复杂场景下基于CNN的轻量火焰检测方法

• 作者: 李欣健 张大胜 孙利雷 徐勇
• 来源期刊: 模式识别与人工智能
• 关键词: 火焰检测 目标检测 YOLO算法 数据增强 深度可分离卷积
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: “视觉目标检测、判别与跟踪”专题|Special Research on Detection,Discrimination and Tracking of Visual Object
• 页码范围: 415-422
• 页数: 8页
• 分类号: TP389.1
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202105004

摘要

已有的火灾检测方法往往依赖高性能的机器,在嵌入式端和移动端检测速度较慢、误检率较高,尤其是无法解决小尺度火焰漏检问题.针对上述问题,文中提出基于YOLO的火焰检测方法.使用深度可分离卷积改进火焰检测模型的网络结构,并使用多种数据增强技术与基于边框的损失函数以提高精度.通过参数调优,在保证检测准确率的情况下,实现在嵌入式移动系统上21 ms的实时火灾探测.实验表明,文中方法在火焰数据集上的精度和速度都有所提高.