Una fusión de procesamiento de imágenes con entropía mejorada y YOLOv8 mejorado para el reconocimiento de humo en...

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Ingeniería de seguridad de la mina

Sus antecedentes:

• El monitoreo de incendios basado en imágenes es crucial para la detección temprana, pero los entornos mineros presentan desafíos como fondos complejos y características borrosas.
• Los métodos existentes luchan con la precisión y la robustez en entornos subterráneos, lo que lleva a detecciones perdidas o falsas.
• La integración del humo y la información de fondo, junto con límites inciertos, complica el reconocimiento del humo.

Objetivo del estudio:

• Desarrollar un método preciso y robusto para el reconocimiento de humo en incendios de minas utilizando técnicas basadas en imágenes.
• Abordar los desafíos de los entornos subterráneos complejos, incluida la información integrada sobre el humo y el fondo y las características visuales borrosas.
• Mejorar la precisión y el recuerdo de la detección de humo en escenarios difíciles de incendio de minas.

Principales métodos:

• Propuso un nuevo método que integra el procesamiento de imágenes mejorado por entropía y un modelo mejorado de YOLOv8.
• Se utilizó la separación de entropía espacio-temporal y un método de fusión diferencial de imagen de marco equidistante para suprimir el ruido de fondo y mejorar la claridad del humo.
• Se introdujo un mecanismo de enfoque de características con restricciones de entropía dentro del modelo YOLOv8m para capturar mejor los objetivos de humo de escala variable.

Principales resultados:

• El método propuesto mejoró significativamente la relación señal-ruido y la claridad de las regiones de humo.
• Lograr una detección equilibrada y precisa de objetivos de humo grandes y pequeños.
• Demostró un rendimiento superior en precisión, recuerdo y precisión media (mAP) en comparación con los modelos de referencia y algoritmos similares, satisfaciendo las demandas de detección en tiempo real.

Conclusiones:

• El método YOLOv8 mejorado por entropía mejora efectivamente la precisión y la robustez del reconocimiento de humo en entornos mineros complejos.
• Este enfoque ofrece un avance significativo para la detección y prevención temprana de incendios en las operaciones mineras subterráneas.
• El método proporciona una solución fiable para superar las limitaciones de las técnicas convencionales de monitoreo en tierra.