基于YOLO v3的火源预警监控系统研究

摘要：

在火灾发生初期,若对火源进行探测、预警以及定位就可以有效地保障人员的安全,避免财产损失.然而,由于火源现场环境复杂且存在诸多潜在风险,传统监控系统易出现漏判、误判等问题.随着图像识别技术的不断发展,利用图像增强以及深度学习的方法,基于YOLO v3搭建火源预警监控系统,可有效提高传统监控方法的检测准确率.同时,采用虚拟现实仿真以及图像滤波等方法进行增广,既保障高质量的训练数据集收集和准确标注,又可以实现识别多样性.在416×416的输入尺寸下,该系统满足火源检测需求,且在光线不佳、小目标等复杂环境下,该系统具有良好的火源识别与预警能力.

关键词：图像增广;深度学习;YOLO v3;目标检测;火源预警

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家工信部智能制造综合标准化与新模式专项项目;福建省市场监督局科技项目

在线出版日期：2021-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1383-1387