基于YOLOv5s的城镇森林交界域火灾探测模型

doi:10.16265/j.cnki.issn1003-3033.2023.06.1532

中国安全科学学报 ›› 2023, Vol. 33 ›› Issue (6): 152-158.doi: 10.16265/j.cnki.issn1003-3033.2023.06.1532

基于YOLOv5s的城镇森林交界域火灾探测模型

王喆¹^,²(), 李享¹^,², 杨栋梁¹^,²^,^**(), 刘丹¹^,²

1 武汉理工大学安全科学与应急管理学院,湖北武汉 430070
2 武汉理工大学中国应急管理研究中心,湖北武汉 430070

收稿日期:2023-01-15 修回日期:2023-04-09 出版日期:2023-08-07
通讯作者:
**杨栋梁(1996—),男,河南驻马店人,硕士研究生,研究方向为应急情报分析。E-mail:1309556920@qq.com。
作者简介:
王喆 (1980—),男,湖北武汉人,工学博士,副教授,博士生导师,主要从事应急决策、人工智能、应急物流等方面的研究。E-mail:wangzhe@whut.edu.cn。
基金资助:
教育部人文社会科学研究青年基金资助(20YJC630154); 国家自然科学基金资助(62073251); 国家自然科学基金资助(71501151); 湖北省自然科学基金资助(2020CFA055); 湖北省自然科学基金资助(2016CFB467); 中央高校基本科研业务费专项资金资助(2020-VI-004)

Fire detection model of wildland-urban interface based on YOLOv5s

WANG Zhe¹^,²(), LI Xiang¹^,², YANG Dongliang¹^,²^,^**(), LIU Dan¹^,²

1 School of Safety Science and Emergency Management, Wuhan University of Technology, Wuhan Hubei 430070, China
2 China Emergency Management Research Center, Wuhan University of Technology, Wuhan Hubei 430070, China

Received:2023-01-15 Revised:2023-04-09 Published:2023-08-07

摘要/Abstract

摘要：

为精准监控城镇森林交界域火灾及定位其空间分布,提出基于改进YOLOv5s网络的城镇森林交界域火灾目标探测模型。首先收集城镇森林交界域火灾图像,利用图像注释工具标注出目标探测数据集;然后将坐标注意力(CA)机制引入YOLOv5s的主干网络,增强模型的方向及位置信息感知,以精准定位出城镇森林交界域火灾起火点;最后以准确度、召回率、平均准确度为评价指标,在自建数据集上进行训练、测试。模拟结果表明:改进的YOLOv5s模型整体性能提升,在城镇森林交界域火灾目标探测中,建筑物火灾平均精确度增加了0.8%,森林火灾则增加了1.3%。

关键词: 城镇森林交界域, YOLOv5s, 火灾探测, 目标探测

Abstract:

In order to accurately monitor the fires at wildland-urban interfaces and locate their spatial distribution, a target detection model of wildland-urban interface fires based on the improved YOLOv5s network was proposed. Images of fires at the wildland-urban interfaces were collected, and object detection datasets were annotated with the image annotation tool. CA mechanism was introduced into the backbone network of YOLOv5s to enhance the orientation and location information perception of the model to accurately locate the fire point at the wildland-urban interface. Based on the evaluation indicators of accuracy, recall rate and average accuracy, training and testing were carried out on the self-built data set. The experimental results show that the overall performance of the improved YOLOv5s model is improved, and the average accuracy of building fires increases by 0.8% and forest fires by 1.3% in the detection of fire targets in the wildland-urban interface.

Key words: wildland-urban interface, YOLOv5s, fire detection, target detection

王喆, 李享, 杨栋梁, 刘丹. 基于YOLOv5s的城镇森林交界域火灾探测模型[J]. 中国安全科学学报, 2023, 33(6): 152-158.

WANG Zhe, LI Xiang, YANG Dongliang, LIU Dan. Fire detection model of wildland-urban interface based on YOLOv5s[J]. China Safety Science Journal, 2023, 33(6): 152-158.

图/表 10

图1

图2

图3

图4

图5

图6

表1

图7

图8

图9

参考文献 11

[1]	宋英华, 张小莹, 吕伟. 城镇-森林交界域火灾灾害链网络模型构建及风险分析[J]. 中国安全生产科学技术, 2020, 16(5):122-128.
	SONG Yinghua, ZHANG Xiaoying, LYU Wei. Construction and risk analysis of fire disaster chain network model in wildland-urban interface[J]. China Safety Science and Technology, 2020, 16(5):122-128.
[2]	国务院河南平顶山“5.25”特别重大火灾事故调查组. 河南平顶山“5·25”特别重大火灾事故调查报告[R/OL]. (2015-10-14).https://www.mem.gov.cn/gk/sgcc/tbzdsgdcbg/2015/201510/t20151014_245219.shtml
[3]	张庆杰, 郑二功, 徐亮, 等. 森林防火无人机系统设计与林火识别算法研究[J]. 电子测量技术, 2017, 40(1): 145-150.
	ZHANG Qingjie, ZHENG Ergong, XU Liang, et al. Design of forest fire prevention UAV system and research on forest fire identification algorithm[J]. Electronic Measurement Technology, 2017, 40(1): 145-150.
[4]	牛磊. 激光技术在建筑物火灾检测的应用研究[J]. 激光杂志, 2016, 37(4): 29-32.
	NIU Lei. Research on the application of laser technology in building fire detection[J]. Laser Magazine, 2016, 37(4): 29-32.
[5]	李柯泉, 陈燕, 刘佳晨, 等. 基于深度学习的目标检测算法综述[J]. 计算机工程, 2022, 48(7):1-12. doi: 10.19678/j.issn.1000-3428.0062725
	LI Kequan, CHEN Yan, LIU Jiachen, et al. Overview of target detection algorithms based on deep learning[J]. Computer Engineering, 2022, 48(7):1-12. doi: 10.19678/j.issn.1000-3428.0062725
[6]	张全, 张伟, 杨先凤, 等. 融合YOLOv5-ResNet级联网络的烟火检测方法[J]. 安全与环境学报, 2023, 23(2):397-405.
	ZHANG Quan, ZHANG Wei, YANG Xianfeng, et al. Smoke and fire detection method integrating YOLOv5-Resn cascaded network[J]. Journal of Safety and Environment, 2023, 23(2):397-405.
[7]	栗俊杰, 毛鹏军, 淡文慧, 等. 基于YOLOv2-Tiny的无人机火灾检测与云台跟踪研究[J]. 消防科学与技术, 2022, 41(1): 108-112.
	LI Junjie, MAO Pengjun, DAN Wenhui, et al. Research on UAV fire detection and PTZ tracking based on YOLOv2-Tiny[J]. Fire Science and Technology, 2022, 41(1): 108-112.
[8]	拉毛措, 安见才让, 拉毛杰. 基于嵌入并行注意力机制的YOLOv3模型高原动物种类检测算法[J]. 微处理机, 2021, 42(2): 37-40.
	Lamaocuo, Anjiancairang, Lamaojie. Algorithm of YOLOv3 model for plateau animals category detection based on embedded parallel attention mechanism[J]. Microprocessor, 2021, 42(2): 37-40.
[9]	赵江平, 徐恒, 党悦悦. 基于改进Faster R-CNN的铁路客车螺栓检测研究[J]. 中国安全科学学报, 2021, 31(7):82-89. doi: 10.16265/j.cnki.issn 1003-3033.2021.07.012
	ZHAO Jiangping, XU Heng, DANG Yueyue. Research on railway passenger car bolt detection based on improved faster R-CNN[J]. China Safety Science Journal, 2021, 31 (7):82-89. doi: 10.16265/j.cnki.issn 1003-3033.2021.07.012
[10]	包晗, 康泉胜, 周明. 一种基于LVQ神经网络与图像处理的火焰识别算法[J]. 中国安全科学学报, 2011, 21(6): 60-64.
	BAO Han, KANG Quansheng, ZHOU Ming. A flame recognition algorithm based on LVQ neural network and image processing[J]. China Safety Science Journal, 2011, 21(6):60-64.
[11]	HE Kaiming, ZHANG Xiangyu, REN Shaoqing, et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[C]. Computer Vision-ECCV 2014:13^th European Conference, 2014:346-361.

模型	类别	P	R	m
YOLOv5s- CA	全体	0.958	0.960	0.957
	建筑火灾	0.927	0.920	0.922
	森林火灾	0.989	0.990	0.993
YOLOv5s	全体	0.928	0.928	0.947
	建筑火灾	0.898	0.872	0.914
	森林火灾	0.957	0.985	0.980

基于YOLOv5s的城镇森林交界域火灾探测模型

Fire detection model of wildland-urban interface based on YOLOv5s

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 11

相关文章 7

编辑推荐

Metrics

本文评价

[1]	张慧卿, 杨凯, 朱冬香. 火灾探测器抗电磁干扰技术专利分析[J]. 中国安全科学学报, 2022, 32(S1): 90-95.
[2]	刘全义, 朱博, 邓力, 石航, 梁光华. 基于机器学习的双参数火灾探测方法[J]. 中国安全科学学报, 2022, 32(5): 90-96.
[3]	张昊，赵金勇，李宏文，王燕平. 地铁运营工况点型探测器探测性能试验研究[J]. 中国安全科学学报, 2011, 21(8): 43-.
[4]	张鑫，隋金雪，张岩. 信息融合技术在火灾探测中的应用研究[J]. 中国安全科学学报, 2011, 21(6): 94-.
[5]	邢志祥，陈露. 基于MATLAB的火灾探测报警系统寿命分布和可靠度研究[J]. 中国安全科学学报, 2011, 21(6): 48-.
[6]	王皎，高扬. 基于火灾动力学模拟的古建筑火灾探测器布置研究[J]. 中国安全科学学报, 2011, 21(3): 71-.
[7]	谢启源，袁宏永，吴龙标，储胜华. 潮湿引起感烟火灾探测器误报研究[J]. 中国安全科学学报, 2004, 14(1): 84-.