江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
堆场烟雾检测对于火灾预警、保障人员与财产安全具有重要意义。针对传统烟雾检测方法特征提取不充分,误报率偏高以及稳健性较差的问题,提出一种基于并行深度残差网络的堆场烟雾检测方法。该方法利用目标场景烟雾RGB图像的R、G、B分量以及图像HSI变换的H、S、I分量构建并行深度残差网络,自适应获得烟雾特征;同时通过样本扩边、负样本强化学习策略来加强模型对类烟物体的判别能力。实验结果表明,该算法能有效降低因类烟物体产生的误报率,且提升了网络的检出率和稳健性。
图像处理 图像识别 堆场 烟雾检测 并行深度残差网络 激光与光电子学进展
2018, 55(5): 051008
