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