期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于红外视觉特征融合的矿井外因火灾监测方法
1
作者
李晓宇
范伟强
+1 位作者
刘毅
霍跃华
《矿业科学学报》
北大核心
2025年第1期116-124,共9页
为了解决矿井复杂环境下外因火灾监测误报率和漏报率较高的问题,提出基于红外视觉特征融合的矿井外因火灾监测算法。首先,改进红外小目标检测的局部对比度度量(LCM)模型,提高早期火灾目标的显著度,进而分割出火灾疑似区域;其次,通过分...
为了解决矿井复杂环境下外因火灾监测误报率和漏报率较高的问题,提出基于红外视觉特征融合的矿井外因火灾监测算法。首先,改进红外小目标检测的局部对比度度量(LCM)模型,提高早期火灾目标的显著度,进而分割出火灾疑似区域;其次,通过分析不同监视场景下外因火灾和主要干扰热源在热红外图像序列中的视觉特征,选出抗干扰能力强的火灾显著特征;然后,优选火灾显著特征提取方法和相似度估计策略,以获取热红外图像序列中火灾疑似区域的主要视觉特征,并构建火灾特征向量;最后,通过建立特征向量集,构建基于支持向量机(SVM)的矿井外因火灾检测模型,对所提算法进行验证。结果表明:所提算法不仅能监测不同场景下的外因火灾,还能够监测远距离和早期阶段的外因火灾,其正确率和检测率分别达到96.93%、96.24%,误检率低至2.56%;相较于对比算法,所提算法在火灾监测的准确率、误报率和漏报率方面均有较大的改善。
展开更多
关键词
矿井外因火灾
红外视觉特征
局部对比度度量(LCM)模型
特征向量
支持向量机(SVM)
在线阅读
下载PDF
职称材料
基于双光谱成像技术的矿井早期火源识别及抗干扰方法研究
2
作者
王炎林
裴晓东
+1 位作者
王凯
徐光
《工矿自动化》
北大核心
2025年第3期122-130,共9页
现有基于图像分析的矿井外因火灾监测方法受矿井环境复杂、干扰源影响较大,单模态方法易将光源误判为火源,多模态方法没有利用温度信息进行火源判定,且在粉尘条件下这两种方法的识别精度较低。针对上述问题,提出一种基于双光谱成像技术...
现有基于图像分析的矿井外因火灾监测方法受矿井环境复杂、干扰源影响较大,单模态方法易将光源误判为火源,多模态方法没有利用温度信息进行火源判定,且在粉尘条件下这两种方法的识别精度较低。针对上述问题,提出一种基于双光谱成像技术的矿井早期火源识别及抗干扰方法。首先采用YOLOv10模型对可见光图像进行实时火源检测,利用红外热成像获取温度分布数据,然后通过Canny边缘检测与图像二值化预处理,消除可见光与红外图像的成像差异,最后采用pHash算法计算可见光与红外图像边缘哈希值的海明距离,并标定阈值(海明距离≤25),判定是否为同一火源,从而有效区分火源与干扰源。实验结果表明:在无粉尘无干扰源工况下,基于双光谱成像技术的矿井早期火源识别及抗干扰方法的准确率达98%,召回率为94%,优于单模态的YOLOv10(准确率为97%,召回率为86%);在粉尘干扰条件下,粉尘覆盖摄像头表面33%时,该方法的准确率和召回率分别为85%,80%,粉尘覆盖摄像头表面66%时,准确率和召回率分别为70%,65%,优于单模态和多模态方法。
展开更多
关键词
矿井外因火灾
早期火源识别
双光谱成像技术
可见光
红外光
pHash算法
YOLOv10
海明距离
在线阅读
下载PDF
职称材料
题名
基于红外视觉特征融合的矿井外因火灾监测方法
1
作者
李晓宇
范伟强
刘毅
霍跃华
机构
内蒙古大学电子信息工程学院
内蒙古自治区智慧通信感知与信号处理重点实验室
中国矿业大学(北京)人工智能学院
中国矿业大学(北京)网络与信息中心
出处
《矿业科学学报》
北大核心
2025年第1期116-124,共9页
基金
国家自然科学基金(52364017)
内蒙古自治区高等学校科学研究基金(NJZY23056)。
文摘
为了解决矿井复杂环境下外因火灾监测误报率和漏报率较高的问题,提出基于红外视觉特征融合的矿井外因火灾监测算法。首先,改进红外小目标检测的局部对比度度量(LCM)模型,提高早期火灾目标的显著度,进而分割出火灾疑似区域;其次,通过分析不同监视场景下外因火灾和主要干扰热源在热红外图像序列中的视觉特征,选出抗干扰能力强的火灾显著特征;然后,优选火灾显著特征提取方法和相似度估计策略,以获取热红外图像序列中火灾疑似区域的主要视觉特征,并构建火灾特征向量;最后,通过建立特征向量集,构建基于支持向量机(SVM)的矿井外因火灾检测模型,对所提算法进行验证。结果表明:所提算法不仅能监测不同场景下的外因火灾,还能够监测远距离和早期阶段的外因火灾,其正确率和检测率分别达到96.93%、96.24%,误检率低至2.56%;相较于对比算法,所提算法在火灾监测的准确率、误报率和漏报率方面均有较大的改善。
关键词
矿井外因火灾
红外视觉特征
局部对比度度量(LCM)模型
特征向量
支持向量机(SVM)
Keywords
mine exogenous fire
infrared visual features
local contrast measure(LCM)model
eig-envector
support vector machine(SVM)
分类号
TD0752 [矿业工程]
在线阅读
下载PDF
职称材料
题名
基于双光谱成像技术的矿井早期火源识别及抗干扰方法研究
2
作者
王炎林
裴晓东
王凯
徐光
机构
中国矿业大学安全工程学院
山东省煤炭科学研究院有限公司
出处
《工矿自动化》
北大核心
2025年第3期122-130,共9页
基金
国家重点研发计划项目(2022YFC3004800)
国家自然科学基金面上项目(52374242,52074278)。
文摘
现有基于图像分析的矿井外因火灾监测方法受矿井环境复杂、干扰源影响较大,单模态方法易将光源误判为火源,多模态方法没有利用温度信息进行火源判定,且在粉尘条件下这两种方法的识别精度较低。针对上述问题,提出一种基于双光谱成像技术的矿井早期火源识别及抗干扰方法。首先采用YOLOv10模型对可见光图像进行实时火源检测,利用红外热成像获取温度分布数据,然后通过Canny边缘检测与图像二值化预处理,消除可见光与红外图像的成像差异,最后采用pHash算法计算可见光与红外图像边缘哈希值的海明距离,并标定阈值(海明距离≤25),判定是否为同一火源,从而有效区分火源与干扰源。实验结果表明:在无粉尘无干扰源工况下,基于双光谱成像技术的矿井早期火源识别及抗干扰方法的准确率达98%,召回率为94%,优于单模态的YOLOv10(准确率为97%,召回率为86%);在粉尘干扰条件下,粉尘覆盖摄像头表面33%时,该方法的准确率和召回率分别为85%,80%,粉尘覆盖摄像头表面66%时,准确率和召回率分别为70%,65%,优于单模态和多模态方法。
关键词
矿井外因火灾
早期火源识别
双光谱成像技术
可见光
红外光
pHash算法
YOLOv10
海明距离
Keywords
exogenous mine fire
early fire source identification
dual-spectrum imaging technology
visible light
infrared light
pHash algorithm
YOLOv10
Hamming distance
分类号
TD752.3 [矿业工程—矿井通风与安全]
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
基于红外视觉特征融合的矿井外因火灾监测方法
李晓宇
范伟强
刘毅
霍跃华
《矿业科学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于双光谱成像技术的矿井早期火源识别及抗干扰方法研究
王炎林
裴晓东
王凯
徐光
《工矿自动化》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
