期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多源异质传感器信号聚类融合处理下森林火灾检测
1
作者 王承茂 黄润才 顾磊欣 《传感技术学报》 北大核心 2025年第8期1441-1447,共7页
为了提升森林火灾检测的准确性,提出多源异质传感器信号聚类融合处理下森林火灾检测。结合孤立森林法与奇异值算法实现多源异质传感器信号的去噪重构;利用K-Means聚类法实现森林不同检测区域数据的聚类,并赋予相应标签;利用信息增益算法... 为了提升森林火灾检测的准确性,提出多源异质传感器信号聚类融合处理下森林火灾检测。结合孤立森林法与奇异值算法实现多源异质传感器信号的去噪重构;利用K-Means聚类法实现森林不同检测区域数据的聚类,并赋予相应标签;利用信息增益算法,计算不同诱因森林火灾情况发生的影响程度。利用反向传播(Backpropagation,BP)神经网络多层神经元结构迭代计算火灾发生概率,实现森林火灾的实时检测。实验结果表明,所提方法预处理后的传感器信号线性度高于0.8,算法在迭代4.5×10^(4)轮后基本达到收敛,最终的损失函数值为0.6;该方法对三种森林火灾类型的检测结果与实际结果误差低于4%,森林火灾检测耗时低于11 ms,与其他两种方法相比,森林火灾类型的检测准确性和效果更高。 展开更多
关键词 传感器信号处理 森林火灾检测 聚类融合处理 奇异值算法 K-MEANS聚类
在线阅读 下载PDF
深度学习在森林火灾检测中的研究进展 被引量：121
2
作者 王丽霞 夏雪 +3 位作者 高凡 刘强 董霙达 郜晓晶 《林产工业》 北大核心 2023年第11期88-92,共5页
基于深度学习技术的火灾检测方法迅速发展,为森林火灾检测提供了新的发展方向。介绍了深度学习的概念、主要模型及在森林火灾检测中的优势,详细阐述了不同深度学习模型在森林火灾烟雾与火焰特征的提取、火灾与非火灾图像的分类、火灾的... 基于深度学习技术的火灾检测方法迅速发展,为森林火灾检测提供了新的发展方向。介绍了深度学习的概念、主要模型及在森林火灾检测中的优势,详细阐述了不同深度学习模型在森林火灾烟雾与火焰特征的提取、火灾与非火灾图像的分类、火灾的预判跟踪中的应用,并对当前方法进行了总结分析。最后,提出了目前存在的问题以及未来的研究方向,以期为森林火灾检测提供新思路。 展开更多
关键词 森林火灾检测 深度学习 特征提取 图像分类 预判跟踪
在线阅读 下载PDF
基于YOLOv5s的轻量化森林火灾检测算法研究 被引量：31
3
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... 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。 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
基于能见度增强的森林火灾烟雾检测方法
4
作者 李铜 陈才华 刘军军 《计算机应用》 北大核心 2025年第S1期251-256,共6页
针对当前森林火灾烟雾检测方法的烟雾识别准确度低和网络模型规模较大的问题,提出一种利于部署到边缘计算设备的基于YOLOv8的森林火灾烟雾检测方法。首先,基于YOLOv8框架,用GD(Gather and Distribute)机制替换YOLOv8中CSP(Cross Stage P... 针对当前森林火灾烟雾检测方法的烟雾识别准确度低和网络模型规模较大的问题,提出一种利于部署到边缘计算设备的基于YOLOv8的森林火灾烟雾检测方法。首先,基于YOLOv8框架,用GD(Gather and Distribute)机制替换YOLOv8中CSP(Cross Stage Partial)结构的Neck部分,增强特征融合的能力,提高网络的预测精度;其次,使用深度可分离卷积(DWConv)模块替换网络Backbone部分的普通卷积模块;最后,提出Enhanced-SPPF(Enhanced Spatial Pyramid Pooling Fast)模块,降低模型参数量和计算量,得到模型的轻量化版本——YOLO-DE-Tiny模型。此外,使用烟雾能见度增强模块进一步提高模型在森林环境下对烟雾画面的检测精度。在火灾科学国家重点实验室(SKLFS)数据集上的实验结果表明,YOLO-DE-Tiny对火灾烟雾检测的查准率达到了87.1%;而在使用烟雾能见度增强模块后,查准率提升到90.9%。可见,所提方法具有较高的森林火灾烟雾检测准确率。 展开更多
关键词 森林火灾烟雾检测 YOLOv8 GD机制 Enhanced-SPPF 能见度增强
在线阅读 下载PDF
基于改进YOLOv8的森林火灾识别方法
5
作者 和楷承 张国兴 +2 位作者 赵庆 邓健 舒斌 《湖北林业科技》 2025年第3期54-58,共5页
目前森林火灾识别数据集多以火焰识别为主,缺乏对烟雾的识别,在实际森林火灾检测中存在局限性。因此,本研究提出了一种基于注意力机制的YOLOv8改进方法,利用预训练的YOLOv8模型在烟雾数据集上进行初步训练,提升其对烟雾的识别效果;进一... 目前森林火灾识别数据集多以火焰识别为主,缺乏对烟雾的识别,在实际森林火灾检测中存在局限性。因此,本研究提出了一种基于注意力机制的YOLOv8改进方法,利用预训练的YOLOv8模型在烟雾数据集上进行初步训练,提升其对烟雾的识别效果;进一步利用该模型对火焰数据集进行烟雾标注,得到包含烟雾和火焰标注信息的烟雾火焰数据集;最后使用提出的改进模型在该数据集上重新训练建模。结果表明:改进模型在烟雾火焰数据集上的mAP_0.5、mAP_0.75、 mAP_0.5∶0.95和mAR_0.5∶0.95平均正确率分别为89.5%、70.4%、61.7%和66.8%;模型能够准确识别出真实场景下森林火灾图像中的烟雾和火焰。本文所提出森林火灾识别方法同时将烟雾和火焰纳入森林火灾预警识别范围,提升火灾识别的效率与准确性,能够为森林火灾提前预警提供技术支撑。 展开更多
关键词 YOLOv8 注意力机制 森林火灾检测
在线阅读 下载PDF
基于无人机红外影像的森林火灾燃烧点检测方法 被引量：10
6
作者 戴颖成 陈知明 +3 位作者 刘峰 李建军 吴毅 吴若南 《中南林业科技大学学报》 CAS CSCD 北大核心 2022年第9期102-114,共13页
【目的】森林火灾对生态环境的破坏巨大,各种火灾探测方法近年来备受关注,但不同的检测载体与检测数据在森林火灾检测的应用中仍具有各自的局限性。为此,提出一种基于深度学习与无人机红外影像的森林火灾燃烧点检测模型,旨在减少无人机... 【目的】森林火灾对生态环境的破坏巨大,各种火灾探测方法近年来备受关注,但不同的检测载体与检测数据在森林火灾检测的应用中仍具有各自的局限性。为此,提出一种基于深度学习与无人机红外影像的森林火灾燃烧点检测模型,旨在减少无人机森林火灾检测的延迟和丢失,提升森林火灾检测效率和检测能力。【方法】采集中国北部亚干旱地区森林火灾巡护数据,增加北亚利桑那大学无人机森林燃点数据提升模型的学习范围,同时对数据进行数据增广,提升模型学习的数据量。利用红外影像的成像特点对森林火灾燃烧点进行特征放大,降低检测数据的复杂度。引入计算量适当的目标检测算法,减少无人机森林火灾检测系统的检测时延。【结果】1)红外影像下的森林火灾燃烧点检测模型在非极大抑制IoU阈值为0.3的条件下,其检测AP(Average precision)值达到了0.9616,检测精度(Precision)达到了0.9293。2)红外影像森林火灾检测模型在40 fps的实时视频中的检测速度平均达到了31 fps。3)在图像翻转、图像旋转与图像仿射变换3种数据增广模式下,模型的检测性能达到最高。【结论】基于红外影像的森林火灾燃烧点检测模型对森林火灾更敏感,减少了森林火灾检测的计算量,减轻了地面站计算机的计算负担。图像的色域变换对红外数据下的森林火灾燃烧点检测模型提升效果不明显。 展开更多
关键词 目标检测 森林火灾检测 无人机巡护 红外影像 深度学习
在线阅读 下载PDF
基于少样本学习的森林火灾烟雾检测方法 被引量：6
7
作者 贾一鸣 张长春 +1 位作者 胡春鹤 张军国 《北京林业大学学报》 CAS CSCD 北大核心 2023年第9期137-146,共10页
【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,... 【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法,扩充训练数据的数量同时降低过拟合风险;然后设计特征提取模块与特征聚合模块,在特征提取模块中引入多头注意力机制并探讨引入的合适位置,使模型更多地关注火灾局部特征,解决烟雾图像少造成的信息缺失问题;在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合;最后,设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换,可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法,本方法有更好的检测效果,具体表现为准确率达到了98.79%,召回率98.28%,检测率97.33%,误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比,本方法具有更好的判别能力和泛化能力。 展开更多
关键词 森林火灾烟雾检测 少样本 小目标 特征提取 多头注意力机制
在线阅读 下载PDF
基于感受野注意力的轻量化林火检测算法
8
作者 马跃 黄周睿 +1 位作者 周雯 许艺瀚 《计算机工程》 2025年第9期350-361,共12页
在林火检测领域中,由于存在背景环境复杂、火焰初期目标过小、火焰形状及分布不规则等因素,且对检测模型的部署要求较高,现有的基于深度学习的目标检测方法难以发挥很好的效果。为更好地预防森林火灾的发生及扩散,保护森林环境及人民的... 在林火检测领域中,由于存在背景环境复杂、火焰初期目标过小、火焰形状及分布不规则等因素,且对检测模型的部署要求较高,现有的基于深度学习的目标检测方法难以发挥很好的效果。为更好地预防森林火灾的发生及扩散,保护森林环境及人民的生命财产安全,提出一种基于RF-YOLOv8s的轻量化林火实时检测算法。该方法基于YOLOv8模型,首先引入一种基于感受野注意力机制的卷积模块RFCBAMConv,通过强调感受野的空间特征以强化对火焰特征的学习能力。其次在特征融合部分采用轻量化的跨尺度特征融合模块(CCFM),在减少模型参数和计算量的同时增强模型对尺度变化的适应性和对小尺度对象的检测能力。同时采用动态检测头(DyHead),借助注意力机制统一并强化多尺度信息,提高模型的检测效果。此外,使用Inner-CIoU作为新的边界框损失函数,通过控制辅助边框来克服边框回归的泛化性不足并加快模型的收敛速度。实验结果表明,在林火图像数据上,RF-YOLOv8s林火检测算法的平均精度为90.2%,模型参数量仅8.88×10~6,较YOLOv8算法平均精度提升了2.5百分点的同时减少了20.2%的模型参数量,在具有更强的检测能力的同时,满足了林火检测领域对模型轻量化的要求,确保了该算法在森林火灾检测场景上的实用性。 展开更多
关键词 森林火灾检测 感受野注意力 特征融合 YOLOv8算法 损失函数
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部