【摘 要】
：
船舶火灾事故中约有七成发生在船舶机舱中。机舱内部空间大、环境复杂,火灾一旦发生会迅速蔓延且极难扑救,严重影响船员生命及财产安全。因此,研究一套能在机舱内尽早精确地检测出烟雾、火焰的方法对于船舶安全有着重要意义。基于视频的火灾识别算法具有监控范围大,检测精度高,不受空间、距离环境限制,易于保存数据等优点,但现有火灾识别算法多在一些专有数据集验证,对船舶机舱实际场景适应性不够,直接应用到船舶机舱存在识
论文部分内容阅读
船舶火灾事故中约有七成发生在船舶机舱中。机舱内部空间大、环境复杂,火灾一旦发生会迅速蔓延且极难扑救,严重影响船员生命及财产安全。因此,研究一套能在机舱内尽早精确地检测出烟雾、火焰的方法对于船舶安全有着重要意义。基于视频的火灾识别算法具有监控范围大,检测精度高,不受空间、距离环境限制,易于保存数据等优点,但现有火灾识别算法多在一些专有数据集验证,对船舶机舱实际场景适应性不够,直接应用到船舶机舱存在识别率低、实时性较差等问题。本文研究基于深度学习的视频图像型火焰烟雾检测算法,用于船舶机舱内火灾实时预警,并将其部署在嵌入式软件中完成测试。主要研究内容和成果如下:构建了船舶机舱火灾识别专用数据集并设计数据增强算法。针对现有的公开火灾数据集中关于船舶舱室的火灾图像很少的现状,分析了机舱环境图像特点,从舱室失火视频以及公开火灾数据集中筛选出符合机舱背景火灾图片进行自标注,构建了舱室专用数据集Ship Fire Data,共计23260张图片。提出了Growup数据增强算法,扩充数据集的同时使模型精度提高了1.1%,并增强了模型对小目标的识别能力。设计了船舱专用火灾检测算法SF-YOLO与GSF-YOLO。在CSPDarknet53网络基础上引入自注意力机制,构建了SF-Net特征提取网络,并以此为Backbone采用YOLOv4中多尺度预测框架提出了船舱火灾检测算法SF-YOLO。为了降低计算成本、减少船舶功耗,使用Ghost卷积代替主干网络中的普通卷积模块,得到轻量型GSFYOLO算法。小型化后的网络相比原网络参数量和计算量分别降低了57%和64%。采用基于交并比的损失函数与迁移学习方式分别训练了SF-YOLO与GSF-YOLO。经测试,在输入分辨率为640×640的情况下,SF-YOLO算法和GSF-YOLO算法的精度分别是83.1%和79.8%,在英伟达显卡GTX 1660Ti上推理速度分别是每秒27.7帧和41.7帧。最后通过对含遮挡火焰、模糊烟雾等复杂场景下检测证明算法有较强抗干扰能力和鲁棒性。综合精度和速度的条件下,本文提出的船舶火灾检测算法优于Rpi Fire等算法。考虑到船舶上功耗与成本问题,运用Tensor RT工具进一步压缩两种网络,使得推理速度提升一倍。随后集成部署到QT制作的舱室火灾检测软件中并在多种舱室场景下的火灾与非火灾视频进行测试。结果表明本文设计的检测算法可以迅速、精确地识别出船舶机舱中的火灾。
其他文献
飞机结冰严重威胁飞机飞行安全,是公认的影响飞机飞行安全的六大因素之一,其中机翼结冰会造成飞机阻力增加、升力下降、飞机操作性降低,对飞机飞行安全的危害尤其严重。为实现对机翼表面易结冰区域结冰情况的三维成像探测,本文提出了一种基于压电阵列的结冰探测方法。首先分析了基于压电阵列谐振谱的结冰三维成像探测原理。利用模拟试验验证了结冰概率重构算法的结冰定位能力,采用瑞利-里兹法求解出了铝板-冰层的谐振频率的函
随着以微电子为核心的信息技术发展,无人飞行器高自主性的智能化需求越来越迫切,以图像匹配为主要手段的视觉导航成为当下无人飞行器长航时飞行的一大研究热点。红外图像匹配导航具有隐蔽性好、探测距离远、抗干扰能力强和可全天候作战等优势,因此,研究平面地标匹配导引的前视红外图像固定目标检测方法对无人飞行器的长航时自主导航具有重要意义。首先,描述了红外图像匹配导航应用的具体流程,并递进分析各阶段的输入输出特性和
近年来,随着供配电要求的不断提高,储能技术对于电网已经越来越不可或缺。储能技术对电力调频、平抑可再生能源并网波动、提高电能质量等具有重要作用。本文研究了储能电池集群的双层调度问题,上层调度的对象是整个储能电池系统,用于产生底层调度指令,底层调度对象是各个电池模块,使各个电池模块对上层指令进行追踪。论文主要内容如下:将储能电池集群的调度分为两层。第一层采用深度强化学习方法做决策,研究储能电池集群的整
传统的基于图像的情感识别模型主要采用在受控条件下采集的数据集进行训练,在复杂场景下性能较差。在复杂场景下,受到外部环境的影响,人体可能存在遮挡或模糊等情况,传统的情感识别算法往往存在噪声较大或识别率低等问题。本文围绕复杂场景下情感识别问题,借助深度神经网络,挖掘场景中可能与情感相关的信息,并针对异构信息的融合提出了新的方法。本文分别研究人脸、人体姿态、场景和人-物交互的情感特征提取方法,以及它们的
随着基于深度神经网络的目标检测算法在实际生活中的广泛应用,针对深度神经网络进行攻击的对抗样本已成为实际应用中的一大隐患。开展面向典型目标检测网络的对抗样本生成研究,一方面可以实现对深度神经网络的数字和物理攻击,提升目标的防护能力;另一方面,通过对抗训练可以提高系统模型的泛化能力和鲁棒性。典型对抗样本生成方法侧重于降低与原始样本的差异,需要对每一个样本进行多轮训练才能生成一个对抗样本,耗时长、通用性
随着智能电网技术的快速发展,电动汽车以及与之对应的充/换电站得到广泛应用。与此同时,世界各国已大力使用可再生能源,越来越多太阳能光伏装机并入电力系统。显然,含光伏接入的电力系统可以有效地缓解传统非可再生能源的消耗,同时电动汽车的规模化应用可以显著减少碳排放量。但是,太阳能光伏具有高不确定性和强随机性的特点,将光伏接入电力系统势必会影响系统调度的安全性和稳定性,因此研究光伏的不确定性对电力系统运行具
短波红外成像技术具有隐蔽性好、环境适应性好、抗干扰能力强等优点,在军事、医疗、交通、工业以及农业等多个领域具有重要的应用价值。在非制冷短波红外成像中,传统的铟镓砷探测器占据了主要市场,但由于成本高、工艺复杂,其应用发展严重受限。而硫化铅（Pb S）胶体量子点（简称量子点）具有价格低、与CMOS工艺易兼容、响应波段可调、灵敏度高、填充因子高等优势,极有可能成为下一代短波红外的光敏材料。然而,作为一种
激光热丝焊接具有热输入小、能量利用率高、填丝效率高、间隙桥接能力好等优点,但仍面临因光丝间距波动造成的焊缝成形不佳和过程不稳等问题。将振荡扫描激光和热丝焊接有机结合,有望通过对熔池行为的调控改善上述问题,并进一步增加接头间隙桥接能力,提高其工业适应能力。为此本文以Q235低碳钢为对象,开展了扫描激光热丝焊接工艺研究。主要研究结果如下:首先对比了激光热丝焊接和冷丝焊接工艺特性,系统研究了焊接速度、送
近十几年来,多智能体系统的协调控制问题备受关注,并在无人机编队、卫星姿态对准和多机器人系统等领域具有广阔的应用前景。一致性作为多智能体系统协调控制的基础问题之一,主要目的是基于局部信息制定一些合适的控制协议,以保证所有智能体达到相同的状态。在多智能体系统的理论研究中,通常假设每个智能体具有充足的能量、良好的运算能力,且智能体间的通信是实时的。然而,在实际应用中,单个智能体的运算能力和通信能力依赖于
随着基于人脸图像的计算机视觉任务广泛应用于商业场景,人脸质量评估的重要性逐渐显现,与深度学习的结合使其更具备实用价值。通过设计合适的人脸质量评估指标评估人脸质量,不仅可以有效给出评价人脸质量的指导性意见,作为参考获取质量更佳的图像,还可以筛选高质量人脸,作为后续处理任务的有效输入图像。本文提出了一种多任务人脸图像质量评估算法,在评估人脸综合质量的同时,给出五种质量评估指标的指导性结果。本文选择CA