期刊文献+
共找到14篇文章
< 1 >
每页显示 20 50 100
基于改进YOLOv8的森林火灾检测算法研究 被引量:3
1
作者 陈义啸 沈景凤 仲梁维 《软件工程》 2024年第2期49-54,共6页
随着全球天气持续变暖,高温、干旱、大风等极端天气呈现多发并发态势,导致全球范围内森林火灾频繁爆发。为了提升森林火灾检测精确率和实时性,提出了一种基于改进YOLOv8的森林火灾检测算法模型。该模型在Neck端上采样阶段中的Upsample... 随着全球天气持续变暖,高温、干旱、大风等极端天气呈现多发并发态势,导致全球范围内森林火灾频繁爆发。为了提升森林火灾检测精确率和实时性,提出了一种基于改进YOLOv8的森林火灾检测算法模型。该模型在Neck端上采样阶段中的Upsample结构后面以及每个C2F模块后面添加CBAM(Convolutional Block Attention Module)注意力机制,通过对特征通道和空间的学习,提高模型的特征提取能力,解决火焰和烟雾图像分辨率低和受不同场景因素影响导致的识别率低的问题。将该算法模型应用于火灾数据集进行训练、验证、测试发现,与原算法模型相比,经改进的算法模型的准确率和召回率分别提高了6.5%和6.8%,其中mAP@0.5提高了4.8%。实验结果表明,改进后的算法模型能够实现对森林火灾的实时监测与精确识别。 展开更多
关键词 YOLOv8 CBAM注意力机制 森林火灾检测
下载PDF
基于YOLOv5的森林火灾检测方法研究
2
作者 王艳艳 李晶晶 +1 位作者 柴豪杰 薛然 《乡村科技》 2024年第11期148-151,共4页
针对人工监测森林火灾困难等问题,提出一种基于YOLOv5的森林火灾检测方法,旨在提高火灾监测的效率和准确率。首先,对所使用的公开火灾图像数据集进行预处理;然后,通过模型训练提高森林火灾检测的准确率和实时性;最后,将YOLOv5s、YOLOv5m... 针对人工监测森林火灾困难等问题,提出一种基于YOLOv5的森林火灾检测方法,旨在提高火灾监测的效率和准确率。首先,对所使用的公开火灾图像数据集进行预处理;然后,通过模型训练提高森林火灾检测的准确率和实时性;最后,将YOLOv5s、YOLOv5m和YOLOv5l等3种网络模型进行评估对比。试验结果表明,YOLOv5l模型构建的森林火灾检测方法在火灾图像识别中体现出了较高的准确率,其准确率达到90%,检测速率提高了2.4%。 展开更多
关键词 森林火灾检测 YOLOv5 深度学习 目标检测
下载PDF
深度学习在森林火灾检测中的研究进展 被引量:38
3
作者 王丽霞 夏雪 +3 位作者 高凡 刘强 董霙达 郜晓晶 《林产工业》 北大核心 2023年第11期88-92,共5页
基于深度学习技术的火灾检测方法迅速发展,为森林火灾检测提供了新的发展方向。介绍了深度学习的概念、主要模型及在森林火灾检测中的优势,详细阐述了不同深度学习模型在森林火灾烟雾与火焰特征的提取、火灾与非火灾图像的分类、火灾的... 基于深度学习技术的火灾检测方法迅速发展,为森林火灾检测提供了新的发展方向。介绍了深度学习的概念、主要模型及在森林火灾检测中的优势,详细阐述了不同深度学习模型在森林火灾烟雾与火焰特征的提取、火灾与非火灾图像的分类、火灾的预判跟踪中的应用,并对当前方法进行了总结分析。最后,提出了目前存在的问题以及未来的研究方向,以期为森林火灾检测提供新思路。 展开更多
关键词 森林火灾检测 深度学习 特征提取 图像分类 预判跟踪
下载PDF
基于YOLOv5s的轻量化森林火灾检测算法研究 被引量:20
4
作者 皮骏 刘宇恒 李久昊 《图学学报》 CSCD 北大核心 2023年第1期26-32,共7页
针对过去无人机搭载嵌入式设备巡检森林火灾精确率低、适应性差和软硬件限制高等问题,提出一种基于YOLOv5s的轻量化森林火灾目标检测算法。通过将YOLOv5s的骨干网络替换为轻量化网络Shufflenetv2,并以通道重组的思想,让骨干网络对图片... 针对过去无人机搭载嵌入式设备巡检森林火灾精确率低、适应性差和软硬件限制高等问题,提出一种基于YOLOv5s的轻量化森林火灾目标检测算法。通过将YOLOv5s的骨干网络替换为轻量化网络Shufflenetv2,并以通道重组的思想,让骨干网络对图片信息的提取效率变得更快,在保持网络精度的同时保证检测速度;接着在Backbone与Neck的连接处加入为轻量化网络设计的CA位置注意力模块,可将图片不同的位置信息聚合到通道中,使被检对象关注度得以提高;最后在预测部分使用CIOU损失函数,能够更好的优化矩形框的长宽比和更快加速模型收敛。算法部署在嵌入式系统Jetson Xavier NX上的结果显示,改进后的网络模型大小与对比实验方法相比,最多减少了98%,准确率(Precision)达到92.6%,精确率(AP)达到95.3%,帧率(FPS)提升到132帧每秒,能满足在白天、黑夜或视野良好等情况下对森林火灾的实时性预防与检测,并具有良好的准确率和鲁棒性。 展开更多
关键词 目标检测 YOLOv5s 轻量化 位置注意力模块 森林火灾检测
下载PDF
基于改进YOLO v5的森林火灾检测算法研究 被引量:4
5
作者 何盼霞 张梅 齐至家 《兰州工业学院学报》 2023年第4期73-78,共6页
为提高森林火灾检测识别率,同时降低漏检、误检率,缩减后续救援时间,提出一种基于改进YOLO v5的森林火灾目标检测算法。针对火灾目标漏检问题,在YOLO v5骨干网络加入卷积注意力机制(CBAM),对森林火灾的小目标在通道和空间进行特征提取;... 为提高森林火灾检测识别率,同时降低漏检、误检率,缩减后续救援时间,提出一种基于改进YOLO v5的森林火灾目标检测算法。针对火灾目标漏检问题,在YOLO v5骨干网络加入卷积注意力机制(CBAM),对森林火灾的小目标在通道和空间进行特征提取;针对火灾目标重合问题,把路径聚合网络(PANet)替换为加权双向特征金字塔网络(BiFPN),增强模型识别能力;针对YOLO v5中原始采样方式无法将特征信息完全捕获的问题,所以将CARAFE上采样作为最新的上采样方式,提高采样效率。实验结果表明,与其它主流算法相比较,该算法拥有更好的检测效果,其检测性能相比于原始算法提升了2.6%,更适用于森林火灾检测。 展开更多
关键词 森林火灾检测 YOLO v5 目标检测 特征金字塔 注意力机制 上采样
下载PDF
基于YOLOv5s的遥感卫星图像森林火灾检测算法 被引量:3
6
作者 王靖超 刘勇宏 +3 位作者 杨怡琳 谭东 王鸿裕 刘金平 《电脑知识与技术》 2023年第23期8-12,共5页
森林火灾是一种毁灭性的自然灾害,其爆发性和易失控性使得火灾的预防和控制变得尤为重要。近年来,基于遥感卫星图像中自动烟火识别的森林火灾检测算法受到国内外研究者广泛关注。然而,在火灾萌芽阶段,森林烟火目标在遥感卫星图像中占比... 森林火灾是一种毁灭性的自然灾害,其爆发性和易失控性使得火灾的预防和控制变得尤为重要。近年来,基于遥感卫星图像中自动烟火识别的森林火灾检测算法受到国内外研究者广泛关注。然而,在火灾萌芽阶段,森林烟火目标在遥感卫星图像中占比极为微小,传统的目标检测方法难以实现有效检测。针对传统森林火灾检测方法不能有效地及时检测出早期森林火灾着火点的问题,本研究提出一种遥感图像自动超分辨率处理的森林火灾检测算法。首先在遥感图像的处理阶段应用SRGAN模型处理遥感图像,通过该超分辨率模型提高图像检测准确率;其次在YOLOv5s模型的基础上对遥感图像进行提取处理,得到相对于原来更完整准确的结果。本研究在公开的“哨兵”卫星遥感图像数据集进行了大量的验证性和对比性实验,结果表明所提方法的整体检测准确率为74.9%,并且对于模糊的遥感图像其误检率和漏检率在一定程度上有所降低。 展开更多
关键词 遥感卫星 超分辨率 火焰检测 YOLOv5s 森林火灾检测
下载PDF
基于改进YOLOv7的森林火灾检测
7
作者 李智 彭抗非 +2 位作者 丁耀晖 薛博元 阮士峰 《中国新技术新产品》 2023年第12期140-142,共3页
森林火灾所造成的危害是无法估量的,因此在火灾发生前及时检测,并做到防患于未然,更有利于保护森林资源。该文提出了一种基于YOLOv7算法的森林火灾检测改进方案。为了帮助模型更有效地识别火焰特征,在不损失特征信息的情况下减少冗余功... 森林火灾所造成的危害是无法估量的,因此在火灾发生前及时检测,并做到防患于未然,更有利于保护森林资源。该文提出了一种基于YOLOv7算法的森林火灾检测改进方案。为了帮助模型更有效地识别火焰特征,在不损失特征信息的情况下减少冗余功能,将CA注意力机制嵌入算法的特征提取部分。同时运用EIOU作为边界框损失函数,提升模型的收敛速度与回归精度。改进的烟火检测模型的平均精度提升2.0%,召回率提升1.6%,检测速度也在原来的基础上进行提升。 展开更多
关键词 YOLOv7 森林火灾检测 CA注意力机制 EIOU损失函数
下载PDF
基于无人机遥感图像的森林火灾检测 被引量:3
8
作者 杨海川 茹志鹏 张诗雨 《宁夏大学学报(自然科学版)》 CAS 2022年第1期17-21,共5页
为减少森林火灾造成的生态与经济损失,搭建无人机检测平台采集森林遥感图像,基于支持向量机(SVM)开发森林火灾检测系统.通过分析森林遥感图像的像素点,预提取火灾的感兴趣区域(ROI),提高火灾识别准确率.利用方向梯度提取森林火焰的边缘... 为减少森林火灾造成的生态与经济损失,搭建无人机检测平台采集森林遥感图像,基于支持向量机(SVM)开发森林火灾检测系统.通过分析森林遥感图像的像素点,预提取火灾的感兴趣区域(ROI),提高火灾识别准确率.利用方向梯度提取森林火焰的边缘特征与纹理特征,采用机器学习方法进行森林火灾识别.实验结果表明,该检测方法对火灾与非火灾识别的准确率较高,分别为93%与96%,整体识别准确率为94.5%. 展开更多
关键词 无人机监测 森林火灾检测 遥感图像 支持向量机
下载PDF
基于轻量化卷积神经网络的森林火灾烟雾检测算法 被引量:3
9
作者 魏云鹏 吴开志 俞子荣 《南昌航空大学学报(自然科学版)》 CAS 2023年第2期89-100,共12页
现有的基于卷积神经网络的森林火灾烟雾检测算法,存在烟雾特征提取结构过于复杂、烟雾多尺度特征融合方法过于繁琐、计算复杂度大以及应用场景单一等问题,而且其部署所需硬件配置高且难以适应多变的森林环境,这阻碍了其在森林防火领域... 现有的基于卷积神经网络的森林火灾烟雾检测算法,存在烟雾特征提取结构过于复杂、烟雾多尺度特征融合方法过于繁琐、计算复杂度大以及应用场景单一等问题,而且其部署所需硬件配置高且难以适应多变的森林环境,这阻碍了其在森林防火领域的实际应用。为此,设计了一种基于轻量化卷积神经网络的森林火灾烟雾检测算法。首先,为提高烟雾特征提取的能力和速度,基于重参数化技术与跨阶段局部网络,提出一种轻量化烟雾特征提取结构。其次,基于简化的特征金字塔网络和路径聚合网络,设计出轻量化烟雾多尺度特征融合方法,实现不同尺度烟雾特征的高效融合。然后,提出一种烟雾检测后处理方法并增加类似烟雾图像进行算法模型训练,避免不同应用场景中非火灾烟雾图像和类似烟雾图像对检测算法的影响。最后,采用本文构建的烟雾图像数据集对算法进行验证。实验结果表明,本文算法相对于其它算法具有较高的检测精度和速度,F_(1)分数达82.6%,AP值达54.5%,最高检测速度达869张/秒。 展开更多
关键词 森林火灾烟雾检测 卷积神经网络 模型轻量化 重参数化技术
下载PDF
基于少样本学习的森林火灾烟雾检测方法
10
作者 贾一鸣 张长春 +1 位作者 胡春鹤 张军国 《北京林业大学学报》 CAS CSCD 北大核心 2023年第9期137-146,共10页
【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,... 【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法,扩充训练数据的数量同时降低过拟合风险;然后设计特征提取模块与特征聚合模块,在特征提取模块中引入多头注意力机制并探讨引入的合适位置,使模型更多地关注火灾局部特征,解决烟雾图像少造成的信息缺失问题;在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合;最后,设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换,可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法,本方法有更好的检测效果,具体表现为准确率达到了98.79%,召回率98.28%,检测率97.33%,误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比,本方法具有更好的判别能力和泛化能力。 展开更多
关键词 森林火灾烟雾检测 少样本 小目标 特征提取 多头注意力机制
下载PDF
基于机器视觉和深度学习的检测技术应用研究
11
作者 黄侃 《新潮电子》 2024年第8期100-102,共3页
火灾事故已成为当前社会破坏程度较深、公共危害较大的事故之一,对其进行早期的监测和检测就显得尤为重要,受到相关技术应用成本、检测范围等方面的限制,传统火灾检测预警的技术在广阔的森林等大面积开放区域往往效果不佳。本文采用公... 火灾事故已成为当前社会破坏程度较深、公共危害较大的事故之一,对其进行早期的监测和检测就显得尤为重要,受到相关技术应用成本、检测范围等方面的限制,传统火灾检测预警的技术在广阔的森林等大面积开放区域往往效果不佳。本文采用公开的森林火灾数据集,在YOLO模型的基础上,利用测试数据集对结果值进行检测和提取,在火焰图像区域周围增加项目检测框,预测百分比等结果,同时用Recall、Precision、Average Precision AP等参数对预测结果进行评价。结果显示,Y0L0模型可以准确地框出图中火焰的位置,说明该模型已经检测到了火焰的中心区域,并且经过优化后大部分图像的检测结果都非常准确。同时,当背景相对简单时,网络的精度较好,但光线不会干扰检测结果,导致网络误检。本文对所有测试结果进行了评价,当模型迭代到epoch 100时,目标检测效果良好。 展开更多
关键词 机器视觉 深度学习 森林火灾检测
下载PDF
基于迁移学习的卷积神经网络森林火灾检测方法 被引量:19
12
作者 富雅捷 张宏立 《激光与光电子学进展》 CSCD 北大核心 2020年第4期120-126,共7页
传统的卷积神经网络目标检测算法需要使用大量的数据来对网络参数进行训练,会花费大量的时间,并且森林火灾数据属于小样本数据。基于此,提出一种基于迁移学习的卷积神经网络森林火灾检测算法,该算法采用迁移学习的方法训练森林火灾检测... 传统的卷积神经网络目标检测算法需要使用大量的数据来对网络参数进行训练,会花费大量的时间,并且森林火灾数据属于小样本数据。基于此,提出一种基于迁移学习的卷积神经网络森林火灾检测算法,该算法采用迁移学习的方法训练森林火灾检测网络模型。在建立的森林火灾数据集上进行实验,结果表明使用该算法进行森林火灾检测,准确率可达97%,具有准确率高、误报率低、检测时间短等优点,将其应用在森林火灾检测上具有一定的可行性。 展开更多
关键词 图像处理 森林火灾检测 迁移学习 卷积神经网络 目标检测
原文传递
基于无人机红外影像的森林火灾燃烧点检测方法 被引量:7
13
作者 戴颖成 陈知明 +3 位作者 刘峰 李建军 吴毅 吴若南 《中南林业科技大学学报》 CAS CSCD 北大核心 2022年第9期102-114,共13页
【目的】森林火灾对生态环境的破坏巨大,各种火灾探测方法近年来备受关注,但不同的检测载体与检测数据在森林火灾检测的应用中仍具有各自的局限性。为此,提出一种基于深度学习与无人机红外影像的森林火灾燃烧点检测模型,旨在减少无人机... 【目的】森林火灾对生态环境的破坏巨大,各种火灾探测方法近年来备受关注,但不同的检测载体与检测数据在森林火灾检测的应用中仍具有各自的局限性。为此,提出一种基于深度学习与无人机红外影像的森林火灾燃烧点检测模型,旨在减少无人机森林火灾检测的延迟和丢失,提升森林火灾检测效率和检测能力。【方法】采集中国北部亚干旱地区森林火灾巡护数据,增加北亚利桑那大学无人机森林燃点数据提升模型的学习范围,同时对数据进行数据增广,提升模型学习的数据量。利用红外影像的成像特点对森林火灾燃烧点进行特征放大,降低检测数据的复杂度。引入计算量适当的目标检测算法,减少无人机森林火灾检测系统的检测时延。【结果】1)红外影像下的森林火灾燃烧点检测模型在非极大抑制IoU阈值为0.3的条件下,其检测AP(Average precision)值达到了0.9616,检测精度(Precision)达到了0.9293。2)红外影像森林火灾检测模型在40 fps的实时视频中的检测速度平均达到了31 fps。3)在图像翻转、图像旋转与图像仿射变换3种数据增广模式下,模型的检测性能达到最高。【结论】基于红外影像的森林火灾燃烧点检测模型对森林火灾更敏感,减少了森林火灾检测的计算量,减轻了地面站计算机的计算负担。图像的色域变换对红外数据下的森林火灾燃烧点检测模型提升效果不明显。 展开更多
关键词 目标检测 森林火灾检测 无人机巡护 红外影像 深度学习
下载PDF
基于视频动态纹理的火灾检测 被引量:12
14
作者 邵婧 王冠香 郭蔚 《中国图象图形学报》 CSCD 北大核心 2013年第6期647-653,共7页
长期以来,森林火灾检测一直都是世界范围内的一个重要研究课题,对于保护地球环境及人类安全都有重要意义。基于视频监控的火灾检测对于实时性和正确性要求很高,而传感式探测器和传统图像型探测器不能满足要求。提出了一种基于动态纹理... 长期以来,森林火灾检测一直都是世界范围内的一个重要研究课题,对于保护地球环境及人类安全都有重要意义。基于视频监控的火灾检测对于实时性和正确性要求很高,而传感式探测器和传统图像型探测器不能满足要求。提出了一种基于动态纹理特征分析的新型图像型火灾检测算法,对于森林这样的复杂大空间场景尤为适用。通过对CCD摄像机拍摄的视频图像,建立线性动力系统(LDS)模型,分析其动态纹理特征,最后利用Adaboost分类器判断火灾是否存在。实验结果表明,此算法能够达到95%的检测准确率,且具有较好的应用前景。 展开更多
关键词 森林火灾检测 动态纹理 线性动力系统 马氏距离 ADABOOST分类器
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部