基于CNN的化工园区火灾火焰图像识别研究
作者:张术琳; 张亚楠; 田超; 严翔; 鲁义; 施式亮
加工时间:2024-05-28
信息来源:中国安全科学学报
关键词:化工园区;火灾火焰;图像识别;卷积神经网络(CNN);YOLOv5算法;火灾数据集
摘 要:为及时发现化工园区火灾事故,降低事故损失,利用卷积神经网络(CNN)建立化工园区火灾实时检测系统。基于CNN-YOLOv5算法训练化工园区火灾数据集和普通火灾数据集,分析对比2个数据集的损失值、召回率、精度和类别平均精度。其中,化工园区火灾数据集的损失值和召回率略低,但精度和类别平均精度高于普通火灾数据集,证明通过CNN检测化工园区火灾的可行性。结果表明:基于火灾检测结果,借助PyQt5程序框架设计化工园区火焰图像识别软件系统,可实现对化工园区火灾火焰图像和视频的识别应用,扩大该方法适用范围。基于CNN的YOLOv5目标检测算法可以实时检测化工园区火灾,其检测方法具有便携性、检测结果具有可靠性,可提高化工园区的安全管理水平。
内 容:原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取