機器視覺火焰識別聲音報警測距系統(tǒng)設(shè)計

摘 要：在視覺火焰研究背景下，利用YOLOv5目標檢測算法設(shè)計了一種高效的火焰識別報警測距系統(tǒng)。YOLOv5目標檢測算法利用圖像數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，通過對火焰區(qū)域像素點的處理，增強火焰特征的提取，進一步提升火焰檢測精度。在火焰檢測任務(wù)中，可以通過YOLOv5算法快速定位目標，并實時監(jiān)測火焰區(qū)域。經(jīng)過實驗驗證測試，基于實時視頻流的火焰監(jiān)測報警測距系統(tǒng)可以實時監(jiān)測火源位置并進行報警。實驗結(jié)果表明，該系統(tǒng)具有較高的火焰檢測精度和較快的響應(yīng)速度，其實用性得到了驗證，具有一定的應(yīng)用價值。

關(guān)鍵詞：火焰監(jiān)測；神經(jīng)網(wǎng)絡(luò)模型；YOLOv5；機器視覺；實時視頻流；無線網(wǎng)絡(luò)攝像頭

中圖分類號：TP242 文獻標識碼：A 文章編號：2095-1302（2024）12-00-03

0 引 言

隨著深度學(xué)習(xí)和機器視覺技術(shù)的進步，火災(zāi)監(jiān)測系統(tǒng)在可靠性和準確性方面得到了很大提高。目前，火焰識別方法主要有深度學(xué)習(xí)和傳統(tǒng)機器學(xué)習(xí)2種，其中深度學(xué)習(xí)技術(shù)因為無需先驗知識就能自動學(xué)習(xí)圖像特征而被廣泛應(yīng)用[1]。本文設(shè)計了基于機器視覺的火焰識別語音報警測距系統(tǒng)，基于YOLOv5的機器視覺火焰監(jiān)測報警系統(tǒng)旨在利用YOLOv5技術(shù)來實時監(jiān)測火焰是否出現(xiàn)并在識別置信度超過設(shè)置閾值時觸發(fā)報警。此外，系統(tǒng)還可以對識別的火焰進行單目視覺測距，用來提升火焰監(jiān)測的精準程度和應(yīng)用方面的可靠性[2]。

1 設(shè)計方案

基于機器視覺的火焰監(jiān)測報警系統(tǒng)設(shè)計原理是通過攝像頭采集火焰圖像，并通過圖像處理技術(shù)進行分析處理，檢測火焰是否存在，若存在，則觸發(fā)報警器發(fā)出警報。該系統(tǒng)的設(shè)計目的是提高火災(zāi)的安全防范能力，通過提前預(yù)防和警示來保護人們的生命財產(chǎn)安全。系統(tǒng)設(shè)計思路主要包括以下幾個步驟：

（1）選用合適的攝像頭進行火焰圖像的采集，該攝像頭需具有較高的分辨率和靈敏度。

（2）通過圖像處理技術(shù)對采集的火焰圖像進行分析處理，提取火焰特征，確保系統(tǒng)能夠準確檢測火焰的存在。在分析過程中，可以利用顏色分布、形狀分析等技術(shù)，對火焰進行判斷。

（3）當(dāng)系統(tǒng)檢測到火焰存在時，會立即觸發(fā)報警器發(fā)出警報，提醒人們采取相應(yīng)的應(yīng)急措施。

系統(tǒng)硬件方案設(shè)計流程如圖1所示[3]。

2 系統(tǒng)描述

機器火焰檢測系統(tǒng)涉及硬件選擇、軟件算法、機器視覺原理、視覺測距等。

2.1 硬件組成

硬件設(shè)備的選擇是硬件平臺搭建的重要考慮因素之一。在設(shè)計機器視覺火焰監(jiān)測報警系統(tǒng)時，我們需要選擇高品質(zhì)的圖像采集設(shè)備和計算設(shè)備，以確保監(jiān)測和識別火源的準確性及精度。常見的采集設(shè)備包括支持無線網(wǎng)、局域網(wǎng)或者藍牙連接的高清攝像頭、航拍無人機等，計算設(shè)備包括樹莓派等。此外，我們還需要選擇容量大且讀存速度快的存儲設(shè)備，以存儲視頻流和抓拍的實時畫面，便于計算后精準識別和渲染實時畫面[4]。

2.2 軟件算法搭建

YOLOv5是一種基于深度學(xué)習(xí)建立的目標檢測模型框架，其全稱為You Only Look Once version 5。與傳統(tǒng)目標檢測算法相比，YOLOv5通過引入大量的訓(xùn)練數(shù)據(jù)集來提高目標檢測精度[3]，具有更高的檢測精度和更快的檢測速度。

軟件算法編譯選擇PyCharm，這是一種由JetBrains開發(fā)的Python開發(fā)環(huán)境，旨在改善開發(fā)者的工作流程。它提供了一套完整的工具，可以幫助開發(fā)者更快地編寫并測試代碼、尋找并修復(fù)錯誤、部署應(yīng)用程序。它支持多種Python解釋器，可以與多種數(shù)據(jù)庫和Web服務(wù)器集成，并在PyCharm內(nèi)訓(xùn)練準備好的數(shù)據(jù)集和修改所需的各種參數(shù)[5]。

2.3 目標識別基本原理

目標識別是計算機科學(xué)領(lǐng)域的重要組成部分，是指根據(jù)對象的主要特征來描述對象。卷積神經(jīng)網(wǎng)絡(luò)是研究人員在數(shù)字圖像目標識別或物體識別領(lǐng)域廣泛使用的算法之一[4]。目標識別技術(shù)是機器視覺領(lǐng)域中的核心技術(shù)之一，它是指通過圖像處理和模式識別技術(shù)，對圖像中的目標進行自動識別和分類。目標識別技術(shù)主要包括特征提取、特征匹配、分類識別等步驟[6]。

2.4 視覺測距原理

視覺測距作為機器視覺領(lǐng)域內(nèi)的基礎(chǔ)技術(shù)之一而受到廣泛關(guān)注，其在機器人領(lǐng)域占有重要的地位，被廣泛應(yīng)用于機器視覺定位、目標追蹤、視覺避障等領(lǐng)域。視覺測距主要分為單目測距、雙目測距、結(jié)構(gòu)光測距。

3 模型訓(xùn)練及測試

火焰圖片識別項目模型分為模型數(shù)據(jù)標注、使用PyCharm訓(xùn)練模型2部分。

3.1 數(shù)據(jù)標注

目標識別程序模型文件通過Labelimg軟件處理。使用Labelimg打開JPEGimages文件夾，并使用矩形框?qū)γ恳粡垐D片進行標注，對有火焰的地方進行框選處理并輸入標簽“fire”，標注好后將文件保存格式選為YOLO并保存在Annotations文件夾中。如果標注時圖片中出現(xiàn)了多處火焰則可進行多次標注。Labelimg對圖像標注的示意圖如圖2所示。

3.2 數(shù)據(jù)集訓(xùn)練

目標識別程序的權(quán)重文件下載完畢后，在模型訓(xùn)練程序train.py中對訓(xùn)練模型中的相關(guān)參數(shù)進行配置，配置完畢后運行程序，訓(xùn)練結(jié)束后即可生成目標識別模型庫文件，即best.pt文件。運行train.py文件開始訓(xùn)練，模型訓(xùn)練圖及模型訓(xùn)練結(jié)果如圖3、圖4所示。

4 報警系統(tǒng)設(shè)計

火焰識別聲音報警系統(tǒng)通過視覺算法對火焰信息進行識別，通過網(wǎng)絡(luò)攝像頭將信息傳輸至后方電腦監(jiān)控端，當(dāng)識別置信度超過設(shè)定閾值時觸發(fā)語音報警，實現(xiàn)火焰信息的智能化監(jiān)控。語音報警流程如圖5所示。

5 火焰識別調(diào)試

火焰模型訓(xùn)練完成后，需要用最好的訓(xùn)練結(jié)果來進行實時畫面的監(jiān)測和圖片的檢測，打開detect.py文件，用該文件來測試best.pt文件以及監(jiān)測實時畫面、圖片、視頻，查看訓(xùn)練成果[7]。先對圖片進行檢測，在detect.py文件中找到相應(yīng)文后替換為圖片所存放的文件夾，然后運行文件，圖片檢測及火焰實時監(jiān)測畫面結(jié)果正常，如圖6、圖7所示[8-9]。

此外，為機器視覺火焰識別系統(tǒng)在傳統(tǒng)火焰識別的基礎(chǔ)上增加了單目測距識別功能，當(dāng)運行測距識別程序后，可對目標火焰進行距離測量。測量結(jié)果界面如圖8所示。

6 創(chuàng)新點

機器視覺火焰監(jiān)測報警系統(tǒng)的設(shè)計旨在提高火災(zāi)安全防范能力，通過采用圖像處理技術(shù)，可以對火焰進行準確快速地檢測并報警。在系統(tǒng)設(shè)計中使用基于人工神經(jīng)網(wǎng)絡(luò)的YOLO模型，結(jié)合機器視覺檢測技術(shù)對火焰進行實時識別研究，并通過搭載的網(wǎng)絡(luò)攝像頭對一定區(qū)域范圍內(nèi)的火焰信息進行識別、報警與距離測量，以實現(xiàn)對火焰預(yù)警信息的進一步掌控[10]。

7 結(jié) 語

在基于機器視覺的火焰識別語音報警系統(tǒng)設(shè)計中，我們通過對攝像頭所采集到的火焰圖像進行處理，設(shè)計了一套可以實時監(jiān)測并報警的火焰監(jiān)測系統(tǒng)。實驗結(jié)果表明，該系統(tǒng)能夠準確檢測到火焰，同時避免了對其他物體的誤判。經(jīng)驗證，基于機器視覺的火焰識別語音報警測距系統(tǒng)可以正常運行，攝像畫面也可正常接收，火焰檢測準確度及測距性能均達到了要求。

參考文獻

[1]李海鵬，余強.基于YOLOv5的目標識別追蹤模型輕量化[J].汽車實用技術(shù)，2023，48（5）：30-33.

[2]趙曉冬，張洵穎.基于YOLOv5的無人車自主目標識別優(yōu)化算法[J].兵工學(xué)報，2023，44（9）：2732-2744.

[3]江躍龍，劉薇，魏童.一種基于YOLOv5檢測軌道螺絲的機器人[J].信息與電腦（理論版），2022，34（20）：165-167.

[4]喬珠峰，趙秋菊，郭建鑫，等.基于改進YOLOv5的草莓病害智能識別終端設(shè)計[J].中國農(nóng)機化學(xué)報，2024，45（3）：205-211.

[5]孫廨堯，李秀茹，王松林.基于改進YOLOv5的學(xué)生面部表情識別[J].齊魯工業(yè)大學(xué)學(xué)報，2023，37（1）：28-35.

[6]時造雄，茅正沖.基于改進YOLOv5的花色布匹瑕疵檢測方法[J].計算機測量與控制，2023，31（4）：56-62.

[7]李宗南，蔣怡，王思，等.基于YOLOv5模型的飛蓬屬入侵植物目標檢測[J].中國農(nóng)機化學(xué)報，2023，44（7）：200-206.

[8]夏臻康，李維剛，田志強.基于YOLOv5的指針式儀表自動讀數(shù)方法研究[J].儀表技術(shù)與傳感器，2023（6）：44-51.

[9]韓佼志，王紅雨，吳昌學(xué)，等.基于YOLOv5的單目視覺無人機檢測與定位方法[J].飛行力學(xué)，2023，41（3）：61-66.

[10]胡根生，吳繼甜，鮑文霞，等.基于改進YOLOv5網(wǎng)絡(luò)的復(fù)雜背景圖像中茶尺蠖檢測[J].農(nóng)業(yè)工程學(xué)報，2021，37（21）：191-198.

基金項目：2022海南省省級大學(xué)生創(chuàng)新創(chuàng)業(yè)大創(chuàng)項目：多功能圖像檢測識別機器人的設(shè)計（S202213892007）

作者簡介：趙 巖（2002—），男，河北保定人，研究方向為機器視覺、路徑規(guī)劃。