-
题名基于改进YOLO-V5算法的烟火检测方法
- 1
-
-
作者
张明振
段江忠
梁肇伟
郭俊杰
柴大山
-
机构
深圳市城市公共安全技术研究院有限公司
深圳技术大学大数据与互联网学院
中国铁塔股份有限公司深圳市分公司
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第5期155-161,共7页
-
文摘
为减少自然环境中云、水雾、沙尘、灯光、日出、日落等干扰因素对烟雾、火焰目标检测准确性的影响,提出一种基于改进YOLO-V5算法的烟火检测算法。采用现场采集和网络爬取的方法获取烟雾、火焰目标图像和干扰类图像数据集,均衡学习训练样本,提高模型泛化能力;使用加权双向特征金字塔网络(BiFPN)替换原有的特征金字塔网络(FPN)+路径聚合网络(PAN)结构,对目标进行多尺度特征融合,加强模型特征融合能力;同时,运用距离交并比(DIoU)非极大值抑制(NMS)替代原有的NMS,加快检测框损失函数收敛速度,加强模型推理能力。结果表明:改进后的算法准确率为79.2%,召回率为68.6%,平均精度均值(mAP)为74.2%,误报率(FPR)为12.8%;相比于原YOLO-V5算法,改进后的算法准确率、召回率、mAP分别提高1.9%、0.9%、2.7%,检测识别FPR降低3.7%。
-
关键词
YOLO-V5算法
烟雾
火焰
目标检测
误报率(FPR)
-
Keywords
YOLO-V5 algorithm
smoke
fire
target detection
false positive rate(FPR)
-
分类号
X932
[环境科学与工程—安全科学]
-
