典型文献
基于边缘智能的煤矿外因火灾感知方法
文献摘要：
对煤矿外因火灾隐患进行检测,实现对初期火灾的可靠判识,对于提升煤矿火灾检测水平有重要意义,也是未来智能矿山建设的重要方向.为了提高煤矿外因火灾检测速度、精度和实时性,提出一种基于边缘智能的煤矿外因火灾感知方法.对YOLOv5s模型主干网络特征尺度进行改进,使模型能够充分学习浅层特征,改善小目标检测性能,同时在原有的特征金字塔网络(FPN)基础上添加自适应注意模块,提高模型检测精度.为解决井下光线条件差、粉尘多及摄像机拍摄角度引起的图像检测误差和漏检问题,采用多传感器辅助检测,通过动态加权算法对视频检测信息和多传感器检测信息进行加权融合判识,构建了YOLOv5s?as模型.将YOLOv5s?as模型移植到智能边缘处理器上,并进行轻量化处理,实现边缘智能设备部署.实验结果表明:与未加入传感器信息融合推理的 YOLOv5s?a模型相比,YOLOv5s?as模型推理时间略长,但交并比为 0.5时的平均精度均值(mAP@0.5)提高了7.24%;与移植前的YOLOv5s模型相比,移植到智能边缘处理器上并进行轻量化处理的YOLOv5s?as模型mAP@0.5提高15.04%;SSD 300,SSD 512及YOLOv5s模型无法识别小目标火源,YOLOv5s?a,YOLOv5s?as模型能够检测出小目标火源,适应性较好;使用边缘处理方式时,YOLOv5s?as模型的响应周期为238 ms,比集中式处理方法缩短了38.66%.
文献关键词：
外因火灾检测;YOLOv5s;深度学习;自适应注意机制;多源信息融合;边缘计算
中图分类号：
作者姓名：
赵端;李涛;董彦强;王志强;刘春
作者机构：
中国矿业大学 矿山互联网应用技术国家地方联合工程实验室,江苏 徐州 221116;中国矿业大学 信息与控制工程学院,江苏 徐州 221116;国家电投集团 内蒙古白音华煤电有限公司,内蒙古 锡林郭勒 026200
文献出处：
引用格式：
[1]赵端;李涛;董彦强;王志强;刘春-.基于边缘智能的煤矿外因火灾感知方法)[J].工矿自动化,2022(12):108-115
A类：
外因火灾检测,自适应注意机制
B类：
边缘智能,煤矿,感知方法,火灾隐患,检测水平,智能矿山,矿山建设,检测速度,YOLOv5s,主干网络,网络特征,特征尺度,小目标检测,检测性能,特征金字塔网络,FPN,注意模块,模型检测,检测精度,井下,下光,光线,线条,粉尘,摄像机,拍摄角度,图像检测,检测误差,漏检,多传感器,动态加权,加权算法,对视,视频检测,传感器检测,加权融合,as,边缘处理,处理器,轻量化处理,智能设备,设备部,未加,传感器信息融合,模型推理,推理时间,略长,交并比,平均精度均值,mAP,移植前,SSD,火源,ms,集中式,多源信息融合,边缘计算
AB值：
0.346271
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
