1.一种基于ODConvBS‑YOLOv5s的火焰烟雾检测方法，其特征在于，包括如下步骤：

步骤1：获取火焰烟雾图像，通过labelimgs对图片进行标注制作成数据集，并对其进行预处理；

步骤2：构建改进的YOLOv5s火焰烟雾检测网络，所述改进的YOLOv5s火焰烟雾检测网络包括输入端、骨干网络、Neck模块，所述骨干网络包括CBS模块、CSP1结构和SPPF空间金字塔池化，所述Neck模块采用特征金字塔网络FPN，所述改进的YOLOv5s火焰烟雾检测网络在YOLOv5s网络的骨干网络中前两个CBS模块替换为ODConvBS模块，所述ODConvBS模块包括全维动态卷积ODConv、BN层以及SiLU激活函数；

所述全维动态卷积ODConv通过并行方式沿卷积核空间全部的四个维度学习卷积核特征，所述ODConv沿着卷积核计算的四个维度分别是：空间维度的位置乘法运算、输入通道维度的通道乘法运算、输出通道维度的滤波乘法运算和、卷积核空间的核乘法运算；公式定义如下：y＝(αw1⊙αf1⊙αc1⊙αs1⊙W1+...+αwn⊙αfn⊙αcn⊙αsn⊙Wn)*x    (1)其中，αwi代表对于整个卷积核的注意力标量；αfi代表对于输出通道的注意力标量；αci代表对于输入通道的注意力标量；αsi代表对于卷积核空间的注意力标量，Wi代表卷积核；

步骤3：利用改进的YOLOv5s火焰烟雾检测网络进行火焰烟雾检测。

2.根据权利要求1所述的基于ODConvBS‑YOLOv5s的火焰烟雾检测方法，其特征在于，所述SPPF空间金字塔池化中，特征图首先经过CBS模块后依次进入3个5*5大小的最大池化层，然后将这3个最大池化层的结果进行相加，最后在网络结构的末尾通过CBS模块对主干网络提取的特征向量图进行尺度的统一。

3.根据权利要求1所述的基于ODConvBS‑YOLOv5s的火焰烟雾检测方法，其特征在于，所述改进的YOLOv5s火焰烟雾检测网络的改进点还包括：在特征金字塔网络FPN的末尾增加SA注意力机制模块。

4.根据权利要求1或3所述的基于ODConvBS‑YOLOv5s的火焰烟雾检测方法，其特征在于，所述改进的YOLOv5s火焰烟雾检测网络的改进点还包括：将YOLOv5s中Neck模块中特征金字塔网络FPN的CBS替换为Gnconv递归门控卷积，形成Gnconv‑FPN结构，在与连接组信息融合之前对特征图实现高阶空间信息的交互，并且进一步扩大感受野。

5.根据权利要求1所述的基于ODConvBS‑YOLOv5s的火焰烟雾检测方法，其特征在于，所述改进的YOLOv5s火焰烟雾检测网络的改进点还包括：预测部分利用SIOU损失函数。