【技术实现步骤摘要】
本专利技术属于计算机视觉和人工智能领域，具体涉及到隧道监控图像检测与处理，特别涉及到一种基于yolo的隧道火灾异常事件检测方法。
技术介绍
1、隧道火焰异常事件检测是一项在隧道建成投入运营后至关重要的任务，随着科学技术的进步，目前大多数隧道都已经布置有各种监测传感器，包括温度传感器、烟雾探测器等，这些传感器在隧道火灾的早期预警和应急响应中发挥了重要作用。然而，现有的火焰检测技术在隧道环境中仍然面临一些挑战，导致其检测效果存在一定的局限性，具体包括以下几个方面：
2、目前隧道内的火焰检测主要依靠烟雾探测器和温度传感器，但由于隧道内车流量大，车灯、尾气等干扰因素较多，容易造成传感器的误检。此外，隧道结构复杂，存在死角和遮挡，传统传感器布设难以全面覆盖，容易出现漏检现象。这些问题导致火灾初期无法及时准确地被检测到，增加了火灾扩散的风险。
3、传统的火焰检测算法在面对隧道内复杂的光照和环境条件时，往往检测准确率不高。车灯光线、隧道反光材料等因素容易导致算法误判。同时，现有算法对小尺度火焰目标的检测能力有限，不能准确捕捉初...
【技术保护点】
1.一种基于YOLO的隧道火灾异常事件检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于YOLO的隧道火灾异常事件检测方法，其特征在于，步骤S1所述的监测数据包括图片形式和视频形式，监测数据的内容包括火灾异常事件场景以及部分未出现异常事件的场景。
3.根据权利要求1所述的基于YOLO的隧道火灾异常事件检测方法，其特征在于，步骤S1对于训练数据集的生成还包括利用网络爬虫在内的工具，获取其他隧道火灾图片数据以扩充训练数据集，以实现提高YOLO网络模型的泛化性能；所述的训练数据集也包括不同天气及时间段的场景数据；然后标注所采集的数据，包括...
【技术特征摘要】
1.一种基于yolo的隧道火灾异常事件检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于yolo的隧道火灾异常事件检测方法，其特征在于，步骤s1所述的监测数据包括图片形式和视频形式，监测数据的内容包括火灾异常事件场景以及部分未出现异常事件的场景。
3.根据权利要求1所述的基于yolo的隧道火灾异常事件检测方法，其特征在于，步骤s1对于训练数据集的生成还包括利用网络爬虫在内的工具，获取其他隧道火灾图片数据以扩充训练数据集，以实现提高yolo网络模型的泛化性能；所述的训练数据集也包括不同天气及时间段的场景数据；然后标注所采集的数据，包括火焰以及烟雾目标的包围盒。
4.根据权利要求1所述的基于yolo的隧道火灾异常事件检测方法，其特征在于，在步骤s2中，所述三重注意力机制是在cbam模块基础上引入跨维度交互，结合通道注意力、空间注意力和跨层注意力，使网络能够更准确地捕捉小目标的关键特征。
5.根...
【专利技术属性】
技术研发人员：周正康，许刚，李明，张文卿，丁亦凡，梁昕，
申请(专利权)人：南京城建隧桥智慧管理有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。