制DFC生成注意力矩阵M，用Sigmiod函数将注意力矩阵的输出结果限制在[0,1]之间，将两分支点乘得到输出特征C4；

将C4经过Ghost模块生成特征C5，再将输出C5与C2进行Concat拼接操作得到H×W×0.5C_inGhostNetv2部分的总输出特征Y1；Y1∈R ，将各个分支即输出Y1和W1‑Wn进行Concat操作得到C_out，最后再经过1×1的卷积将特征降维到原本大小，即得到最终的输出H×W×C_outY2∈R ；

S2.4、经过步骤S2.3后，图像的特征被提取和增强，接下来，在模型的Backbone部分引入PConv模块来替换Backbone部分的最后两个XBL模块的部分普通卷积，使得模型能够更有效地利用特征映射中的信息；

S2.5、最终输出一系列特征图，每个特征图对应于不同尺度的图像区域。

4.根据权利要求3所述的基于改进YOLOv7‑tiny的危化品车辆目标检测方法，其特征在于，所述步骤S3的具体步骤为：S3.1、将经过Backbone部分后的特征输入到网络模型的Neck中，进一步处理从主干网络传递过来的特征图，以提取更丰富的语义信息；

S3.2、提取到的特征经过特征金字塔网络来融合来自不同层级的特征图；

S3.3、特征金字塔创建后，Neck部分使用卷积或上采样操作来融合特征；

S3.4、Neck部分还引入了C2fGhostv2模块，用C2fGhostv2网络替换原模型中预测大尺度目标前最后一个XBL模块，最终Neck部分分别输出浅层特征图、中层特征图和深层特征图，用于检测目标的位置和类别。

5.根据权利要求1所述的基于改进YOLOv7‑tiny的危化品车辆目标检测方法，其特征在于，所述步骤S4中WIoU损失函数具体为：S4.1、WIoU损失函数的定义如下所示：

LWIoUv1＝RWIoULIoU    (5)

其中Wg，Hg为最小边界框的尺寸，为防止RWIoU产生出阻碍收敛的梯度，上标*表示将Wg，Hg从计算图中分离出来。

6.根据权利要求1所述的基于改进YOLOv7‑tiny的危化品车辆目标检测算法，其特征在于，所述步骤S5的具体步骤为：S5.1、将经过特征融合的特征输入到网络模型的Head部分来进行危化品车辆的目标检测；

S5.2、通过卷积和解码操作生成目标框的位置和类别信息，输出解码是将卷积输出转换为图像上的实际目标框的过程，使用锚点框信息对卷积输出进行解析和缩放，以获得目标框的坐标；

S5.3、在输出解码之后，使用NMS去除具有高度重叠的冗余目标框，只保留每个目标的最可信的检测框，获得最终的检测结果。