文献类型：期刊文章

作　　者：吴彩朋[1,2] 王兴鹏[1]

WU Caipeng;WANG Xingpeng(School of Management,Shijiazhuang Tiedao University,Shijiazhuang 050043,China;School of Continuing Education,Shijiazhuang University of Applied Technology,Shijiazhuang 050081,China)

机构地区：[1]石家庄铁道大学管理学院,石家庄050043 [2]石家庄职业技术学院继续教育学院,石家庄050081

出　　处：《安全与环境学报》

基　　金：河北省科技计划软科学研究专项(225576144D)。

年　　份：2023

卷　　号：23

期　　号：10

起止页码：3584-3590

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、JST、ZGKJHX、核心刊

摘　　要：深度学习在基于视频的火灾火焰识别技术中得到了广泛应用。为解决当前常用的卷积神经网络模型由于层数和训练参数过多,导致存储和速度问题突出,很大程度上限制了其在一些硬件平台上使用的问题,基于轻量级卷积神经网络模型SqueezeNet,通过适当修改模型结构,构建了一种适用于火灾火焰识别的新网络模型。将获取的各类火灾火焰图像数据,采用数据增强的方法来增加数据量,制作火灾火焰图像数据集,形成学习样本,并使用运动探测算法提取图像的火焰区域进行模型训练和识别前预处理。试验结果表明:该模型所需存储空间仅为0.28 MB,为VGG16的1/200;火灾火焰识别预测准确率达98%,比SqueezeNet提高了近4个百分点,且具有良好的抗干扰能力,有效缓解了当前卷积神经网络中存在的存储和速度问题。

关 键 词：安全工程 深度学习  卷积神经网络 运动检测  火灾火焰识别  

分 类 号：X947[安全科学与工程类]