基于改进YOLOv3网络的多场景邮轮火灾检测研究  

作　　者：许鹏鹏 葛珅玮 夏昊天 

机构地区：[1]江苏航运职业技术学院,江苏南通226010 [2]上海海事大学商船学院,上海201306

出　　处：《电脑编程技巧与维护》2025年第4期47-50,92,共5页Computer Programming Skills & Maintenance

基　　金：南通市科技计划项目(MSZ2022180,JC12022094)。

摘　　要：随着邮轮行业的发展,传统火灾检测技术已经不能满足人们对邮轮火灾防治的需要。基于此,引入轻量级卷积神经网络并结合红外技术,构建了一种适用于多场景邮轮火灾的目标检测技术。改进的目标检测算法YOLOv3在ImageNet、COCO数据集上的平均精度分别达到90.93%、94.36%,较原始模型性能分别提升2.51%、5.24%。结果表明,改进模型较传统模型在各个检测指标上均有更好的表现。基于改进YOLOv3的红外检测模型在COCO数据集上对烟雾、明火、暗火及平均精度的检测值分别为91.73%、89.11%、90.42%、96.71%,均高于对比算法。实验结果表明,基于改进YOLOv3的红外检测模型能够对邮轮多场景较隐蔽火灾区域进行准确的火灾目标检测。

关 键 词：YOLOv3算法 红外技术 火灾检测 视频帧 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]