摘要
本发明提供一种基于增强YOLO算法的烟雾和火灾检测方法,包括将获取的待标注数据上传到数据标注平台进行标注,以构建训练数据集,其中待标注数据为待标注的烟雾火灾图像数据;将训练数据集输入到基于增强YOLOv5的烟雾火灾检测模型中进行训练,其中烟雾火灾检测模型包括输入模块、骨干网络、颈部网络和预测模块;通过焦点损失函数加速烟雾火灾检测模型训练时的收敛,以得到训练好的烟雾火灾检测模型;将待预测数据上传到模型预测平台,应用训练好的烟雾火灾检测模型进行预测,输出最终预测结果。本发明提高了火灾和烟雾检测的准确性和稳定性,为火灾监测系统的性能提升提供了关键支持。
技术关键词
烟雾
火灾检测方法
焦点损失函数
YOLO算法
数据标注平台
检测模型训练
输入模块
火灾监测系统
融合特征
策略
网络
图像缩放
标签
样本
马赛克
信道
分类器
系统为您推荐了相关专利信息
裂纹修复方法
钢箱梁
深度坐标值
深度相机
YOLO算法
输入流
分类模型训练方法
卷积神经模型
模块
输出特征
地球静止轨道卫星
图像传输方法
分片
智能裁剪
发送端
异常流量
深度神经网络
双向长短期记忆
焦点损失函数
识别方法