基于YOLO模型的火焰图像检测  

作　　者：李钰冰 冯泽文 王强[1] 崔志浩 许奇 

机构地区：[1]太原科技大学

出　　处：《电子世界》2020年第12期28-29,共2页Electronics World

基　　金：山西省大学生创新创业训练项目“多模特征融合的火焰烟雾视频监控系统设计”(项目编号:2019358)。

摘　　要：由于YOLOv1、YOLOv2在小目标的检测上表现不佳,YOLOv3模型中引入特征金字塔网络(FPN)以及残差网络(RS-net)后,检测性能得到很大的提升,本文采用YOLOv3模型实现对不同环境下的火焰图像进行检测。首先建立了火焰图像数据集,并对其进行标注,其次用标注好的图片在linux操作平台下对YOLOv3模型进行训练,得到合适的加权系数,使模型损失函数值最小,最后将训练好的模型对实际环境下火焰进行检测。实验结果显示,不同场景下火焰检测的准确率和实时性都比较好。

关 键 词：操作平台 火焰图像 特征金字塔 损失函数 加权系数 火焰检测 残差网络 实时性 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]