基于改进YOLOv5的阻燃材料燃烧时间检测  

作　　者：王林 

机构地区：[1]上海煤科检测技术有限公司,上海201401

出　　处：《电脑知识与技术》2023年第36期25-29,33,共6页Computer Knowledge and Technology

摘　　要：阻燃材料的阻燃性能主要通过对其进行火焰延燃性能测试,如延燃时间、火焰扩展长度等指标。传统的人工秒表计时、基于图像匹配的计算机视觉检测等方法都具有明显的不足之处,如延时过高、识别精度不高等。将深度学习技术运用在阻燃性能测试中,可以实现延燃时间计算的自动化,有效降低人工秒表计时产生的延迟,是一个非常具有实用价值的研究方向,受到了各类研究人员的关注。相对于传统的基于匹配的目标识别算法,深度学习技术可以大大提高识别的精确度,更能从图像中提取高级特征。然而,现有的深度学习模型也存在泛化能力较弱、对小目标检测能力较弱的问题。为了解决这些问题,本文提出了一种改进的YOLOv5s模型,检测阻燃材料的燃烧时间。该模型对原有YOLOv5模型的颈部进行调整,将用于多尺度特征融合的路径聚合网络替换成同样具有多尺度特征融合能力的特征金字塔,在维持原有功能的前提下提高了模型的精度;同时,通过更换颈部核心的方法,降低了模型推理所需的计算量。实验表明,使用阻燃实验专用数据集,可以使模型识别出阻燃材料的小火星;使用改进后的YOLOv5s模型,模型的精确度得到了提高:在0.2置信度上,火焰识别精确率提升了0.43,所有类别精确度提升了0.26。同时在自有数据集下能够准确检测阻燃材料的燃烧时间。

关 键 词：阻燃材料 延燃测试 YOLOv5 特征金字塔 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]