一种油气站火灾检测方法、系统、介质、设备及终端技术方案

本发明专利技术属于计算机视觉和目标检测技术领域，公开了一种油气站火灾检测方法、系统、介质、设备及终端，获取油气站火灾视频流并进行关键帧截取，初步建立火灾数据集，并搜集网络上的火灾图像作为辅助训练样本；将数据图像融合后进行尺寸随机剪裁和人工标签标注；进行图像预处理和数据集离线扩充增强；划分数据集，构建改进ME

【技术实现步骤摘要】
一种油气站火灾检测方法、系统、介质、设备及终端


[0001]本专利技术属于计算机视觉和目标检测
，尤其涉及一种油气站火灾检测方法、系统、介质、设备及终端。

技术介绍

[0002]目前，油气站作为能源产业的重要组成部分，一旦发生火灾事故将会给环境和人们的生命财产带来极大的威胁。传统的火灾检测方法主要采用烟雾探测器和火焰探测器等传感器设备进行监测，这些方法存在着误报率高、适用性差，难以及时检测到油气站复杂火灾场景等缺陷。
[0003]近年来，随着计算机视觉、图像处理和人工智能技术的不断发展，基于深度视觉的油气站火灾检测方法逐渐受到研究者的关注。这种方法可以通过摄像头等设备采集油气站内外部的图像信息，并通过计算机视觉和图像处理技术对图像信息进行分析和处理，实现对火灾场景的自动识别和检测并进行告警。然而，基于深度视觉的油气站火灾检测方法的可靠性和准确性受到周围环境、光照、摄像头的安装位置和角度等因素的影响，可能会导致出现误判或漏判的情况。而且，现有的研究在处理油气站复杂火灾场景时存在检测精度低、适应性差、数据量小等不足。综上所述，为了提高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油气站火灾检测方法，其特征在于，油气站火灾检测方法包括：获取油气站火灾视频流并进行关键帧截取，初步建立火灾数据集，并搜集网络上的火灾图像作为辅助训练样本；将数据图像融合后进行尺寸随机剪裁和人工标签标注；进行图像预处理和数据集离线扩充增强；划分数据集，构建改进ME
‑
YOLOv5检测模型；初始化训练参数，并判断损失函数是否收敛，若否，则返回初始化训练参数步骤；若是，则保存权重文件并判断模型测试是否符合预期；若不符合预期，则返回初始化训练参数步骤；若符合预期，则部署模型。2.如权利要求1所述油气站火灾检测方法，其特征在于，构建改进ME
‑
YOLOv5检测模型包括：将改进P
‑
MobileVitv3 Block引入特征提取层作为特征提取网络；在特征融合层融合ASFF网络结构并进行多特征融合；添加SimAM注意力机制，并利用ECIoU损失函数作为定位损失。3.如权利要求1所述油气站火灾检测方法，其特征在于，油气站火灾检测方法包括以下步骤：步骤一，采用在线监控摄像头获取实时视频流，将获取的视频流下载进行关键帧截取分析；对含有火灾图像的RGB图像进行筛选，并初步建立基于油气站环境下的火灾数据集；步骤二，编写脚本文件搜集网上出现在日常生活中的火灾图像，并将火灾图像纳入油气站火灾数据集作为辅助训练样本；步骤三，对融合后的火灾图像进行固定尺寸随机裁剪，采用图像标注软件由人工进行矩阵标签框标注，并生成标注文件；步骤四，将标注完成的火灾数据集进行图像预处理操作，并添加季节环境变化因素对数据集进行数量离线扩充增强，标注文件跟随扩充图像同步增加；步骤五，编写数据集划分脚本文件，将标注好的火灾数据集按照8:1:1的比例划分为训练集、验证集和测试集；步骤六，构建由特征提取网络、特征融合网络和分类预测网络三部分组成的基于改进ME
‑
YOLOv5的油气站多特征融合检测模型；将训练数据导入改进的网络，对模型进行参数初始化操作和学习率设置；开始训练后待损失函数收敛，再由模型训练结束生成最佳权重文件并进行保存；步骤七，读取保存的最佳权重文件并进行单张火灾图像测试，将步骤五准备的测试集图像导入训练好的模型中进行测试；若测试结果没有达到预期标准，则返回步骤六进行参数调整，将模型重新训练，以获得最佳参数的权重文件；若测试结果达到预期目标，则将完整的离线监控视频流文件传入训练好的检测模型中再次进行视频流逐帧验证；步骤八，测试完成后，将改进的检测模型部署到监控设备后台服务器上，与实时监控摄像头检测端以及告警系统进行连接，实现实时监测油气站的内外部安全环境状况以及火灾预警。4.如权利要求3所述油气站火灾检测方法，其特征在于，步骤三中的对采集的图像进行固定尺寸随机裁剪和标签标注包括：(1)将火灾数据集中的图像进行随机裁剪为640
×
640尺度大小，再通过人工筛选挑选出包含火灾目标区域的图像；(2)采用开源的标注工具LabelImg对筛选出的图像进行矩形框标注，选择YOLO格式标注生成符合YOLO训练的.txt格式标注文件；每一张图片对应一个.txt文件，每一行数据表
示图片的一个标注框，图片标注框数量等于数据行数；每一行有五列，分别表示类别代号、标注框横向的相对中心坐标x_center、标注框纵向的相对中心坐标y_center、标注框相对宽度w、标注框相对高度h；其中，x_center、x_center、w、h为真实像素值除以图片的高和宽之后的值。5.如权利要求3所述油气站火灾检测方法，其特征在于，步骤四中的对标注完成的火灾图像进行预处理操作和数据离线扩充增强包括：(1)采用自适应直方图均衡对标注的原图像亮度进行操作，获得图像；其中，对亮度均衡化的公式为：式中，I表示图像亮度；(2)对图像数量进行离线增强，将雪花、雨水、云雾和黑夜四个场景添加至预处理后的图像中，原图像和添加元素融合生成对应的场景图像，与原数据集中的图像数量相比扩充4倍后，共同组成油气站火灾检测数据集。6.如权利要求3所述油气站火灾检测方法，其特征在于，步骤六中的构建改进的ME
‑
YOLOv5油气站火灾检测模型包括：(1)将训练图像输入网络后...

【专利技术属性】
技术研发人员：朱文忠，谢林森，谢康康，付丽婵，肖顺兴，李韬，车璇，杜洪文，何海东，潘磊，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：