一种基于深度学习的皮带通廊全域烟雾实时检测方法

    公开(公告)号:CN116385959A

    公开(公告)日:2023-07-04

    申请号:CN202310229095.3

    申请日:2023-03-10

    摘要: 本发明提供了一种基于深度学习的皮带通廊全域烟雾实时检测方法,包括如下步骤:采用人工烟雾模拟皮带通廊火灾情况,制作YOLOv5烟雾检测模型的训练集;并采集皮带通廊在有灰尘、阳光或墙壁的图像作为对抗样本数据集;利用训练集和对抗样本数据集对模型进行训练;将皮带通廊全域内的摄像机进行分组,并按组进行轮询抓图采集;将采集到的图像集合送入YOLOv5烟雾检测模型,检测是否存在烟雾标签,如果检测到烟雾标签,则增加对该摄像机检测频率,以进一步确认是否发生火灾;如果发生火灾则触发烟雾报警,并将报警信息以微信消息的方式推送至维护人员,以及时采取应对措施。本发明实现了皮带通廊内烟雾的全天实时监测,为皮带通廊区域的安全检测提供了保障。