作者:任嘉锋,熊卫华,吴之昊,姜明 单位:中国科学院软件研究所 出版:《计算机系统应用》2019年第12期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFXTYY2019120260 DOC编号:DOCXTYY2019120269 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于SIM900A的家居火灾检测与预警系统》PDF+DOC2016年第05期 曾思通,何用辉,王麟珠 《基于ZigBee的烟雾检测火灾报警传感节点设计研究》PDF+DOC2017年第10期 孙海莉 《基于图像处理的在线零部件检测技术》PDF+DOC2016年第06期 水恒华,赵永,李刚,顾阳 《飞鸟与无人机目标雷达探测与识别技术进展与展望》PDF+DOC2020年第05期 陈小龙,陈唯实,饶云华,黄勇,关键,董云龙 《基于深度学习的无人值守地面传感器目标检测与识别方法》PDF+DOC2019年第05期 赵薇,许铜华,王楠 《基于GSM的火灾实时检测及远程报警系统》PDF+DOC2017年第18期 李凯华,祝亚亮,王亚飞,史智兴 《基于特征自动提取的跌倒检测算法》PDF+DOC2018年第12期 胡双杰,秦建邦,郭薇 《基于单片机和GSM的火灾报警器设计》PDF+DOC2012年第01期 刘勇 《全自主足球机器人的目标快速识别与定位》PDF+DOC2009年第10期 陈天华,刘载文,郭培源,王琨鹏 《无线环保与火警监测智能垃圾箱》PDF+DOC2013年第11期 张海宁,郑世帅,孙龙鹤
  • 现阶段火灾频发,需要自动进行火灾的检测与识别,虽然存在温度、烟雾传感器等火灾检测手段,但是检测实时性得不到保证.为了解决这一问题,提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库,对火焰和烟雾区域进行类别和位置的标注,并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力,将火灾检测与识别形式化为多分类识别和坐标回归问题,得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明,本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果,同时在检测速度上也满足了实时检测的需求。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。