基于深度神经网络的智能视觉传感器用于烟雾检测
Vincenzo Carletti1, Antonio Greco1, Alessia Saggese1
1Department of Information and Electrical Engineering and Applied Mathematics (DIEM), University of Salerno, 84084 Fisciano, Italy.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
本研究引入了一种新的混合方法,用于使用计算机视觉和卷积神经网络 (CNN) 进行早期火灾检测. 这种方法显著提高了烟雾识别率,同时减少了假阳性,提高了防火能力.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 消防安全工程 消防安全工程
背景情况:
- 早期火灾检测对于防止灾难性损害至关重要.
- 传统的物理传感器在检测火灾的初始阶段存在局限性.
- 现有的计算机视觉方法与烟雾与环境元素的视觉相似性以及有限的训练数据扎.
研究的目的:
- 通过视频分析开发一种有效的自动烟雾检测方法.
- 解决烟雾检测中视觉模糊性和有限数据的挑战.
- 引入一个新的,公开可用的数据集,用于烟雾检测研究.
主要方法:
- 一种混合方法,将运动和外观分析与卷积神经网络 (CNN) 结合起来.
- 开发和使用MIVIA烟雾检测数据集 (MIVIA-SDD) 进行培训和评估.
- 实时视频流分析使用智能视觉传感器 (计算机视觉算法).
主要成果:
- 实现了94%的烟雾识别率.
- 与完全深度学习方法 (100%) 相比,表现出明显较低的虚假阳性率 (14%) .
- 拟议的混合方法在MIVIA-SDD上被证明是非常有效的.
结论:
- 运动,外观分析和深度学习CNN的结合是精确火灾检测的有希望的方法.
- MIVIA-SDD为推进烟雾检测研究提供了宝贵的资源.
- 对这种混合方法的进一步调查可以显著改善火灾检测系统.


