【技术实现步骤摘要】
本公开属于人工智能，特别涉及一种森林火灾检测方法、装置及介质。
技术介绍
1、近年来，森林火灾的频发给生态环境和人类安全带来了严峻挑战，亟需高效、精准的火灾检测技术。当前主流的森林火灾检测方法主要有人工巡逻与瞭望台监测，即依赖人力进行目视观察，效率低下且覆盖范围有限，尤其在偏远或复杂地形区域难以实施。夜间或恶劣天气条件下可靠性大幅下降，存在高漏检风险。当前方法还有卫星遥感监测，通过热红外传感器识别火点，覆盖范围广，但受云层遮挡、时间分辨率低的限制，难以及时发现初期火情。卫星数据解析算法对小火点或烟雾的敏感度不足，易导致漏检。
2、当前已经有基于深度学习的视觉检测技术逐渐应用于火灾检测，但现有方案存在较多问题。首先是小目标检测能力不足，基于yolov5、yolov8等模型的特征金字塔网络对小尺寸火焰或烟雾的特征提取能力有限，导致早期火情漏检率高。由于森林环境背景复杂、森林场景中光照变化、植被遮挡、云雾干扰等因素易引发误检，现有模型对背景噪声的鲁棒性较差。由于需要部署到无人机等设备，产生了实时性与计算资源矛盾，即yolo模型虽以...
【技术保护点】
1.一种森林火灾检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的森林火灾检测方法，其特征在于，所述YOLOv10网络结构中包括PSA和Backbone；
3.根据权利要求1所述的森林火灾检测方法，其特征在于，所述C2f_Faster_EMA模块包括ConvBNSILU单元、Split单元、FasterBlock单元、EMA注意力单元；
4.根据权利要求2所述的森林火灾检测方法，其特征在于，所述EffectiveSEModule包括SE模块和门控模块；
5.根据权利要求4所述的森林火灾检测方法，其特征在于，所...
【技术特征摘要】
1.一种森林火灾检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的森林火灾检测方法，其特征在于，所述yolov10网络结构中包括psa和backbone；
3.根据权利要求1所述的森林火灾检测方法，其特征在于，所述c2f_faster_ema模块包括convbnsilu单元、split单元、fasterblock单元、ema注意力单元；
4.根据权利要求2所述的森林火灾检测方法，其特征在于，所述effectivesemodule包括se模块和门控模块；
【专利技术属性】
技术研发人员：孔德昊，陈霄，孙鸿雁，宋鹏，徐帆，孔祥皓，李湘杰，徐翔宇，
申请(专利权)人：昆明理工大学，
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。