关键词:
阴燃火
火灾检测
YOLOv7
红外探测
摘要:
目前,基于机器视觉的火灾检测算法中数据集类型不充分、数据集在时间维度覆盖不全面,致使此类算法难以实现火灾的早期预警,文中提出了基于改进YOLOv7的红外阴燃探测方法.该算法利用EfficientFormerV2模型替换原模型的骨干网络CSPDarknet53,从而增强了模型低延迟、低参数量、易部署的能力;同时,在预测网络中,采用CARAFE轻量化上采样模块代替原模型中的上采样模块,扩大了模型对特征的感受野,改善了阴燃特征的表示能力;此外,还引入了新的NWD度量来提升模型边界框预测能力.结果表明,在自建阴燃数据集上,该算法的平均精度达到92.9%,对阴燃检测的平均精度达到99.6%,比YOLOv7的精度提升了14.4%,较基于手工提取特征的卷积神经网络算法提升了4.6%.研究成果将为阴燃火早期预警提供新思路.