文献类型：期刊文章

作　　者：刘丽娟[1] 陈松楠[1,2]

LIU Lijuan;CHEN Songnan(College of Information Engineering,Xinyang Agriculture and Forestry University,Xinyang 464000,China;School of Technology,Beijing Forestry University,Beijing 100083,China)

机构地区：[1]信阳农林学院信息工程学院,河南信阳464000 [2]北京林业大学工学院,北京100083

出　　处：《信阳师范学院学报（自然科学版）》

基　　金：国家自然科学基金项目(31570713);河南省科技攻关项目(182102110160);河南省重点研发与推广专项项目(182102210131);信阳农林学院青年教师基金项目(201701013,2019LG014);信阳农林学院青年骨干教师项目。

年　　份：2020

卷　　号：33

期　　号：2

起止页码：305-311

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、IC、JST、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：在SSD(single shot multibox detector)模型基础上,提出一种采用多特征融合及递进池化技术的烟雾实时检测模型,用于对烟雾的实时检测,最终实现了火灾的前期预警.首先,采用MobileNet作为基础网络,实现对烟雾图像特征的逐层提取;然后利用递进池化技术实现对特征模型的压缩,通过反卷积操作实现关键特征的向前融合,避免关键特征的损失;最后经过1×1的卷积后对烟雾图像中不同类型的特征进行融合,借助SSD模型合并不同尺度特征的检测框,使模型目标框预测器统一,增强对模型正负样本的判断能力,实现对目标的类别和位置做出准确判断.实验结果表明,所改进的模型不仅能够对常规环境中的烟雾准确检测,而且对不同光照和尺度的烟雾图像检测也取得了较好的效果.

关 键 词：SSD模型  烟雾检测  多特征融合 数据增强  递进池化  

分 类 号：TP391]