基于YOLOv5的矿井火灾视频图像智能识别方法

摘要：

针对煤矿井下光照分布不均匀造成视频图像失真,火灾识别精度低等问题,提出了一种矿井火灾视频图像智能识别方法.该方法以YOLOv5为识别模型,采用K-means算法对传统的暗通道图像去雾算法进行改进,并用改进算法对采集的火焰图像进行去雾处理,提高矿井火灾视频图像识别精度;为减少静态背景对火灾识别的影响,采用帧差法与混合高斯模型融合算法,对动态演化的火焰图像进行特征提取,并采用形态学处理算法消除图像中存在的缺口,从而得到更加完整的火焰目标图像;对火灾视频图像数据集进行标注,并输入到YOLOv5算法模型进行训练及测试.结果表明:基于YOLOv5的矿井火灾视频图像智能识别方法平均精度为92％,损失函数为0.6,比传统算法Alexnet,VGG16,Inceptionv3的平均精度分别高9.6％,13.5％,4.9％,表明该方法检测速度快、精度高,可有效提高矿井火灾识别准确率.

关键词：矿井火灾;视频图像智能识别;YOLOv5;K-means;暗通道去雾算法;帧差法;混合高斯模型

所属期刊栏目：47

分类号：TD752(矿山安全与劳动保护)

资助基金：国家重点研发计划项目;国家自然科学基金项目

在线出版日期：2021-10-12（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：53-57