基于深度学习算法的化工园区火灾检测方法  

作　　者：张硕羲 姚涵文 曹存盼 任佳亮 臧亚宁 ZHANG Shuoxi;YAO Hanwen;CAO Cunpan;REN Jialiang;ZANG Yaning

机构地区：[1]中国石油兰州石化公司,甘肃兰州730000 [2]国网乐山供电公司,四川乐山614000

出　　处：《信息技术与信息化》2025年第2期117-120,共4页Information Technology and Informatization

摘　　要：针对当前化工园区火灾检测方法的准确率低且响应慢等问题,文章提出一种基于YOLOv3算法模型改进的化工园区火灾检测方法。首先,通过对标签平滑算法进行了参数优化,然后对火灾数据集进行处理,提高不同类别之间的分类效果,从而避免模型在训练过程中出现过拟合;其次,对特征提取结构进行改进,通过重构特征金字塔结构替换原YOLOv3算法模型中的DarkNet53的部分网络层,对不同尺度的目标特征信息进行融合,提高算法模型的火灾检测精度。实验结果表明,改进后的火灾检测模型平均精度为97.32%,较原始YOLOv3模型提升了7.51%。该方法对化工园区火灾检测具有一定实用价值。

关 键 词：YOLOv3 标签平滑 火灾检测 特征融合 

分 类 号：X932[环境科学与工程—安全科学] TP391.41[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]