一种基于轻量化神经网络火灾隐患识别方法

一种基于轻量化神经网络火灾隐患识别方法，通过摄像头采集监控视频帧，经3×3卷积和最大池化初始化后，利用含三组基本单元与下采样单元（数量为3、7、3）的ShuffleNetV2网络提取特征，结合ImageNet预训练模型进行迁移学习，以降低权重变更影响。采用L₁范数对一维卷积层滤波器排序裁剪，优化网络复杂度。设计基于阈值判定的预警逻辑，当某帧检测为火灾时，取后续99帧共100帧，计算局部均值与自适应阈值，根据火灾帧占比判定，并处理连续非火灾帧情况。该方法实现模型轻量化，提升检测实时性，避免误警漏警，增强预警鲁棒性。