聚焦环境：AI驱动的火灾与烟雾分类、分割与检测分析
计算机视觉与模式识别
2025-07-09 v2 人工智能
摘要
火灾和烟雾现象对自然环境、生态系统和全球经济，以及人类生命和野生动物构成重大威胁。在这种特殊情况下，需要更先进的技术来实施有效的早期检测、实时监测策略，并最大限度地减少火灾对生态平衡和公共安全的整体影响。近年来，人工智能（AI）和计算机视觉（CV）框架的快速发展显著推动了高效火灾管理系统的发展。然而，这些系统严重依赖充足且高质量的火灾和烟雾数据来为各种任务（如检测和监测）创建熟练的机器学习（ML）方法。尽管火灾和烟雾数据集在训练、评估和测试先进的深度学习（DL）模型方面发挥着关键作用，但对现有数据集的全面综述仍未得到探索。为此，我们提供了一次深入的综述，以系统分析和评估过去20年收集的火灾和烟雾数据集。我们调查了每个数据集的特征，包括类型、大小、格式、收集方法和地理多样性。我们还回顾并突出了每个数据集的独特特征，如成像方式（RGB、热红外、红外）及其对不同火灾管理任务（分类、分割、检测）的适用性。此外，我们总结了每个数据集的优势和劣势，并讨论了它们在推进火灾管理研究和技术方面的潜力。最终，我们在不同数据集上使用多种最先进算法（如ResNet-50、DeepLab-V3和YoloV8）进行了广泛的实验分析。
引用
@article{arxiv.2503.14552,
title = {Eyes on the Environment: AI-Driven Analysis for Fire and Smoke Classification, Segmentation, and Detection},
author = {Sayed Pedram Haeri Boroujeni and Niloufar Mehrabi and Fatemeh Afghah and Connor Peter McGrath and Danish Bhatkar and Mithilesh Anil Biradar and Abolfazl Razi},
journal= {arXiv preprint arXiv:2503.14552},
year = {2025}
}