采用卷積神經網絡的煙火智能識別算法

陳金鵬， 孫浩, 2, 3， 東輝, 2， 范龍翔, 4， 李晨， 姚立綱, 2

(1. 福州大學機械工程及自動化學院， 福建 福州 350108; 2. 福建省高端裝備制造協同創新中心， 福建 福州 350001;3. 福州大學智能制造仿真研究院， 福建 福州 350108; 4. 福建(泉州)哈爾濱工業大學工程技術研究院， 福建 泉州 362011)

0 引言

常規煙火識別通常借助傳感器， 檢測火焰燃燒導致的顆粒物濃度、 溫度等理化參數變化. 盡管傳統檢測方法及相應的商業化傳感器已廣泛應用， 但在方法的智能化、 覆蓋面和成本等方面仍有待創新. 基于深度學習的煙火檢測具有智能程度高、 覆蓋面廣、 成本低和抗干擾性強等優點. 在實際應用中， 普通相機即可實現煙火形態的高精度識別與檢測， 在野外等特殊工況中具有重要應用價值.

基于深度學習圖像識別算法能自我學習和有效提取復雜圖像特征， 且很多時候比手工篩選特征更能表達事物本質. 文獻[4]通過分別使用Dense-SIFT字典學習、 深度學習和傳統方法， 對樓宇等高大空間煙火檢測效果進行對比. 其結果表明， 所用深度學習算法在隱層不多的情況下， 達到甚至超過傳統算法效果. 其他相關研究工作[5-7]分別使用AlexNet、 GoogleNet、 VGG、 Inception、 ResNet最新模型， 對早期火焰與煙霧進行識別； 其識別精度相較于一般傳統算法得到較大提高， 但工作重點是煙火圖像分類， 而未給出煙火目標檢測解決方案.

本研究提出基于深度學習煙火檢測方法， 使用YOLOv3把目標檢測問題轉化為回歸問題， 對網絡結構與損失函數進行改進， 預測邊界框可……