基于深度学习的消防器材自动识别研究

• 作者: 李小玄 董雷
• 来源期刊: 电子设计工程
• 关键词: 目标检测 计算机视觉 YOLOv3 卷积神经网络 深度学习
• 年，卷（期）: 2021,（19）
• 所属期刊栏目: 计算机技术与应用|Computer Technology Application
• 页码范围: 53-57
• 页数: 5页
• 分类号: TN919
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.19.011

摘要

在智慧消防城市救援平台项目中,定位建筑内消防器材位置的前提是准确识别建筑图纸上消防器材图标,只有精准地识别建筑图纸上的消防器材,救援平台才能为消防救援行动提供有效支撑.针对手动录入建筑楼层消防信息效率低下的问题,文中提出了一种在darknet框架下利用YOLOv3算法来实现的基于深度学习的消防器材自动识别方案.通过收集数据集,下载预训练文件,使用YOLOv3算法进行自训练的方法,达到在消防器材图标数量和种类众多的建筑图纸上实现对消防器材图标准确识别与位置输出的目的.实验结果表明,消防器材自动识别方案能显著提高智慧消防城市救援平台项目中建筑图纸上消防器材图标录入的效率,具有很强的可靠性.