基于图像的工业环境 YOLOv4 火灾检测
计算机视觉与模式识别
2022-12-12 v1
摘要
火灾在爆发时具有破坏性力量，并以灾难性的规模影响其周边。将其损害最小化的绝佳方法是在火势有机会蔓延前尽快探测到火情。相应地，本工作探究了利用 AI 在图像流上通过目标检测来探测与识别火灾并缩短检测时间的潜力。过去六年中目标检测在速度与精度上取得了巨大飞跃，使实时检测成为可能。为此，我们从多个公开来源收集并标注了合适数据，用于训练与评估若干基于流行 YOLOv4 目标检测器的模型。受合作工业伙伴驱动，我们的重点是将系统部署于以高天花板为特征的工业仓库环境。该场景下传统烟雾探测器的缺陷在于烟雾须上升至足够高度。本研究提出的 AI 模型以显著的时间优势超越了这些探测器，提供了宝贵的预警，可进一步帮助最小化火灾影响。
引用
@article{arxiv.2212.04786,
title = {Image-Based Fire Detection in Industrial Environments with YOLOv4},
author = {Otto Zell and Joel Pålsson and Kevin Hernandez-Diaz and Fernando Alonso-Fernandez and Felix Nilsson},
journal= {arXiv preprint arXiv:2212.04786},
year = {2022}
}
备注
Accepted for publication at ICPRAM