摘要
本发明涉及视觉监测技术领域,具体涉及一种基于改进YOLOv11n的轻量级火焰检测方法及系统,采集野外火焰图像并进行预处理,并基于预处理后的火焰图像构建火焰检测数据集,对火焰检测数据集进行标注和划分;对原始的YOLOv11n网络模型进行优化,得到改进的YOLOv11n网络模型;构建InnerGIoU损失函数,并替换原始YOLOv11n网络模型的CIoU损失函数;利用训练集对改进的YOLOv11n网络模型进行训练,训练过程中利用验证集调整模型超参数,得到火焰检测模型;利用测试集评估火焰检测模型的性能;将火焰检测模型部署至陆上无人装备系统,实现对野外火源的全天候监测;本发明提升了YOLOv11n网络模型的轻量化水平和对野外火焰的检测精度,更易于满足边缘设备的实际应用需求。
技术关键词
火焰检测模型
火焰检测方法
全天候监测
网络
图像
损失函数优化
标注工具
自动驾驶域控制器
数据
模型训练模块
火焰检测系统
训练集
深度学习框架
计算机内存
模型超参数
车载摄像头
装备
滤波技术
系统为您推荐了相关专利信息
疾病风险预测方法
时域卷积网络
风险预测模型
时间序列特征
疾病预测方法
通信优化方法
干扰加噪声
地面
通信链路
近似算法
路径规划方法
城市车辆
对抗性
卷积神经网络设计
历史轨迹数据