-
题名基于D-S证据理论的飞机火情检测方法
被引量：5
- 1
-
-
作者
张长勇
吴智博
杨建忠
-
机构
中国民航大学电子信息与自动化学院
中国民航大学天津市民用航空器适航与维修重点实验室
-
出处
《消防科学与技术》
CAS
北大核心
2018年第1期122-124,共3页
-
基金
民航局科技创新引导资金项目"大型客机座舱空气环境适航审定技术研究"(MHRD20150220)
波音基金项目"复合式飞机货舱烟雾检测系统研究"(20170159206)
-
文摘
针对目前飞机火情检测系统准确率较低的问题,提出了一种基于D-S证据理论的多传感器协同检测方法。以各传感器所采集数据的波动幅度为参量定义修正系数,该系数反映了被测成分在火情检测过程中的重要程度,利用它对证据进行预处理,并通过D-S证据理论合成规则计算火灾发生的概率。实验证明,该方法相比不经修正直接合成,可以有效降低融合结果的模糊性,提高检测装置的可靠性与准确性。
-
关键词
飞机货舱
火情检测
D-S证据理论
证据修正
多传感器
-
Keywords
aircraft cargo hold
fire detection
D-S evidence theory
evidence correction
multi sensors
-
分类号
X921
[环境科学与工程—安全科学]
V223.2
[航空宇航科学与技术—飞行器设计]
-
-
题名基于改进YOLOv8的火情智能检测算法
被引量：1
- 2
-
-
作者
叶伟华
刘海雄
胡蓉
-
机构
福州软件园科技创新发展有限公司
福建理工大学计算机科学与数学学院
-
出处
《软件工程》
2024年第5期21-26,共6页
-
文摘
火情检测的作用和意义在于保护人民群众的人身财产安全。为了提升火情检测的精度,提出一种基于改进YOLOv8的火情智能检测算法。首先,通过添加CBAM(Convolutional Block Attention Module)注意力模块帮助模型更加准确地检测和定位火情;其次,使用空洞空间卷积池化金字塔模块获取多尺度信息,提升火情检测精度;最后,引入BiFPN(Bi-directional Feature Pyramid Network)模块帮助模型针对性地学习特征。将该算法应用于火情数据集,实验结果表明,较之其他YOLO系列检测算法,改进YOLOv8的火情智能检测算法的火情检测效果最优;相较于YOLOv8n算法,检测精确率提升了1.4百分点,召回率提升了4.3百分点,mAP@0.5提升了5.1百分点,mAP@0.5-0.95提升了1.6百分点,可以有效地检测火情。
-
关键词
YOLOv8
目标检测
火情检测
深度学习
注意力机制
-
Keywords
YOLOv8
object detection
fire detection
Deep Learning
Attention Mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名智能变电站火情图像识别应用
- 3
-
-
作者
廖建聪
秦军
杨东
-
机构
国网上海崇明供电公司
-
出处
《现代建筑电气》
2023年第6期1-4,共4页
-
文摘
以变电站火情检测为出发点,通过YOLOv5算法对变电站内火情进行图像识别,一方面拓宽了图像识别技术的应用领域,另一方面相较于传统的传感器检测方式能够加大检测覆盖面。通过制备数据集、训练模型,实现了精确率0.89、召回率0.81的模型性能指标,证明该方法有助于智能变电站的防火。
-
关键词
数字化转型
智能变电站
火情检测
YOLOv5
图像识别
-
Keywords
digital transformation
intelligent substation
fire detection
YOLOv5
image recognition
-
分类号
TU855
[建筑科学]
-
-
题名五0一台消防综合监控系统设计
- 4
-
-
作者
钟明
-
机构
国家新闻出版广电总局五
-
出处
《电脑知识与技术》
2015年第5X期40-42,共3页
-
文摘
针对五0一台消防安全现状,为了预防和减少火灾危害,加强电台消防安全管理,确保安全播出工作顺利进行,规划了五0一台消防综合监控系统。重点解决普通消防设施无法在复杂的高频环境下稳定工作的问题,有效利用台内各种消防设施,实现整个电台消防设备网络化管理,统一监测和实时控制。
-
关键词
电台消防
火情检测
自动报警
远程监控
-
分类号
TU998.1
[建筑科学—市政工程]
TN948
[电子电信—信号与信息处理]
-
