期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
274
篇文章
<
1
2
…
14
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多传感器数据融合的机房火灾检测算法
1
作者
张冉
吴云韬
+1 位作者
于宝成
徐文霞
《武汉工程大学学报》
CAS
2024年第1期79-84,共6页
针对机房传统单传感器报警系统存在漏报率高、准确率低等问题,提出了一种基于多传感器数据融合的机房火灾检测算法。该算法首先采用寻优能力强的麻雀搜索算法(SSA)优化极限学习机(ELM)的预测精度和准确度。其次通过SSA-ELM算法模型对机...
针对机房传统单传感器报警系统存在漏报率高、准确率低等问题,提出了一种基于多传感器数据融合的机房火灾检测算法。该算法首先采用寻优能力强的麻雀搜索算法(SSA)优化极限学习机(ELM)的预测精度和准确度。其次通过SSA-ELM算法模型对机房内多传感器采集的温度、烟雾浓度、CO浓度进行特征层数据融合,输出各火情概率。最后利用模糊推理将输出的各火情概率和火灾持续时间在决策层中进行特征融合,决策出火情警报等级。仿真实验表明:本文算法能根据多传感器数据融合的结果并结合不同危险等级区域给出合理的警报决策,极大提高了机房火灾检测的灵活性和准确性。
展开更多
关键词
火灾检测
SSA-ELM
多传感器
模糊推理
下载PDF
职称材料
融合注意力机制的轻量级火灾检测模型
2
作者
曹康壮
焦双健
《消防科学与技术》
CAS
北大核心
2024年第3期378-383,共6页
基于视觉信息的火灾检测对消防工作具有重要意义,但现阶段相关研究提出的方法大多是基于高性能的硬件设备开展,这限制了相关成果的实际应用。在YOLOv5目标检测算法基础上使用ShuffleNetv2网络为主干构造轻量化模型,并引入SIoU损失函数...
基于视觉信息的火灾检测对消防工作具有重要意义,但现阶段相关研究提出的方法大多是基于高性能的硬件设备开展,这限制了相关成果的实际应用。在YOLOv5目标检测算法基础上使用ShuffleNetv2网络为主干构造轻量化模型,并引入SIoU损失函数提高模型目标框的定位精度,同时在模型中添加Shuffle Attention注意力机制,提高在复杂环境下对目标火焰的识别精度。试验证明,与YOLOv5原模型相比,改进后的模型在实现更好识别效果的同时,参数量减少了54.2%,检测速度提升了40.5%。将模型部署嵌入式设备验证其应用效率,结果显示,模型在实现32帧/s检测速度的同时维持了较好的识别效果。
展开更多
关键词
卷积神经网络
火灾检测
YOLOv5
注意力机制
JetsonNano
下载PDF
职称材料
基于改进YOLOv8的森林火灾检测算法研究
3
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
职称材料
基于改进YOLOv8的火灾检测算法研究
4
作者
焦瑜帆
赵建光
《长江信息通信》
2024年第2期72-74,89,共4页
如今,火灾问题是全世界人民都不得不面对的一个重大性灾难。随着经济快速发展,社会财富日趋增加,城市规模逐步扩大,消防工作的重要性就越来越突出。然而当前广泛使用的还是传统的依靠光感、烟感或者温感等物理传感器设备进行火灾预警检...
如今,火灾问题是全世界人民都不得不面对的一个重大性灾难。随着经济快速发展,社会财富日趋增加,城市规模逐步扩大,消防工作的重要性就越来越突出。然而当前广泛使用的还是传统的依靠光感、烟感或者温感等物理传感器设备进行火灾预警检测,这种方法的信息单一导致范围有限,难以达到复杂环境下的火灾实时检测要求,因此引入YOLOv8网络模型对火灾进行检测。文章对YOLOv8算法和主要结构进行介绍,搭建实验环境,将图片进行标注工作,建立自制数据集,对数据集进行算法训练,再对训练好的模型进行预测,通过实验效果,进行分析数据,深入讨论火灾防护技术的未来发展方向。
展开更多
关键词
火灾检测
yolo
目标
检测
下载PDF
职称材料
融合自适应注意力的多尺度火灾检测算法
5
作者
梁煜
陈童
张为
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2024年第1期91-101,共11页
针对实际场景下火灾检测准确度不高的现象,根据火灾自身特征提出了一种基于Anchor-free结构的火灾检测算法.将特征提取网络残差模块设计为多分支结构,并在其基础上嵌入根据火焰特征设计的自适应注意力模块,提取出更具表达力的火焰特征....
针对实际场景下火灾检测准确度不高的现象,根据火灾自身特征提出了一种基于Anchor-free结构的火灾检测算法.将特征提取网络残差模块设计为多分支结构,并在其基础上嵌入根据火焰特征设计的自适应注意力模块,提取出更具表达力的火焰特征.添加亚像素融合,利用高层特征丰富的通道信息增强多尺度特征的表达能力.设计特征增强模块强化最高层特征表示,更好地利用全局空间信息.引入自适应标签分配,强化网络对火焰特征的学习效果.利用改进后的GIoU Loss损失函数对边界框精细回归.该算法在自建数据集上的检测精度达到了94.9%,在公开数据集上也有较好的检测效果,且抗干扰能力强,适用于各种环境下的火灾检测,能够满足实际场景下火灾检测任务的需要.
展开更多
关键词
深度学习
火灾检测
自适应注意力
多尺度特征增强
下载PDF
职称材料
基于FireNet的古建筑火灾检测方法研究及改进
6
作者
陈庆典
钟晨
+1 位作者
刘慧
王晓辉
《消防科学与技术》
CAS
北大核心
2024年第2期183-188,共6页
针对古建筑火灾检测需要快速、准确及实时的需求,建立了一个专门用于古建筑火灾检测的数据集,用于古建筑火灾检测的深度学习研究。利用CBAM注意力机制模块,结合多尺度特征融合,对FireNet网络进行改进,提出适用于古建筑火灾检测的轻量级F...
针对古建筑火灾检测需要快速、准确及实时的需求,建立了一个专门用于古建筑火灾检测的数据集,用于古建筑火灾检测的深度学习研究。利用CBAM注意力机制模块,结合多尺度特征融合,对FireNet网络进行改进,提出适用于古建筑火灾检测的轻量级FireNet-AMF网络,在FireNet数据集和本文构建的古建筑火灾检测数据集上验证了FireNet-AMF网络的火灾检测能力。与改进前的网络相比,FireNet-AMF网络在FireNet数据集上对火灾识别的准确率达到了95.08%,与原网络相比提高了1.17%,在本文构建的古建筑火灾检测数据集上的准确率达到了95.62%,比原网络提高了1.62%。该网络在保证轻量级的同时也保证了在古建筑火灾检测中较高的检测精度。
展开更多
关键词
古建筑
火灾检测
图像分类
FireNet
注意力机制
多尺度特征融合
下载PDF
职称材料
基于机器视觉的景区火灾检测方法
7
作者
汤云超
周翰
+1 位作者
邢秀青
刘占勇
《计算机与网络》
2024年第2期163-170,共8页
随着人类活动的增加和全球气候变化,火灾事故在自然景区内发生的频率越来越高。为了及时发现和处理火灾,提出了一种基于机器视觉的景区火灾检测方法。通过空中无人机和地面视频监控设施收集景区的实时图像,采用卷积神经网络(Convolution...
随着人类活动的增加和全球气候变化,火灾事故在自然景区内发生的频率越来越高。为了及时发现和处理火灾,提出了一种基于机器视觉的景区火灾检测方法。通过空中无人机和地面视频监控设施收集景区的实时图像,采用卷积神经网络(Convolutional Neural Network,CNN)的深度学习模型对图像进行分析,用以检测火灾的发生。研究采用了轻量级的神经网络SqueezeNet、ShuffleNet、MobileNet_v2以及ResNet-50进行火灾识别。为了模拟九寨沟景区实地情况,选择复杂度较低的检测算法,还进行了跨数据集识别评估,并将其与复杂度较高的ResNet-50进行了比较,最终得出通过基于ResNet-18进行图像语义分割的方法,识别结果的分类准确率达到96%,验证了方法具有更好的鲁棒性。
展开更多
关键词
火灾检测
机器视觉
深度学习
卷积神经网络
下载PDF
职称材料
基于YOLOv5的改进火灾检测算法
8
作者
曾泓翔
文志诚
《信息与电脑》
2024年第2期73-78,82,共7页
针对火灾场景下现有目标检测算法对起火目标的漏检误检问题,提出一种基于改进YOLOv5的火灾检测算法。该算法引入Ghost-Atrous模块,能够在不增加卷积核大小和数量的情况下扩大感受野,从而替代普通“卷积+池化层”的组合,以避免特征信息丢...
针对火灾场景下现有目标检测算法对起火目标的漏检误检问题,提出一种基于改进YOLOv5的火灾检测算法。该算法引入Ghost-Atrous模块,能够在不增加卷积核大小和数量的情况下扩大感受野,从而替代普通“卷积+池化层”的组合,以避免特征信息丢失,同时减少参数量和运算量;使用CBAM-Atrous注意力模块强化对重要特征的提取;采用EIOU-NMS进行非极大值抑制,更好地解决误检漏检问题。实验结果表明,改进后的算法在火灾数据集上相比于原始YOLOv5算法mAP@0.5提高了4.3个百分点;相比于其他主流的目标检测算法,mAP@0.5提高了0.3~8.0个百分点,同样具有一定的优越性。
展开更多
关键词
深度学习
YOLOv5算法
火灾检测
Ghost-Atrous
空洞卷积
下载PDF
职称材料
深度学习在森林火灾检测中的研究进展
被引量:
10
9
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
职称材料
基于改进教师学生网络的隧道火灾检测
10
作者
宋焕生
文雅
+3 位作者
孙士杰
宋翔宇
张朝阳
李旭
《图学学报》
CSCD
北大核心
2023年第5期978-987,共10页
隧道空间狭小,封闭性高,当发生火灾时,火势会迅速蔓延,导致救援难度增大,严重危害人们的生命财产安全。现有隧道火灾检测方法精度低且数据集匮乏,针对上述问题,提出一种基于改进教师学生网络的隧道火灾检测方法。首先,通过无监督学习对...
隧道空间狭小,封闭性高,当发生火灾时,火势会迅速蔓延,导致救援难度增大,严重危害人们的生命财产安全。现有隧道火灾检测方法精度低且数据集匮乏,针对上述问题,提出一种基于改进教师学生网络的隧道火灾检测方法。首先,通过无监督学习对没有火灾的样本进行训练从而检测火灾,可以弥补隧道火灾数据集匮乏的问题,同时采用相同结构的学生网络和教师网络组成整体网络结构,在用于知识蒸馏的残差块中加入注意力机制以减少重要信息损失,过滤无关信息,其次用Mish激活函数代替Relu激活函数以提高网络性能,最后引入SPD-Conv模块代替跨步卷积层和池化层以提高较小火灾区域的检测精度。实验结果表明:改进的教师学生网络在自制隧道火灾数据集的像素级AUC-ROC和图像级AUC-ROC分别达到0.93和0.82,与现有隧道火灾检测算法相比,该模型检测精度均高于其他模型,验证了该模型的有效性。
展开更多
关键词
隧道
火灾检测
教师学生网络
无监督学习
注意力机制
Mish激活函数
SPD-Conv
下载PDF
职称材料
改进YOLOv5算法在停车场火灾检测中的应用
11
作者
张震
晋志华
陈可鑫
《郑州大学学报(工学版)》
CAS
北大核心
2023年第4期16-21,共6页
针对传统传感器对于地下停车场火灾检测不及时、目标检测对小型火焰目标检测效果较差等问题,提出了一种改进的YOLOv5火灾检测算法。为了提高检测算法对小型火焰目标的检测效果,在YOLOv5s网络骨干中增加小目标检测层;为了增强火焰特征的...
针对传统传感器对于地下停车场火灾检测不及时、目标检测对小型火焰目标检测效果较差等问题,提出了一种改进的YOLOv5火灾检测算法。为了提高检测算法对小型火焰目标的检测效果,在YOLOv5s网络骨干中增加小目标检测层;为了增强火焰特征的表达,提出了一种基于CA注意力机制的间隔注意力结构;为了提升定位精度、降低目标漏检率,将GIoU替换为CIoU。设计了3组消融实验以及1组对比实验用来验证所提算法的有效性。实验结果表明:所提算法在自定义数据集上的mAP_(0.5)、召回率R分别为92%、96.9%。与YOLOv5s模型相比,所提算法在自定义火焰数据集上的mAP_(0.5)提升了1.8百分点,R提升了2.0百分点。所提算法权重大小仅为16.4 MB,帧率能达到113帧/s,具有较小的模型体积以及较快的检测速度,且能够准确检出小型火焰目标,有效提升了地下停车场火灾防范能力。
展开更多
关键词
地下停车场
火灾检测
YOLOv5
坐标注意力
CIoU损失函数
下载PDF
职称材料
基于YOLOv5s的轻量化森林火灾检测算法研究
被引量:
14
12
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
职称材料
基于轻量化YOLOv4的火灾检测识别算法
13
作者
郝新泽
施一萍
+2 位作者
邓源
秦瑶
刘瑾
《传感器与微系统》
CSCD
北大核心
2023年第8期143-147,共5页
为了满足火灾实时蔓延对检测速度和准确率的更高要求,在YOLOv4的基础上,提出了一种轻量化火灾检测方法。将改进的MobileNetV3作为主干特征提取网络来降低模型复杂度,提高火灾检测速度,并引入高效通道注意力(ECA)机制模块,有效地捕获了...
为了满足火灾实时蔓延对检测速度和准确率的更高要求,在YOLOv4的基础上,提出了一种轻量化火灾检测方法。将改进的MobileNetV3作为主干特征提取网络来降低模型复杂度,提高火灾检测速度,并引入高效通道注意力(ECA)机制模块,有效地捕获了跨通道交互,增强了对火灾目标区域的重点关注。在加强特征提取网络部分,采用了加权双向特征金字塔(BiFPN)网络结构,不增加额外参数的同时,融合了更多不同尺度的特征,对不同大小火灾区域的检测精度有了显著提升。实验结果表明:所提方法具有较好的火灾检测效果,在自建的数据集上,平均精度达到了86.4%,检测速度达到了58 fps,相较于原模型,分别提升了2.3%和24 fps,同时模型大小缩减了79%。
展开更多
关键词
火灾检测
深度学习
注意力机制
多尺度特征融合
深度可分离卷积
下载PDF
职称材料
基于YOLOv3和光流的船舶火灾检测
14
作者
马世玲
袁伟
俞孟蕻
《计算机与数字工程》
2023年第7期1675-1680,共6页
为了提高船舶火灾检测的检测效率,在基于视频的方式下,提出将原始帧和光流融合的深度学习检测方法。首先,利用模拟试验和部分公开数据集建立火灾视频数据集;其次,对火灾视频进行处理,提取原始帧和对应的光流;然后,使用像素级融合的方法...
为了提高船舶火灾检测的检测效率,在基于视频的方式下,提出将原始帧和光流融合的深度学习检测方法。首先,利用模拟试验和部分公开数据集建立火灾视频数据集;其次,对火灾视频进行处理,提取原始帧和对应的光流;然后,使用像素级融合的方法融合原始帧和光流,充分利用视频的静态信息和动态信息;最后,使用YOLOv3算法,并利用迁移学习方法,实现火灾检测模型的训练。实验结果表明,所用算法能够更有效地识别烟雾和火焰,显著地减少了火灾视频中的误检情况,进行抽帧检测时能够满足实时检测的要求。
展开更多
关键词
火灾检测
YOLOv3
光流
船舶
下载PDF
职称材料
基于BSO-ELM算法的火灾检测研究
15
作者
韩磊
曲娜
+1 位作者
隋宇凡
谭丽丽
《消防科学与技术》
CAS
北大核心
2023年第1期103-106,共4页
火灾作为一种全球性的灾难性事件,短时间内产生的烟雾和火焰就可以对人的生命财产造成严重损失。针对目前火灾检测误报率和漏报率较高的问题,提出了一种使用BSO-ELM(天牛群算法-优化极限学习机)的新型火灾检测算法,优化了极限学习机寻...
火灾作为一种全球性的灾难性事件,短时间内产生的烟雾和火焰就可以对人的生命财产造成严重损失。针对目前火灾检测误报率和漏报率较高的问题,提出了一种使用BSO-ELM(天牛群算法-优化极限学习机)的新型火灾检测算法,优化了极限学习机寻找最优权值和阈值的能力,提高了极限学习机的泛化能力和准确率。通过PyroSim软件进行仿真,产生样本数据,对BSO-ELM进行训练,并通过与未经优化的极限学习机和粒子群算法优化的极限学习机(PSO-ELM)进行对比,验证了天牛群优化极限学习机算法的优越性。
展开更多
关键词
火灾检测
算法
PyroSim
天牛群算法
极限学习机
粒子群算法
下载PDF
职称材料
基于改进YOLOX-S的火灾检测方法
16
作者
路佩东
范菁
+1 位作者
曲金帅
孙书魁
《云南民族大学学报(自然科学版)》
CAS
2023年第6期771-778,共8页
针对传统火灾检测算法存在检测精度不高,检测速度慢等问题,该算法对当前目标检测领域检测效果较好的YOLOX-S算法改进,提出适合于火灾检测这一特殊领域的检测算法YOLOX-IMP.在YOLOX-S算法基础上,通过对预测头部分多尺度检测的改进,将原来...
针对传统火灾检测算法存在检测精度不高,检测速度慢等问题,该算法对当前目标检测领域检测效果较好的YOLOX-S算法改进,提出适合于火灾检测这一特殊领域的检测算法YOLOX-IMP.在YOLOX-S算法基础上,通过对预测头部分多尺度检测的改进,将原来的3尺度改为4尺度检测,对YOLOX-S算法的损失函数改进,在YOLOX-S预测头部分添加SENet注意力,提高火灾检测的检测精度.实验结果表明,改进后算法YOLOX-IMP精确度和mAP值分别提高了2.9%,2.3%,在检测速度未明显下降情况下,该算法火灾检测精度相比YOLOX-S算法有较大提升,证明该算法的可行性.
展开更多
关键词
火灾检测
YOLOX-IMP
多尺度
检测
损失函数
注意力机制SENet
下载PDF
职称材料
一种基于小波变换的YOLOv5火灾检测改进算法
17
作者
章曙光
唐锐
+1 位作者
邵政瑞
鲍锐
《无线电工程》
北大核心
2023年第10期2303-2310,共8页
由于复杂环境下类烟火物体的干扰,常导致火灾检测误判。为了提高图像中火灾信号的检测精度,减少火灾误报,利用传统光谱分析在火灾图像检测技术中的优势,提出了一种基于小波变换的YOLOv5火灾检测改进算法。该算法利用二维Haar小波变换提...
由于复杂环境下类烟火物体的干扰,常导致火灾检测误判。为了提高图像中火灾信号的检测精度,减少火灾误报,利用传统光谱分析在火灾图像检测技术中的优势,提出了一种基于小波变换的YOLOv5火灾检测改进算法。该算法利用二维Haar小波变换提取图像的光谱特征,将其输入到YOLOv5s的主干网络CSPDarknet中,与卷积层进行通道上的特征融合,增强烟火的纹理细节特征;通过嵌入CA注意力机制的CAC3模块,对融合小波特征后的网络层的位置信息进行增强,提高网络的信息提取和定位能力;为明确衡量边界框宽高的真实差,平衡烟火难易样本,采用α-EIOU损失函数替换原本的CIOU,提高框定位准确性。在公开的火灾数据基础上结合自制火灾数据构建火灾数据集,并进行模型训练和推理。实验结果表明,改进后算法的mAP比原YOLOv5s提升了2.3%,实现了对火灾场景烟火目标较好的检测效果。
展开更多
关键词
火灾检测
小波变换
YOLOv5
注意力机制
特征融合
下载PDF
职称材料
基于多传感器模糊融合的火灾检测
被引量:
1
18
作者
杨素珍
《九江学院学报(自然科学版)》
CAS
2023年第4期52-56,共5页
文章针对单一传感器信息有限导致火灾检测精度低的问题,提出一种模糊融合多种传感器信息的火灾检测方法。以温度、烟雾浓度和红外火焰信号为模糊输入量,构建多信息模糊融合系统,降低误判率,提高火灾检测的鲁棒性,并通过相似规则合并简...
文章针对单一传感器信息有限导致火灾检测精度低的问题,提出一种模糊融合多种传感器信息的火灾检测方法。以温度、烟雾浓度和红外火焰信号为模糊输入量,构建多信息模糊融合系统,降低误判率,提高火灾检测的鲁棒性,并通过相似规则合并简化模糊系统的推理规则,减小算法计算量,提高火灾检测的实时性。室内环境下的火灾检测实验结果验证了该方法的有效性。
展开更多
关键词
火灾检测
多传感器
模糊系统
信息融合
下载PDF
职称材料
基于改进YOLOv5的火灾检测研究
19
作者
马世森
刘国巍
《无线互联科技》
2023年第4期115-117,共3页
针对传统火灾系统预警不及时、容易误报等问题,文章提出了一种基于改进YOLOv5的火灾检测算法。为了增强网络对火焰的方向和位置信息的敏感度,在模型中引入CA(Coordinate Attention)注意力机制;为了提高回归精度和收敛速度,使用损失函数S...
针对传统火灾系统预警不及时、容易误报等问题,文章提出了一种基于改进YOLOv5的火灾检测算法。为了增强网络对火焰的方向和位置信息的敏感度,在模型中引入CA(Coordinate Attention)注意力机制;为了提高回归精度和收敛速度,使用损失函数SIOU替换CIOU。改进的YOLOv5算法的精确率和平均精度达到了74.2%和69.4%,相较于标准算法的精确率和平均精度提高了8.8%和2.8%,优化定位框和误检情况。实验结果表明,改进的YOLOv5算法模型提高了火灾检测的准确性和实时性。
展开更多
关键词
预警
火灾检测
YOLOv5
注意力机制
损失函数SIOU
下载PDF
职称材料
基于改进YOLO v5的森林火灾检测算法研究
20
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
职称材料
题名
基于多传感器数据融合的机房火灾检测算法
1
作者
张冉
吴云韬
于宝成
徐文霞
机构
智能机器人湖北省重点实验室(武汉工程大学)
武汉工程大学计算机科学与工程学院
出处
《武汉工程大学学报》
CAS
2024年第1期79-84,共6页
基金
湖北省重点研发计划项目(NO.2022BAA052)
湖北三峡实验室开放基金(SC215001)。
文摘
针对机房传统单传感器报警系统存在漏报率高、准确率低等问题,提出了一种基于多传感器数据融合的机房火灾检测算法。该算法首先采用寻优能力强的麻雀搜索算法(SSA)优化极限学习机(ELM)的预测精度和准确度。其次通过SSA-ELM算法模型对机房内多传感器采集的温度、烟雾浓度、CO浓度进行特征层数据融合,输出各火情概率。最后利用模糊推理将输出的各火情概率和火灾持续时间在决策层中进行特征融合,决策出火情警报等级。仿真实验表明:本文算法能根据多传感器数据融合的结果并结合不同危险等级区域给出合理的警报决策,极大提高了机房火灾检测的灵活性和准确性。
关键词
火灾检测
SSA-ELM
多传感器
模糊推理
Keywords
fire detection
SSA-ELM
multi-sensor
fuzzy reasoning
分类号
TN911 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
融合注意力机制的轻量级火灾检测模型
2
作者
曹康壮
焦双健
机构
中国海洋大学工程学院
出处
《消防科学与技术》
CAS
北大核心
2024年第3期378-383,共6页
文摘
基于视觉信息的火灾检测对消防工作具有重要意义,但现阶段相关研究提出的方法大多是基于高性能的硬件设备开展,这限制了相关成果的实际应用。在YOLOv5目标检测算法基础上使用ShuffleNetv2网络为主干构造轻量化模型,并引入SIoU损失函数提高模型目标框的定位精度,同时在模型中添加Shuffle Attention注意力机制,提高在复杂环境下对目标火焰的识别精度。试验证明,与YOLOv5原模型相比,改进后的模型在实现更好识别效果的同时,参数量减少了54.2%,检测速度提升了40.5%。将模型部署嵌入式设备验证其应用效率,结果显示,模型在实现32帧/s检测速度的同时维持了较好的识别效果。
关键词
卷积神经网络
火灾检测
YOLOv5
注意力机制
JetsonNano
Keywords
convolutional neural networks
fire monitoring
Yolov5
attention module
Jetson Nano
分类号
X928.7 [环境科学与工程—安全科学]
TP399 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进YOLOv8的森林火灾检测算法研究
3
作者
陈义啸
沈景凤
仲梁维
机构
上海理工大学机械工程学院
出处
《软件工程》
2024年第2期49-54,共6页
文摘
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。
关键词
YOLOv8
CBAM注意力机制
森林
火灾检测
Keywords
YOLOv8
CBAM attention mechanism
forest fire detection
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进YOLOv8的火灾检测算法研究
4
作者
焦瑜帆
赵建光
机构
河北建筑工程学院
出处
《长江信息通信》
2024年第2期72-74,89,共4页
基金
张家口市2023年市级科技计划财政资助项目,项目名称:基于深度学习的轨道安全智能监控预警关键技术研究,项目编号:2311010A
项目名称为张家口市2022年度基础研究专项,基于深度学习的数据采集与集成研究(2221008A)。
文摘
如今,火灾问题是全世界人民都不得不面对的一个重大性灾难。随着经济快速发展,社会财富日趋增加,城市规模逐步扩大,消防工作的重要性就越来越突出。然而当前广泛使用的还是传统的依靠光感、烟感或者温感等物理传感器设备进行火灾预警检测,这种方法的信息单一导致范围有限,难以达到复杂环境下的火灾实时检测要求,因此引入YOLOv8网络模型对火灾进行检测。文章对YOLOv8算法和主要结构进行介绍,搭建实验环境,将图片进行标注工作,建立自制数据集,对数据集进行算法训练,再对训练好的模型进行预测,通过实验效果,进行分析数据,深入讨论火灾防护技术的未来发展方向。
关键词
火灾检测
yolo
目标
检测
Keywords
fire detection
yolo
Object detection
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
融合自适应注意力的多尺度火灾检测算法
5
作者
梁煜
陈童
张为
机构
天津大学微电子学院
出处
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2024年第1期91-101,共11页
基金
国家重点研发计划课题(2020YFC1522405)
天津市新一代人工智能科技重大专项(19ZXZNGX00030)。
文摘
针对实际场景下火灾检测准确度不高的现象,根据火灾自身特征提出了一种基于Anchor-free结构的火灾检测算法.将特征提取网络残差模块设计为多分支结构,并在其基础上嵌入根据火焰特征设计的自适应注意力模块,提取出更具表达力的火焰特征.添加亚像素融合,利用高层特征丰富的通道信息增强多尺度特征的表达能力.设计特征增强模块强化最高层特征表示,更好地利用全局空间信息.引入自适应标签分配,强化网络对火焰特征的学习效果.利用改进后的GIoU Loss损失函数对边界框精细回归.该算法在自建数据集上的检测精度达到了94.9%,在公开数据集上也有较好的检测效果,且抗干扰能力强,适用于各种环境下的火灾检测,能够满足实际场景下火灾检测任务的需要.
关键词
深度学习
火灾检测
自适应注意力
多尺度特征增强
Keywords
deep learning
fire detection
adaptive attention
multi-scale feature enhancement
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于FireNet的古建筑火灾检测方法研究及改进
6
作者
陈庆典
钟晨
刘慧
王晓辉
机构
北京建筑大学电气与信息工程学院
应急管理部沈阳消防研究所
建筑大数据智能处理方法研究北京市重点实验室
出处
《消防科学与技术》
CAS
北大核心
2024年第2期183-188,共6页
基金
国家重点研发计划课题(2020YFC1522804)。
文摘
针对古建筑火灾检测需要快速、准确及实时的需求,建立了一个专门用于古建筑火灾检测的数据集,用于古建筑火灾检测的深度学习研究。利用CBAM注意力机制模块,结合多尺度特征融合,对FireNet网络进行改进,提出适用于古建筑火灾检测的轻量级FireNet-AMF网络,在FireNet数据集和本文构建的古建筑火灾检测数据集上验证了FireNet-AMF网络的火灾检测能力。与改进前的网络相比,FireNet-AMF网络在FireNet数据集上对火灾识别的准确率达到了95.08%,与原网络相比提高了1.17%,在本文构建的古建筑火灾检测数据集上的准确率达到了95.62%,比原网络提高了1.62%。该网络在保证轻量级的同时也保证了在古建筑火灾检测中较高的检测精度。
关键词
古建筑
火灾检测
图像分类
FireNet
注意力机制
多尺度特征融合
Keywords
historical building
fire detection
image classification
FireNet
attention mechanism
multi-scale feature fusion
分类号
X913.4 [环境科学与工程—安全科学]
TU998.1 [建筑科学—市政工程]
下载PDF
职称材料
题名
基于机器视觉的景区火灾检测方法
7
作者
汤云超
周翰
邢秀青
刘占勇
机构
中华通信系统有限责任公司
河北地质大学城市地质与工程学院
中车唐山机车车辆有限公司
出处
《计算机与网络》
2024年第2期163-170,共8页
文摘
随着人类活动的增加和全球气候变化,火灾事故在自然景区内发生的频率越来越高。为了及时发现和处理火灾,提出了一种基于机器视觉的景区火灾检测方法。通过空中无人机和地面视频监控设施收集景区的实时图像,采用卷积神经网络(Convolutional Neural Network,CNN)的深度学习模型对图像进行分析,用以检测火灾的发生。研究采用了轻量级的神经网络SqueezeNet、ShuffleNet、MobileNet_v2以及ResNet-50进行火灾识别。为了模拟九寨沟景区实地情况,选择复杂度较低的检测算法,还进行了跨数据集识别评估,并将其与复杂度较高的ResNet-50进行了比较,最终得出通过基于ResNet-18进行图像语义分割的方法,识别结果的分类准确率达到96%,验证了方法具有更好的鲁棒性。
关键词
火灾检测
机器视觉
深度学习
卷积神经网络
Keywords
fire detection
machine vision
deep learning
CNN
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于YOLOv5的改进火灾检测算法
8
作者
曾泓翔
文志诚
机构
湖南工业大学计算机学院
出处
《信息与电脑》
2024年第2期73-78,82,共7页
基金
国家自然科学基金(项目编号:62072172)
湖南省自然科技基金(项目编号:2022JJ50077,2022-2024)。
文摘
针对火灾场景下现有目标检测算法对起火目标的漏检误检问题,提出一种基于改进YOLOv5的火灾检测算法。该算法引入Ghost-Atrous模块,能够在不增加卷积核大小和数量的情况下扩大感受野,从而替代普通“卷积+池化层”的组合,以避免特征信息丢失,同时减少参数量和运算量;使用CBAM-Atrous注意力模块强化对重要特征的提取;采用EIOU-NMS进行非极大值抑制,更好地解决误检漏检问题。实验结果表明,改进后的算法在火灾数据集上相比于原始YOLOv5算法mAP@0.5提高了4.3个百分点;相比于其他主流的目标检测算法,mAP@0.5提高了0.3~8.0个百分点,同样具有一定的优越性。
关键词
深度学习
YOLOv5算法
火灾检测
Ghost-Atrous
空洞卷积
Keywords
deep learning
YOLOv5 algorithm
fire detection
Ghost-Atrous
atrous convolution
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
深度学习在森林火灾检测中的研究进展
被引量:
10
9
作者
王丽霞
夏雪
高凡
刘强
董霙达
郜晓晶
机构
内蒙古农业大学计算机与信息工程学院
出处
《林产工业》
北大核心
2023年第11期88-92,共5页
基金
内蒙古自治区自然科学基金项目(2021MS03087)
内蒙高等学校科学研究项目“基于特征融合的多形态可见光牧草图像识别技术的研究”(NJZY21492)。
文摘
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。
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
Keywords
Forest fire detection
Deep learning
Feature extraction
Image classification
Predictive tracking
分类号
TS3 [轻工技术与工程]
TS396 [轻工技术与工程]
下载PDF
职称材料
题名
基于改进教师学生网络的隧道火灾检测
10
作者
宋焕生
文雅
孙士杰
宋翔宇
张朝阳
李旭
机构
长安大学信息工程学院
斯威本科技大学软件与电气工程学院
出处
《图学学报》
CSCD
北大核心
2023年第5期978-987,共10页
基金
国家自然科学基金项目(62006026,62072053,U21B2041)。
文摘
隧道空间狭小,封闭性高,当发生火灾时,火势会迅速蔓延,导致救援难度增大,严重危害人们的生命财产安全。现有隧道火灾检测方法精度低且数据集匮乏,针对上述问题,提出一种基于改进教师学生网络的隧道火灾检测方法。首先,通过无监督学习对没有火灾的样本进行训练从而检测火灾,可以弥补隧道火灾数据集匮乏的问题,同时采用相同结构的学生网络和教师网络组成整体网络结构,在用于知识蒸馏的残差块中加入注意力机制以减少重要信息损失,过滤无关信息,其次用Mish激活函数代替Relu激活函数以提高网络性能,最后引入SPD-Conv模块代替跨步卷积层和池化层以提高较小火灾区域的检测精度。实验结果表明:改进的教师学生网络在自制隧道火灾数据集的像素级AUC-ROC和图像级AUC-ROC分别达到0.93和0.82,与现有隧道火灾检测算法相比,该模型检测精度均高于其他模型,验证了该模型的有效性。
关键词
隧道
火灾检测
教师学生网络
无监督学习
注意力机制
Mish激活函数
SPD-Conv
Keywords
tunnel fire detection
student-teacher network
unsupervised learning
attention mechanism
Mish activation function
SPD-Conv
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
改进YOLOv5算法在停车场火灾检测中的应用
11
作者
张震
晋志华
陈可鑫
机构
郑州大学电气与信息工程学院
郑州大学计算机与人工智能学院
出处
《郑州大学学报(工学版)》
CAS
北大核心
2023年第4期16-21,共6页
基金
国家重点研发计划项目(2018**********)
河南省重大公益专项(201300311200)。
文摘
针对传统传感器对于地下停车场火灾检测不及时、目标检测对小型火焰目标检测效果较差等问题,提出了一种改进的YOLOv5火灾检测算法。为了提高检测算法对小型火焰目标的检测效果,在YOLOv5s网络骨干中增加小目标检测层;为了增强火焰特征的表达,提出了一种基于CA注意力机制的间隔注意力结构;为了提升定位精度、降低目标漏检率,将GIoU替换为CIoU。设计了3组消融实验以及1组对比实验用来验证所提算法的有效性。实验结果表明:所提算法在自定义数据集上的mAP_(0.5)、召回率R分别为92%、96.9%。与YOLOv5s模型相比,所提算法在自定义火焰数据集上的mAP_(0.5)提升了1.8百分点,R提升了2.0百分点。所提算法权重大小仅为16.4 MB,帧率能达到113帧/s,具有较小的模型体积以及较快的检测速度,且能够准确检出小型火焰目标,有效提升了地下停车场火灾防范能力。
关键词
地下停车场
火灾检测
YOLOv5
坐标注意力
CIoU损失函数
Keywords
underground parking
fire detection
YOLOv5
coordinate attention
CIoU loss function
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于YOLOv5s的轻量化森林火灾检测算法研究
被引量:
14
12
作者
皮骏
刘宇恒
李久昊
机构
中国民航大学交通科学与工程学院
出处
《图学学报》
CSCD
北大核心
2023年第1期26-32,共7页
文摘
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。
关键词
目标
检测
YOLOv5s
轻量化
位置注意力模块
森林
火灾检测
Keywords
object detection
YOLOv5s
light-weight
positional attention module
forest fire detection
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于轻量化YOLOv4的火灾检测识别算法
13
作者
郝新泽
施一萍
邓源
秦瑶
刘瑾
机构
上海工程技术大学电子电气工程学院
出处
《传感器与微系统》
CSCD
北大核心
2023年第8期143-147,共5页
基金
国家自然科学基金资助项目(61701296)。
文摘
为了满足火灾实时蔓延对检测速度和准确率的更高要求,在YOLOv4的基础上,提出了一种轻量化火灾检测方法。将改进的MobileNetV3作为主干特征提取网络来降低模型复杂度,提高火灾检测速度,并引入高效通道注意力(ECA)机制模块,有效地捕获了跨通道交互,增强了对火灾目标区域的重点关注。在加强特征提取网络部分,采用了加权双向特征金字塔(BiFPN)网络结构,不增加额外参数的同时,融合了更多不同尺度的特征,对不同大小火灾区域的检测精度有了显著提升。实验结果表明:所提方法具有较好的火灾检测效果,在自建的数据集上,平均精度达到了86.4%,检测速度达到了58 fps,相较于原模型,分别提升了2.3%和24 fps,同时模型大小缩减了79%。
关键词
火灾检测
深度学习
注意力机制
多尺度特征融合
深度可分离卷积
Keywords
fire detection
deep learning
attention mechanism
multi-scale feature fusion
depthwise separable convolution
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于YOLOv3和光流的船舶火灾检测
14
作者
马世玲
袁伟
俞孟蕻
机构
江苏科技大学计算机学院
江苏科技大学电子信息学院
出处
《计算机与数字工程》
2023年第7期1675-1680,共6页
文摘
为了提高船舶火灾检测的检测效率,在基于视频的方式下,提出将原始帧和光流融合的深度学习检测方法。首先,利用模拟试验和部分公开数据集建立火灾视频数据集;其次,对火灾视频进行处理,提取原始帧和对应的光流;然后,使用像素级融合的方法融合原始帧和光流,充分利用视频的静态信息和动态信息;最后,使用YOLOv3算法,并利用迁移学习方法,实现火灾检测模型的训练。实验结果表明,所用算法能够更有效地识别烟雾和火焰,显著地减少了火灾视频中的误检情况,进行抽帧检测时能够满足实时检测的要求。
关键词
火灾检测
YOLOv3
光流
船舶
Keywords
fire detection
YOLOv3
optical flow
ship
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于BSO-ELM算法的火灾检测研究
15
作者
韩磊
曲娜
隋宇凡
谭丽丽
机构
沈阳航空航天大学安全与工程学院
出处
《消防科学与技术》
CAS
北大核心
2023年第1期103-106,共4页
基金
国家自然科学基金项目(61901283)。
文摘
火灾作为一种全球性的灾难性事件,短时间内产生的烟雾和火焰就可以对人的生命财产造成严重损失。针对目前火灾检测误报率和漏报率较高的问题,提出了一种使用BSO-ELM(天牛群算法-优化极限学习机)的新型火灾检测算法,优化了极限学习机寻找最优权值和阈值的能力,提高了极限学习机的泛化能力和准确率。通过PyroSim软件进行仿真,产生样本数据,对BSO-ELM进行训练,并通过与未经优化的极限学习机和粒子群算法优化的极限学习机(PSO-ELM)进行对比,验证了天牛群优化极限学习机算法的优越性。
关键词
火灾检测
算法
PyroSim
天牛群算法
极限学习机
粒子群算法
Keywords
fire detection algorithm
PyroSim
beetle swarm optimization
extreme learning machine
particle swarm algorithm
分类号
X932 [环境科学与工程—安全科学]
TP391.9 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进YOLOX-S的火灾检测方法
16
作者
路佩东
范菁
曲金帅
孙书魁
机构
云南民族大学电气信息工程学院
云南省高校信息与通信安全灾备重点实验室
出处
《云南民族大学学报(自然科学版)》
CAS
2023年第6期771-778,共8页
基金
国家自然科学基金(61540063)
云南省教育厅科学研究基金(2023Y0500)。
文摘
针对传统火灾检测算法存在检测精度不高,检测速度慢等问题,该算法对当前目标检测领域检测效果较好的YOLOX-S算法改进,提出适合于火灾检测这一特殊领域的检测算法YOLOX-IMP.在YOLOX-S算法基础上,通过对预测头部分多尺度检测的改进,将原来的3尺度改为4尺度检测,对YOLOX-S算法的损失函数改进,在YOLOX-S预测头部分添加SENet注意力,提高火灾检测的检测精度.实验结果表明,改进后算法YOLOX-IMP精确度和mAP值分别提高了2.9%,2.3%,在检测速度未明显下降情况下,该算法火灾检测精度相比YOLOX-S算法有较大提升,证明该算法的可行性.
关键词
火灾检测
YOLOX-IMP
多尺度
检测
损失函数
注意力机制SENet
Keywords
fire detection
YOLOX-IMP
multi-scale detection
loss function
the attentional mechanism SENet
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种基于小波变换的YOLOv5火灾检测改进算法
17
作者
章曙光
唐锐
邵政瑞
鲍锐
机构
安徽建筑大学电子与信息工程学院
安徽建筑大学信息网络中心
出处
《无线电工程》
北大核心
2023年第10期2303-2310,共8页
基金
安徽省高校协同创新项目(GXXT-2021-093)
安徽省重点研究与开发计划项目(202004a07020050)
基于国产智能芯片的宿舍安全管理平台应用开发服务(HYB20200190)。
文摘
由于复杂环境下类烟火物体的干扰,常导致火灾检测误判。为了提高图像中火灾信号的检测精度,减少火灾误报,利用传统光谱分析在火灾图像检测技术中的优势,提出了一种基于小波变换的YOLOv5火灾检测改进算法。该算法利用二维Haar小波变换提取图像的光谱特征,将其输入到YOLOv5s的主干网络CSPDarknet中,与卷积层进行通道上的特征融合,增强烟火的纹理细节特征;通过嵌入CA注意力机制的CAC3模块,对融合小波特征后的网络层的位置信息进行增强,提高网络的信息提取和定位能力;为明确衡量边界框宽高的真实差,平衡烟火难易样本,采用α-EIOU损失函数替换原本的CIOU,提高框定位准确性。在公开的火灾数据基础上结合自制火灾数据构建火灾数据集,并进行模型训练和推理。实验结果表明,改进后算法的mAP比原YOLOv5s提升了2.3%,实现了对火灾场景烟火目标较好的检测效果。
关键词
火灾检测
小波变换
YOLOv5
注意力机制
特征融合
Keywords
fire detection
wavelet transform
YOLOv5
attention mechanism
feature fusion
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于多传感器模糊融合的火灾检测
被引量:
1
18
作者
杨素珍
机构
漳州职业技术学院智能制造学院
福建省特种装备安全与测控重点实验室
出处
《九江学院学报(自然科学版)》
CAS
2023年第4期52-56,共5页
基金
福建省中青年教师教育科研项目(JAT201276)的研究成果之一。
文摘
文章针对单一传感器信息有限导致火灾检测精度低的问题,提出一种模糊融合多种传感器信息的火灾检测方法。以温度、烟雾浓度和红外火焰信号为模糊输入量,构建多信息模糊融合系统,降低误判率,提高火灾检测的鲁棒性,并通过相似规则合并简化模糊系统的推理规则,减小算法计算量,提高火灾检测的实时性。室内环境下的火灾检测实验结果验证了该方法的有效性。
关键词
火灾检测
多传感器
模糊系统
信息融合
Keywords
fire detection
multiple sensors
fuzzy system
information fusion
分类号
TP27 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于改进YOLOv5的火灾检测研究
19
作者
马世森
刘国巍
机构
安徽理工大学电气与信息工程学院
出处
《无线互联科技》
2023年第4期115-117,共3页
文摘
针对传统火灾系统预警不及时、容易误报等问题,文章提出了一种基于改进YOLOv5的火灾检测算法。为了增强网络对火焰的方向和位置信息的敏感度,在模型中引入CA(Coordinate Attention)注意力机制;为了提高回归精度和收敛速度,使用损失函数SIOU替换CIOU。改进的YOLOv5算法的精确率和平均精度达到了74.2%和69.4%,相较于标准算法的精确率和平均精度提高了8.8%和2.8%,优化定位框和误检情况。实验结果表明,改进的YOLOv5算法模型提高了火灾检测的准确性和实时性。
关键词
预警
火灾检测
YOLOv5
注意力机制
损失函数SIOU
Keywords
early warning
fire detection
YOLOv5
attention mechanism
loss function SIOU
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进YOLO v5的森林火灾检测算法研究
20
作者
何盼霞
张梅
齐至家
机构
安徽理工大学电气与信息工程学院
出处
《兰州工业学院学报》
2023年第4期73-78,共6页
基金
安徽高校自然科学研究项目(KJ2020A0309)
国家自然科学基金资助项目(51874010)。
文摘
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。
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
Keywords
forest fire detection
YOLO v5
object detection
feature pyramids
attention mechanisms
upsampling
分类号
X932 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多传感器数据融合的机房火灾检测算法
张冉
吴云韬
于宝成
徐文霞
《武汉工程大学学报》
CAS
2024
0
下载PDF
职称材料
2
融合注意力机制的轻量级火灾检测模型
曹康壮
焦双健
《消防科学与技术》
CAS
北大核心
2024
0
下载PDF
职称材料
3
基于改进YOLOv8的森林火灾检测算法研究
陈义啸
沈景凤
仲梁维
《软件工程》
2024
0
下载PDF
职称材料
4
基于改进YOLOv8的火灾检测算法研究
焦瑜帆
赵建光
《长江信息通信》
2024
0
下载PDF
职称材料
5
融合自适应注意力的多尺度火灾检测算法
梁煜
陈童
张为
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
6
基于FireNet的古建筑火灾检测方法研究及改进
陈庆典
钟晨
刘慧
王晓辉
《消防科学与技术》
CAS
北大核心
2024
0
下载PDF
职称材料
7
基于机器视觉的景区火灾检测方法
汤云超
周翰
邢秀青
刘占勇
《计算机与网络》
2024
0
下载PDF
职称材料
8
基于YOLOv5的改进火灾检测算法
曾泓翔
文志诚
《信息与电脑》
2024
0
下载PDF
职称材料
9
深度学习在森林火灾检测中的研究进展
王丽霞
夏雪
高凡
刘强
董霙达
郜晓晶
《林产工业》
北大核心
2023
10
下载PDF
职称材料
10
基于改进教师学生网络的隧道火灾检测
宋焕生
文雅
孙士杰
宋翔宇
张朝阳
李旭
《图学学报》
CSCD
北大核心
2023
0
下载PDF
职称材料
11
改进YOLOv5算法在停车场火灾检测中的应用
张震
晋志华
陈可鑫
《郑州大学学报(工学版)》
CAS
北大核心
2023
0
下载PDF
职称材料
12
基于YOLOv5s的轻量化森林火灾检测算法研究
皮骏
刘宇恒
李久昊
《图学学报》
CSCD
北大核心
2023
14
下载PDF
职称材料
13
基于轻量化YOLOv4的火灾检测识别算法
郝新泽
施一萍
邓源
秦瑶
刘瑾
《传感器与微系统》
CSCD
北大核心
2023
0
下载PDF
职称材料
14
基于YOLOv3和光流的船舶火灾检测
马世玲
袁伟
俞孟蕻
《计算机与数字工程》
2023
0
下载PDF
职称材料
15
基于BSO-ELM算法的火灾检测研究
韩磊
曲娜
隋宇凡
谭丽丽
《消防科学与技术》
CAS
北大核心
2023
0
下载PDF
职称材料
16
基于改进YOLOX-S的火灾检测方法
路佩东
范菁
曲金帅
孙书魁
《云南民族大学学报(自然科学版)》
CAS
2023
0
下载PDF
职称材料
17
一种基于小波变换的YOLOv5火灾检测改进算法
章曙光
唐锐
邵政瑞
鲍锐
《无线电工程》
北大核心
2023
0
下载PDF
职称材料
18
基于多传感器模糊融合的火灾检测
杨素珍
《九江学院学报(自然科学版)》
CAS
2023
1
下载PDF
职称材料
19
基于改进YOLOv5的火灾检测研究
马世森
刘国巍
《无线互联科技》
2023
0
下载PDF
职称材料
20
基于改进YOLO v5的森林火灾检测算法研究
何盼霞
张梅
齐至家
《兰州工业学院学报》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
2
…
14
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部