矿井火灾烟雾目标检测是防止矿井内发生火灾事故的重要预防措施之一.为了提高矿井内火灾烟雾检测的精度与速 度,提出了一种基于改进YOLOv10s的矿井火灾烟雾检测方案.首先将收集的矿井火灾烟雾图像数据集通过在线平台完成标注,然后按7∶2∶1划分为训练集、验证集及测试集,在训练前对图片进行小波降噪及Auto-Msrcr算法增强处理;其次使用Focaler-IoU 重构原始YOLOv10损失函数,以及添加强化卷积神经网络性能的注意力模块CBAM 和使用跨阶段部分网络模块VoV-GSCSP替换颈部网络中的第三个C2f模块,从而提高模型的表征能力和决策性能,最终提高对矿井火灾烟雾识别的特征权重.试验结果表明,改进后的YOLOv10s模型与原模型相比准确率提升了3.5％,平均精度均值mAP＠500和mAP＠50-95分别提升了0.7％和2.2％,检测帧率提高了11.9帧/s;相较其他主流YOLO 模型,改进后的YOLOv10s模型检测精度和速度更高,具有更好的综合检测性能,适用于高精度和高实时性的矿井火灾烟雾检测场景.