基于机器视觉和深度学习的检测技术应用研究  

作　　者：黄侃[1] 

机构地区：[1]江西交通职业技术学院,江西南昌330013

出　　处：《新潮电子》2024年第8期100-102,共3页

基　　金：江西省教育厅科学技术研究项目:基于机器视觉及深度学习的学生课堂行为检测技术研究(项目编号:204605),主持人:黄侃;江西省交通运输厅2022年度科技项目:基于深度学习的隧道运动火源火灾识别检测系统研究与设计(编号:2022H0029),主持人:黄侃;江西省教育科学“十四五”规划2022年度重点课题:共生理论视域下高职产业学院影响因素及其增益效应的实证研究(编号:22GZZD002),主持人:黄侃。

摘　　要：火灾事故已成为当前社会破坏程度较深、公共危害较大的事故之一,对其进行早期的监测和检测就显得尤为重要,受到相关技术应用成本、检测范围等方面的限制,传统火灾检测预警的技术在广阔的森林等大面积开放区域往往效果不佳。本文采用公开的森林火灾数据集,在YOLO模型的基础上,利用测试数据集对结果值进行检测和提取,在火焰图像区域周围增加项目检测框,预测百分比等结果,同时用Recall、Precision、Average Precision AP等参数对预测结果进行评价。结果显示,Y0L0模型可以准确地框出图中火焰的位置,说明该模型已经检测到了火焰的中心区域,并且经过优化后大部分图像的检测结果都非常准确。同时,当背景相对简单时,网络的精度较好,但光线不会干扰检测结果,导致网络误检。本文对所有测试结果进行了评价,当模型迭代到epoch 100时,目标检测效果良好。

关 键 词：机器视觉 深度学习 森林火灾检测 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]