基于改进YOLOv3的火灾识别关键技术研究

物流行业的大型仓库等具有空间大、环境复杂等特点,火灾发生具有不确定性且影响因素较多,导致传统的火灾检测方法难以实现对火灾的实时检测和报警。鉴于此,本文引入AI技术,采用边缘计算从而确保检测的实时性。系统利用烟雾、温度传感器以及摄像头采集视频图像信号,通过YOLOv3模型实现火灾的检测和识别,并且是对该模型进行优化、改进和训练后将其直接部署在NVIDIA GPU上而实现的火灾检测。将火灾识别的结果传至网关,利用网关将数据上传至上位机和移动端。上位机完成火灾报警、火灾定位及最优路径规划;用户和管理员通过移动端或者上位机查询系统状态。最后搭建了训练模型的软硬件平台,完成网络训练并对火焰进行检测。结果表明,该火焰检测模型识别精度高、实时性好,对火灾检测和报警具有较大的实际意义。