一种基于YOLOv5的火灾图像检测系统技术方案

本发明专利技术公开了一种基于YOLOv5的火灾图像检测系统，涉及火灾图像识别技术领域，包括：YOLOv5火灾图像检测系统模块，用于管理数据，图像或火灾目标检测功能模块，用于图像或火灾目标检测，目标结果描述展示功能模块，用于目标结果描述，上传或预测处理后图像放大查看功能模块，用于上传或预测处理后图像，加载模型，用于训练和计算图像。通过使用YOLO‑V5训练出来的预测模型，部署到本地的电脑设备上，从而能够在无网络的状态下使用Web端网页，进行上传图像检测，这样也可提高检测的速度，给用户带来更好的使用体验，针对现有的火灾图像检测需求，使用了目前比较先进的技术，能给用户更好的效果，使得检测效果更有先进性和实时性。

【技术实现步骤摘要】

本专利技术涉及火灾图像识别，具体为一种基于yolov5的火灾图像检测系统。

技术介绍

1、现代世界的人类，对火的使用更加的广泛快捷，从而引发的火灾危害的概率大大的提高了，环境的限制和传感器的昂贵会使某些火灾未能及时发现并消除，当前，将深度的知识应用到了物体的检测领域，它是一种非常先进的方法，在计算机上，将物体检测技术应用到计算机上，并对所拍摄的物体进行检测，从而能够精确地辨识出火焰的具体情况，从而作出更为精确的扑救计划，通过使用深度学习框架，把图像检测模型部署到系统上，从而减轻系统gpu或cpu的利用，也减少了系统内存的负担。

2、现有的火灾图像检测系统，往往存在以下问题，需要耗费大量的数据，需要担心使用者的个人信息泄漏问题，另外，由于需要将图像上传至服务器，因此可大幅提高了目标检测处理的耗时，现今的社会在生活上处处都是火苗、烟雾的传感器，在火车、高铁、室内等等，无处不在，但是在室外、森林这些地方没有相关的设备环境是无法安装传感器的，这就需要结合到深度学习去对相关信息进行检测，以达到传感器的效果，本专利技术就是通过yolov-5模型进行图像检测本文档来自技高网...

【技术保护点】

1.一种基于YOLOv5的火灾图像检测系统，其特征在于，包括：

2.根据权利要求1所述的一种基于YOLOv5的火灾图像检测系统，其特征在于：所述利用Flask框架进行后端的部署，利用Vue进行前端搭建，使用浏览器对YOLOv5火灾图像检测系统模块(1)进行访问。

3.根据权利要求2所述的一种基于YOLOv5的火灾图像检测系统，其特征在于：所述加载模型(5)基于Yolov5训练模型。

4.根据权利要求3所述的一种基于YOLOv5的火灾图像检测系统，其特征在于：所述加载模型(5)利用Linux服务器进行爬虫手机，再进行整理，接着配置好PyTorch框架，把...

【技术特征摘要】

1.一种基于yolov5的火灾图像检测系统，其特征在于，包括：

2.根据权利要求1所述的一种基于yolov5的火灾图像检测系统，其特征在于：所述利用flask框架进行后端的部署，利用vue进行前端搭建，使用浏览器对yolov5火灾图像检测系统模块(1)进行访问。

3.根据权利要求2所述的一种基于yolov5的火灾图像检测系统，其特征在于：所述加载模型(5)基于yolov5训练模型。

4.根据权利要求3所述的一种基于yolov5的火灾图像检测系统，其特征在于：所述加载模型(5)利用linux服务器进行爬虫手机，再进行整理，接着配置好pytorch框架，把制作的数据集部署到gpu上，利用yolov5框架对其进行训练，最后得到的模型就是部署到加载模型(5)。

5.根据权利要求4所述的一种基于yolov5的火灾图像检测系统，其特征在于：所述yolov5训练模型流程包括：

6.根据权利要求5所述的一种基于yolov5的火灾图像检测系统，其特征在于：所述神经网络为cspdarknet53卷积...

【专利技术属性】
技术研发人员：许喜斌，赵小蕾，朱靖，何芳，吕烈尉，何海生，
申请(专利权)人：广东工程职业技术学院，
类型：发明
国别省市：