基于深度学习的早期火灾预警算法

摘要：

传统火灾预警方法存在检测精度低、未发生火灾时不能及时预警的问题,提出一种基于深度学习的早期火灾预警算法.首先,使用红外热像仪采集特定场景中的红外图像,构建数据集;其次,使用改进的YOLOv4算法进行训练得到网络权重,在主干网络的3个输出特征层后引入卷积注意力模块,提升网络对关键信息的提取能力;在主干网络和路径聚合网络中增加卷积层,提高特征提取的能力;最后,使用提出的智能火灾检测(intelligent fire detection,IFD)算法对预测图像处理并根据得分评估火灾隐患.实验结果表明,改进YOLOv4算法在数据集上的mAP达到98.31％,比原始YOLOv4算法的mAP提高了2.7％,FPS达到37.1 f/s,IFD算法精确度为93％,误检率为3.2％.提出的早期火灾预警算法具有检测精度高,未形成火灾时及时预警的优点.

关键词：深度学习、早期火灾预警、YOLOv4、卷积注意力模块、智能火灾检测

所属期刊栏目：31

分类号：TP391.41;TN957.52;TN215

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：230-237