检索结果-维普期刊中文期刊服务平台

基于YOLOv5s的轻量化森林火灾探测算法: 1; 作者刘惠临方琼 +3 位作者江宇魏华章王涛张树川《中国安全科学学报》北大核心 2025年第1期75-83,共9页; 为解决当前基于深度学习的森林火灾探测算法存在结构复杂、规模庞大,且难以兼顾检测精度和效率的问题,提出一种基于YOLOv5s的轻量化森林火灾探测算法。首先,采用优化的背景差分技术消除背景图像中类火物体的干扰,减少分析图像所需的时间... 展开更多; 关键词 YOLOv5s 轻量化森林火灾探测深度可分离卷积注意力 Wise-交并比(WIOU); 在线阅读下载PDF 职称材料

基于YOLOv5s的城镇森林交界域火灾探测模型被引量：4: 2; 作者王喆李享 +1 位作者杨栋梁刘丹《中国安全科学学报》 CAS CSCD 北大核心 2023年第6期152-158,共7页; 为精准监控城镇森林交界域火灾及定位其空间分布,提出基于改进YOLOv5s网络的城镇森林交界域火灾目标探测模型。首先收集城镇森林交界域火灾图像,利用图像注释工具标注出目标探测数据集;然后将坐标注意力(CA)机制引入YOLOv5s的主干网络,... 展开更多; 关键词城镇森林交界域 YOLOv5s 火灾探测目标探测坐标注意力(CA); 在线阅读下载PDF 职称材料

基于石门“5·18”火灾的南方夏季林火扑救方法探析: 3; 作者姜汉辉唐汇驰徐艺《森林防火》 2012年第1期30-33,共4页; 介绍了湖南石门"5·18"森林火灾的基本情况及扑救经过,火灾发生地的自然环境。阐述了扑救该火灾所用的多兵种参与、多战术综合运用、多机具参与的战术以及其中的经验和教训。根据南方夏季森林火灾发生的特点,论述了该火... 展开更多; 关键词 “5·18”森林火灾南方夏季林火可燃物石门县; 在线阅读下载PDF 职称材料

基于YOLOv5s的轻量化森林火灾检测算法研究被引量：31: 4; 作者皮骏刘宇恒李久昊《图学学报》 CSCD 北大核心 2023年第1期26-32,共7页; 针对过去无人机搭载嵌入式设备巡检森林火灾精确率低、适应性差和软硬件限制高等问题,提出一种基于YOLOv5s的轻量化森林火灾目标检测算法。通过将YOLOv5s的骨干网络替换为轻量化网络Shufflenetv2,并以通道重组的思想,让骨干网络对图片... 展开更多; 关键词目标检测 YOLOv5s 轻量化位置注意力模块森林火灾检测; 在线阅读下载PDF 职称材料

长白山国家级自然保护区“5·29”森林火灾的扑救经验被引量：1: 5; 作者李树学张荣杰 +2 位作者于智宁闫秋红张德文《森林防火》 2013年第2期39-42,共4页; 介绍了长白山国家级自然保护区"5·29"森林火灾的概况、特点和扑救过程,指出了存在的问题,重点分析了扑救火灾的成功经验,为今后应对类似火灾提供借鉴。; 关键词 “5·29”森林火灾预案长白山; 在线阅读下载PDF 职称材料

森林火灾烟气的危害被引量：21: 6; 作者邓光瑞胡海清《林业科技》北大核心 2006年第3期38-39,共2页; 关键词森林可燃物火灾烟气危害分子气体有毒有害气体受热分解微小颗粒物森林火灾 P2O5 无机类; 在线阅读下载PDF 职称材料

从三场森林火灾的扑救经验看森林防火能力建设: 7; 作者赵德奎《森林防火》 2013年第1期5-9,共5页; 剖析了山东省在扑救莱芜"4·16"、济南"4·18"、临沂"4·29"三起森林火灾中取得的10条宝贵经验,并在此基础上,阐述了山东省在加强森林防火工作上,要重点落实健全护林防火宣传教育网络、全面... 展开更多; 关键词莱芜“4·16”森林火灾济南“4·18”森林火灾临沂“4·29”森林火灾山东省; 在线阅读下载PDF 职称材料

基于YOLOv5的多传感器可迁移林火检测模型: 8; 作者谈宜院刘昊辰 +3 位作者陈礼波沈毓芬刘学辉佃袁勇《湖北林业科技》 2023年第6期33-37,69,共6页; 快速准确地检测森林火灾中的火点对于减轻火灾损失和开展有效的灭火救援工作至关重要。深度学习技术可以自动学习并提取不同传感器获取的林火特征。无人机搭载不同类型的传感器可以快速获取森林实时图像,但不同传感器获取的图像特征不同... 展开更多; 关键词森林火灾火点检测深度学习迁移学习 YOLOv5 多源数据; 在线阅读下载PDF 职称材料

大兴安岭地区做好春季森林防火工作的举措: 9; 作者高岩松《森林防火》 2007年第3期15-16,共2页; 针对大兴安岭地区2007年春季严峻的防火形势,阐述了周密部署,建立长效机制,提高防控水平,切实改进防扑火队伍的战斗能力,提升应急处置能力,强化宣传效果等几项有效森林防火措施。; 关键词 “5·6”特大森林火灾春季火险区大兴安岭地区; 在线阅读下载PDF 职称材料

题名基于YOLOv5s的轻量化森林火灾探测算法: 1; 作者刘惠临方琼江宇魏华章王涛张树川; 机构安徽理工大学计算机科学与工程学院淮南职业技术学院智能与电气工程学院滁州学院无人应急装备与灾害过程数字化重建安徽省联合共建学科重点实验室安徽理工大学安全科学与工程学院; 出处《中国安全科学学报》北大核心 2025年第1期75-83,共9页; 基金安徽省重点研究与开发计划项目(2023g07020007) 安徽理工大学研究生创新基金资助(2024cx2111)。; 文摘为解决当前基于深度学习的森林火灾探测算法存在结构复杂、规模庞大,且难以兼顾检测精度和效率的问题,提出一种基于YOLOv5s的轻量化森林火灾探测算法。首先,采用优化的背景差分技术消除背景图像中类火物体的干扰,减少分析图像所需的时间;其次,设计分组混洗策略优化常规卷积,并在特征提取的C3模块中融入高效通道注意力(ECA)机制和深度可分离卷积,增强图像特征提取与融合能力的同时有效降低模型的参数量;然后,采用动态非单调聚焦机制优化Wise-交并比(WIOU)损失函数,减少低质量样本产生的有害梯度;最后,在构建的森林火灾数据集上将所提算法与其他算法做充分的试验对比。结果表明:所提算法在各类场景均展现出良好的泛化性,对火焰目标的检测精度达到86.1%,较标准YOLOv5s检测精度提升2.7%,检测速度提升11.4%,有效降低了火灾误报率,增强了模型的检测性能。; 关键词 YOLOv5s 轻量化森林火灾探测深度可分离卷积注意力 Wise-交并比(WIOU); Keywords YOLOv5s lightweighting forest fire detection depthwise separable convolution attention wise intersection over union(WIOU); 分类号 X928.7 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于YOLOv5s的城镇森林交界域火灾探测模型被引量：4: 2; 作者王喆李享杨栋梁刘丹; 机构武汉理工大学安全科学与应急管理学院武汉理工大学中国应急管理研究中心; 出处《中国安全科学学报》 CAS CSCD 北大核心 2023年第6期152-158,共7页; 基金教育部人文社会科学研究青年基金资助(20YJC630154) 国家自然科学基金资助(62073251,71501151) +1 种基金中央高校基本科研业务费专项资金资助(WUT:2020-VI-004)。; 文摘为精准监控城镇森林交界域火灾及定位其空间分布,提出基于改进YOLOv5s网络的城镇森林交界域火灾目标探测模型。首先收集城镇森林交界域火灾图像,利用图像注释工具标注出目标探测数据集;然后将坐标注意力(CA)机制引入YOLOv5s的主干网络,增强模型的方向及位置信息感知,以精准定位出城镇森林交界域火灾起火点;最后以准确度、召回率、平均准确度为评价指标,在自建数据集上进行训练、测试。模拟结果表明:改进的YOLOv5s模型整体性能提升,在城镇森林交界域火灾目标探测中,建筑物火灾平均精确度增加了0.8%,森林火灾则增加了1.3%。; 关键词城镇森林交界域 YOLOv5s 火灾探测目标探测坐标注意力(CA); Keywords wildland-urban interface YOLOv5s fire detection target detection coordinate attention(CA); 分类号 X928.7 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于石门“5·18”火灾的南方夏季林火扑救方法探析: 3; 作者姜汉辉唐汇驰徐艺; 机构湖南省森林防火指挥部办公室石门县森林防火指挥部办公室; 出处《森林防火》 2012年第1期30-33,共4页; 文摘介绍了湖南石门"5·18"森林火灾的基本情况及扑救经过,火灾发生地的自然环境。阐述了扑救该火灾所用的多兵种参与、多战术综合运用、多机具参与的战术以及其中的经验和教训。根据南方夏季森林火灾发生的特点,论述了该火灾扑救对扑救南方夏季森林火灾3大方面的启示。此外,还指出了处置"5·18"火灾案件存在的法律问题。; 关键词 “5·18”森林火灾南方夏季林火可燃物石门县; 分类号 S762.3 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

题名基于YOLOv5s的轻量化森林火灾检测算法研究被引量：31: 4; 作者皮骏刘宇恒李久昊; 机构中国民航大学交通科学与工程学院; 出处《图学学报》 CSCD 北大核心 2023年第1期26-32,共7页; 文摘针对过去无人机搭载嵌入式设备巡检森林火灾精确率低、适应性差和软硬件限制高等问题,提出一种基于YOLOv5s的轻量化森林火灾目标检测算法。通过将YOLOv5s的骨干网络替换为轻量化网络Shufflenetv2,并以通道重组的思想,让骨干网络对图片信息的提取效率变得更快,在保持网络精度的同时保证检测速度;接着在Backbone与Neck的连接处加入为轻量化网络设计的CA位置注意力模块,可将图片不同的位置信息聚合到通道中,使被检对象关注度得以提高;最后在预测部分使用CIOU损失函数,能够更好的优化矩形框的长宽比和更快加速模型收敛。算法部署在嵌入式系统Jetson Xavier NX上的结果显示,改进后的网络模型大小与对比实验方法相比,最多减少了98%,准确率(Precision)达到92.6%,精确率(AP)达到95.3%,帧率(FPS)提升到132帧每秒,能满足在白天、黑夜或视野良好等情况下对森林火灾的实时性预防与检测,并具有良好的准确率和鲁棒性。; 关键词目标检测 YOLOv5s 轻量化位置注意力模块森林火灾检测; Keywords object detection YOLOv5s light-weight positional attention module forest fire detection; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名长白山国家级自然保护区“5·29”森林火灾的扑救经验被引量：1: 5; 作者李树学张荣杰于智宁闫秋红张德文; 机构长白山保护开发区管理委员会自然保护管理中心长白山保护开发区管理委员会防火办; 出处《森林防火》 2013年第2期39-42,共4页; 文摘介绍了长白山国家级自然保护区"5·29"森林火灾的概况、特点和扑救过程,指出了存在的问题,重点分析了扑救火灾的成功经验,为今后应对类似火灾提供借鉴。; 关键词 “5·29”森林火灾预案长白山; 分类号 S762.3 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

题名森林火灾烟气的危害被引量：21: 6; 作者邓光瑞胡海清; 机构东北林业大学林学院; 出处《林业科技》北大核心 2006年第3期38-39,共2页; 基金国家攻关重大专项(2001-BA509B17) 国家自然科学基金(30471404) 国家博士点基金(20040225003)资助项目; 关键词森林可燃物火灾烟气危害分子气体有毒有害气体受热分解微小颗粒物森林火灾 P2O5 无机类; 分类号 S762.1 [农业科学—森林保护学] O437 [机械工程—光学工程]; 在线阅读下载PDF 职称材料

题名从三场森林火灾的扑救经验看森林防火能力建设: 7; 作者赵德奎; 机构山东省森林防火办公室; 出处《森林防火》 2013年第1期5-9,共5页; 文摘剖析了山东省在扑救莱芜"4·16"、济南"4·18"、临沂"4·29"三起森林火灾中取得的10条宝贵经验,并在此基础上,阐述了山东省在加强森林防火工作上,要重点落实健全护林防火宣传教育网络、全面落实森林防火责任等10项能力的建设,以应对严峻的森林防火形势,全面提高森林火灾的防控与扑救能力。; 关键词莱芜“4·16”森林火灾济南“4·18”森林火灾临沂“4·29”森林火灾山东省; 分类号 S762.3 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

题名基于YOLOv5的多传感器可迁移林火检测模型: 8; 作者谈宜院刘昊辰陈礼波沈毓芬刘学辉佃袁勇; 机构湖北省咸宁市森林防火中心华中农业大学园艺林学学院湖北林业信息工程技术研究中心; 出处《湖北林业科技》 2023年第6期33-37,69,共6页; 文摘快速准确地检测森林火灾中的火点对于减轻火灾损失和开展有效的灭火救援工作至关重要。深度学习技术可以自动学习并提取不同传感器获取的林火特征。无人机搭载不同类型的传感器可以快速获取森林实时图像,但不同传感器获取的图像特征不同,导致深度学习模型在不同图像中的迁移性较差。本研究基于YOLOv5预训练模型,使用286张可见光和红外图像进行迁移学习,以增强模型对不同图像类型的适用性。迁移学习后,模型对可见光图像测试集的检测精度提升了6%,对红外图像测试集的检测精度达到0.952,证明模型对两种传感器图像数据均具有较强的检测能力。相比可见光模型,多模态模型在包含可见光和红外图像的测试集上的mAP50达到0.914,表明模型成功地提高了对红外图像的检测能力,并保留了对可见光图像的良好检测性能。综上,本研究采用少量图像进行迁移学习,取得了较好结果。迁移学习可以使YOLOv5火灾检测模型适配红外图像,在保留可见光图像检测能力的同时,增强其对火情的检测准确性与环境适应性。这为实现基于多源数据的森林火灾检测奠定了基础,为提高森林火灾检测系统的智能化与自适应提供了思路。; 关键词森林火灾火点检测深度学习迁移学习 YOLOv5 多源数据; Keywords forest fire fire spot detection deep learning transfer learning YOLOv5 multi-source data.; 分类号 S762.2 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

题名大兴安岭地区做好春季森林防火工作的举措: 9; 作者高岩松; 机构黑龙江省大兴安岭行署办公室; 出处《森林防火》 2007年第3期15-16,共2页; 文摘针对大兴安岭地区2007年春季严峻的防火形势,阐述了周密部署,建立长效机制,提高防控水平,切实改进防扑火队伍的战斗能力,提升应急处置能力,强化宣传效果等几项有效森林防火措施。; 关键词 “5·6”特大森林火灾春季火险区大兴安岭地区; 分类号 S762.3 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于YOLOv5s的轻量化森林火灾探测算法	刘惠临方琼江宇魏华章王涛张树川	《中国安全科学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于YOLOv5s的城镇森林交界域火灾探测模型	王喆李享杨栋梁刘丹	《中国安全科学学报》 CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
3	基于石门“5·18”火灾的南方夏季林火扑救方法探析	姜汉辉唐汇驰徐艺	《森林防火》	2012	0	在线阅读下载PDF 职称材料
4	基于YOLOv5s的轻量化森林火灾检测算法研究	皮骏刘宇恒李久昊	《图学学报》 CSCD 北大核心	2023	31	在线阅读下载PDF 职称材料
5	长白山国家级自然保护区“5·29”森林火灾的扑救经验	李树学张荣杰于智宁闫秋红张德文	《森林防火》	2013	1	在线阅读下载PDF 职称材料
6	森林火灾烟气的危害	邓光瑞胡海清	《林业科技》北大核心	2006	21	在线阅读下载PDF 职称材料
7	从三场森林火灾的扑救经验看森林防火能力建设	赵德奎	《森林防火》	2013	0	在线阅读下载PDF 职称材料
8	基于YOLOv5的多传感器可迁移林火检测模型	谈宜院刘昊辰陈礼波沈毓芬刘学辉佃袁勇	《湖北林业科技》	2023	0	在线阅读下载PDF 职称材料
9	大兴安岭地区做好春季森林防火工作的举措	高岩松	《森林防火》	2007	0	在线阅读下载PDF 职称材料