中国安全科学学报

作者：张术琳, 张亚楠, 田超, 严翔, 鲁义, 施式亮

单位：1 湖南科技大学 资源环境与安全工程学院,湖南 湘潭 411201；2 重庆大学 资源与安全学院,重庆 400044

关键词：化工园区,火灾火焰,图像识别,卷积神经网络(CNN),YOLOv5算法,火灾数据集

基金：湖南省重点研发计划资助项目(2022GK2042); 湖南省自然科学基金资助(2023JJ40292); 湖南省教育厅科学研究项目(22C0240); 湖南科技大学博士后科研基金资助(E62203)

为及时发现化工园区火灾事故,降低事故损失,利用卷积神经网络(CNN)建立化工园区火灾实时检测系统。基于CNN-YOLOv5算法训练化工园区火灾数据集和普通火灾数据集,分析对比2个数据集的损失值、召回率、精度和类别平均精度。其中,化工园区火灾数据集的损失值和召回率略低,但精度和类别平均精度高于普通火灾数据集,证明通过CNN检测化工园区火灾的可行性。结果表明:基于火灾检测结果,借助PyQt5程序框架设计化工园区火焰图像识别软件系统,可实现对化工园区火灾火焰图像和视频的识别应用,扩大该方法适用范围。基于CNN的YOLOv5目标检测算法可以实时检测化工园区火灾,其检测方法具有便携性、检测结果具有可靠性,可提高化工园区的安全管理水平。

来源：2024年第1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第1期