基于 RGB-NIR 的火灾检测
计算机视觉与模式识别
2025-12-30 v1
摘要
改进红外夜视摄像头火灾检测的准确性仍是一个具有挑战性的任务。以前的研究报告了一些流行检测模型的优异性能。例如，YOLOv7 在输入图像尺寸为 640×1280 时实现了 0.51 的 mAP50-95，RT-DETR 在图像尺寸为 640×640 时达到了 0.65 的 mAP50-95，而 YOLOv9 在相同分辨率下获得了 0.598 的 mAP50-95。尽管有了这些结果，但数据集构建的局限性仍然导致问题，尤其是频繁将明亮的人工灯光误分类为火灾。本报告提出了三个主要贡献：一个额外的 NIR 数据集、一个两阶段检测模型以及 Patched-YOLO。首先，为了解决数据稀缺问题，我们探索并应用了 various data augmentation strategies for NIR 数据集和分类数据集。其次，为了提高夜间火灾检测的准确性，同时减少由人工灯光引起的误报，我们提出了一个结合 YOLOv11 和 EfficientNetV2-B0 的两阶段管道。该方法相对于先前方法实现了更高的检测准确率，尤其是在夜间火灾检测方面。第三�为了提高 RGB 图像中的火灾检测，特别是针对小且遥远的目标，我们引入了 Patched-YOLO，通过基于补丁的处理来增强模型的检测能力。以下章节中将讨论这些贡献的详细内容。
关键词
引用
@article{arxiv.2512.23594,
title = {Detection Fire in Camera RGB-NIR},
author = {Nguyen Truong Khai and Luong Duc Vinh},
journal= {arXiv preprint arXiv:2512.23594},
year = {2025}
}