基于视觉的火灾检测研究

摘要：

为解决传统传感器在检测火灾的过程中受到环境、安装距离等因素影响导致适应性差的缺点,本文基于视觉传感器,通过视觉目标检测技术对火灾进行检测,从而实现火灾的预警.首先,为了提高轻量级的目标检测网络(You Only Look Once v4 Tiny,YOLOv4-Tiny)在检测火灾目标时的准确率,本文基于森林火灾的数据集,运用二分K-Means聚类算法重新生成锚定框(Anchor Box).然后,在传统YOLOv4-Tiny网络的基础上通过增加大尺度预测结果的方式,降低漏检率.最后,本文结合预训练权重重新训练火灾检测网络,并在英伟达板卡上进行部署实验.实验结果表明,本文的火灾检测网络在测试数据集上的准确率为97.81％,漏检率为4.83％,与原始YOLOv4-Tiny相比,准确率提高了3.13％,漏检率降低了6.44％,检测速度达到了16帧/s,综合性能良好,满足火灾检测的需求.

关键词：火灾检测;YOLOv4-Tiny;二分K-Means;锚定框;多尺度预测

所属期刊栏目：38

分类号：S762.2(森林保护学)

资助基金：南通市基础科学研究项目JC2021065

在线出版日期：2022-03-25（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：86-92,100