典型文献
基于无人机图像和改进YOLOv3-SPP算法的森林火灾烟雾识别方法
文献摘要：
森林火灾的频繁发生对人类生命、经济和周围环境构成重大威胁.烟雾是森林火灾初期最显著特征之一,因此烟雾识别对预防森林火灾意义重大,是建立早期火灾探测机制的关键.由于烟雾具有颜色不一、形状多变等特性,导致传统方法对于烟雾识别存在泛化能力弱、响应时间长、误报率高等问题,无法实现对森林火灾的有效监测.基于此,本研究提出了基于改进的YOLOv3-SPP森林火灾烟雾识别方法.改进的YOLOv3-SPP算法通过在主干特征提取网络中加入Focus模块和使用动态标签分配策略降低了计算成本,以及在预测网络中使用解耦头,能够避免在预测过程中分类与回归任务的冲突,并用无锚框检测器替代锚框检测器计算预测框的位置,显著帮助模型更好地定位烟雾,简化解码过程.本研究使用自建的无人机森林火灾遥感影像数据集对模型进行评估,改进后的YOLOv3-SPP算法模型识别精确率达到91.07％,识别速率达到51帧/s,较YOLOv3-SPP模型分别提升了 1.14％和17帧/s.实验表明该模型能有效地识别森林火灾烟雾,且通过轻量化的设计能在短时间内对烟雾进行准确识别.
文献关键词：
深度学习;YOLOv3-SPP;无人机;森林火灾烟雾;目标识别
中图分类号：
作者姓名：
祖鑫萍;李丹
作者机构：
东北林业大学信息与计算机工程学院,哈尔滨150040
文献出处：
引用格式：
[1]祖鑫萍;李丹-.基于无人机图像和改进YOLOv3-SPP算法的森林火灾烟雾识别方法)[J].林业工程学报,2022(05):142-149
A类：
森林火灾烟雾
B类：
无人机图像,YOLOv3,SPP,烟雾识别,周围环境,大威,显著特征,早期火灾,火灾探测,别存,泛化能力,响应时间,误报率,有效监测,主干特征提取网络,Focus,标签分配,分配策略,计算成本,预测网络,解耦,无锚框检测器,解码,遥感影像数据,算法模型,模型识别,精确率,识别速率,准确识别,目标识别
AB值：
0.241839
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。
