|
基于深度视觉模型的轻量化林火烟雾检测模型的研究
发布时间：（2023-06-09）
|
|
|
项目名称：基于深度视觉模型的轻量化林火烟雾检测模型的研究
|
|
项目类别：省级
|
|
所属等级：省级重点项目
|
|
项目编号：202310298038Z
|
|
项目组成员：
|
[第一主持人]周佳凝 2110604129 计算机科学与技术
[第二主持人]陈功 200355102 计算机科学与技术
[项目组人员]林徐锋 200355611 软件工程(嵌入式培养)
[项目组人员]李中原 200355310 软件工程(嵌入式培养)
|
|
|
所属学院：信息科学技术学院、人工智能学院
|
|
所属专业：计算机科学与技术
|
|
指导教师：
|
[第一指导教师]林海峰 信息科学技术学院、人工智能学院
|
|
|
立项时间：2023-06-09
|
|
研究时间：2023年6月 至 2024年5月
|
|
结题验收结果：合格
|
|
项目研究内容简介：
项目提出了一种基于YOLOv7的轻量级森林火灾烟雾探测模型。针对云和烟雾之间无法区分特征边界的问题，将协调注意力集成到YOLO特征提取网络中，以增强烟雾特征的提取并衰减背景信息；使用CARAFE上采样来扩展特征融合网络中的接收域，充分利用语义信息；构建轻量化高效层聚合网络模块和特征金字塔池化模块，有效减少模型中参数数量，加快模型的收敛速度。在预测阶段，使用SIoU作为定位损失函数来提高收敛效率、加速收敛速度。
|
|
项目研究成果：
论文详细展示了项目的研究成果。感知到森林烟雾检测可通过计算机视觉检测大大降低人工检测的要求，提高检测的准确性。我们提出基于YOLOv7的森林火灾烟雾检测的轻量化模型。针对原有模型规模大，难以部署，我们改进模型CSConv代替标准卷积加快收敛。同时嵌入多层坐标关注，通过有效融合通道关系和位置信息，聚焦于网络感兴趣的位置，抑制无用信息，改进云烟分离。使用CARAFE上采样来扩展特征融合网络中的接收域，充分利用语义信息，在模型训练过程中用SIoU函数提高推理速度和准确性。
|
|
成果图片：
|
|
|
|
发表论文情况：
|
| 论文题目 | 论文作者 | 稿件状态 | 刊物名称 | 刊物类型 | 发表时间 | 学生是第几作者 | 论文附件 | 备注 | | LMDFS: A Lightweight Model for Detecting Forest Fire Smoke in UAV Images Based on YOLOv7 | Gong Chen, Renxi Cheng, Xufeng Lin, Wanguo Jiao, Di Bai and Haifeng Lin | 录用 | remote sensing | SCI | 2023-07-28 | 1 | 查看 | |
|
|
论文附件：无附件上传
|
|
|
|
申请专利情况：
|
| 专利题名 | 专利申请者 | 申请专利号及时间 | 授权专利号及时间 | 学生第几权利人 | 备注 |
|
|
专利附件：无附件上传
|
|
|
|
参加竞赛获奖情况：
|
| 竞赛名称 | 竞赛级别 | 竞赛主办单位 | 获奖学生名单 | 获奖等级 | 获奖时间 | 备注 |
|
|
|
|
参加国际、国内学术交流会议情况：
|
| 论文题目 | 论文作者 | 稿件状态 | 会议名称 | 举办单位 | 举办地点 | 举办时间 | 备注 | | 投稿 | 录用 | 会议交流 |
|
|
成果展示材料：无附件上传
|
|
项目研究成果统计表：查看附件
|