一种火情检测方法及系统技术方案

本发明专利技术公开一种火情检测方法及系统，采用改进的YOLOv5s目标检测算法检测火情，并在YOLOv5s网络添加了改进CA注意力模块，有助于检测网络能更好的定位和识别目标，提升了目标位置的准确度，有助于之后地图系统对于火情位置的准确定位。改进CA注意力模块足够轻量，不会增加更多的计算量，不影响检测速度，并将注意力放在火焰和烟雾的纹理特征。为了提高对于小目标的检测能力，在颈部网络添加了小目标增强模块，使用浅层特征图弥补深层特征图中匮乏的小目标信息，同时在训练改进的YOLOv5s网络模型时，引入了VariFocal Loss损失函数，提升了对小目标的检测能力，有助于早期火情的及时发现。

【技术实现步骤摘要】

本专利技术涉及目标检测领域，具体是一种火情检测方法及系统。

技术介绍

1、火灾威胁公共安全、威胁人民的生命财产安全，将会对家庭、企业、社会和国家产生严重影响。火灾一旦发生蔓延速度极快，破坏性大、处置救治也较为困难，所以火灾的预防和及早发现尤为重要。

2、目前早期的火情检测方法主要是传感器检测和摄像机检测。传感器检测适用于小范围内的火灾检测，若是在大区域范围内使用传感器检测，需要布置大量的传感器才能较为及时的发现火情，但是仍然不能明确知道火情现场的实时情况。使用摄像机采取到的图像进行目标检测具有发现时间早、准确率高、并且能够掌握火情现场的实时情况。使用深度学习的目标检测算法检测火情准确率较高。目前深度学习的目标检测算法主要集中在two-stage 算法和 one-stage 算法两大类。two-stage 算法速度相对较慢但是准确率高，one-stage 算法准确率没有 two-stage 算法高但是速度较快。

技术实现思路

1、本专利技术要解决的技术问题是提供一种火情检测方法及系统，提升了对小目标本文档来自技高网...

【技术保护点】

1.一种火情检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的火情检测方法，其特征在于：火情检测模块检测火焰和/或烟雾目标的过程为：

3.根据权利要求2所述的火情检测方法，其特征在于：步骤S24中的颈部网络中设计了一种小目标增强模块，利用浅层特征中的小目标信息，生成空间细节，并赋予空间细节相应的权重，最后根据空间细节和深层特征图得到增强特征图。

4.根据权利要求3所述的火情检测方法，其特征在于：增强模块获取增强特征图的流程为；

5.根据权利要求1所述的火情检测方法，其特征在于：VariFocal Loss损失函数的表达式为：...

【技术特征摘要】

1.一种火情检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的火情检测方法，其特征在于：火情检测模块检测火焰和/或烟雾目标的过程为：

3.根据权利要求2所述的火情检测方法，其特征在于：步骤s24中的颈部网络中设计了一种小目标增强模块，利用浅层特征中的小目标信息，生成空间细节，并赋予空间细节相应的权重，最后根据空间细节和深层特征图得到增强特征图。

4.根据权利要求3所述的火情检测方法，其特征在于：增强模块获取增强特征图的流程为；

5.根据权利要求1所述的火情检测方法，其...

【专利技术属性】
技术研发人员：黄楠，马敬锐，刘园满，赵莹，范文涛，赵寰，
申请(专利权)人：山东神戎电子股份有限公司，
类型：发明
国别省市：