排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
快速准确地检测森林火灾中的火点对于减轻火灾损失和开展有效的灭火救援工作至关重要。深度学习技术可以自动学习并提取不同传感器获取的林火特征。无人机搭载不同类型的传感器可以快速获取森林实时图像,但不同传感器获取的图像特征不同,导致深度学习模型在不同图像中的迁移性较差。本研究基于YOLOv5预训练模型,使用286张可见光和红外图像进行迁移学习,以增强模型对不同图像类型的适用性。迁移学习后,模型对可见光图像测试集的检测精度提升了6%,对红外图像测试集的检测精度达到0.952,证明模型对两种传感器图像数据均具有较强的检测能力。相比可见光模型,多模态模型在包含可见光和红外图像的测试集上的mAP50达到0.914,表明模型成功地提高了对红外图像的检测能力,并保留了对可见光图像的良好检测性能。综上,本研究采用少量图像进行迁移学习,取得了较好结果。迁移学习可以使YOLOv5火灾检测模型适配红外图像,在保留可见光图像检测能力的同时,增强其对火情的检测准确性与环境适应性。这为实现基于多源数据的森林火灾检测奠定了基础,为提高森林火灾检测系统的智能化与自适应提供了思路。 相似文献
2.
为提高咸宁市森林航空消防工作效益,降低鄂东重点林区森林火灾的发生率及损失,通过对咸宁航站基地数量变化、巡护面积变化、飞机放飞率、航线飞行率、林火发生等情况分析咸宁市森林航空消防效益,利用合理布置基地、优化巡护航线、注重人才培养和创新宣传方式等手段,大大提高了咸宁市森林航空消防效益,降低了森林火灾发生率. 相似文献
1