火灾事故频繁发生,做好火灾受损评估工作,有助于查明起火原因、损失核定、灾后修复等工作顺利开展。针对火灾勘验墙体受损评估中存在的速度慢、结果不够准确、过于依赖个人经验等问题,提出了一种墙体火灾受损程度智能评估方法(YOLOv5-wa...火灾事故频繁发生,做好火灾受损评估工作,有助于查明起火原因、损失核定、灾后修复等工作顺利开展。针对火灾勘验墙体受损评估中存在的速度慢、结果不够准确、过于依赖个人经验等问题,提出了一种墙体火灾受损程度智能评估方法(YOLOv5-wall damage assessment,YWDA)。该方法基于YOLOv5(you only look once v5)网络进行改进,首先在加强特征提取网络插入坐标注意力(coordinate attention,CA)机制模块,提高了网络对墙体火灾受损特征的检测能力;其次,在损失函数中引入Focal loss,缓解了数据样本不平衡的问题。结合火灾勘验现场全景三维模型,建立一个居民住宅火灾受损评估数据集,并在此数据集上进行实验验证。结果表明:所提方法YWDA相较于其他算法,具有速度快、精度高、模型小等优点,在实际评估任务中具有较强的鲁棒性。因此,所提方法满足墙体火灾受损评估任务高效性、准确性、客观性等要求,可为现代化火灾勘验工作提供技术支持。展开更多
文摘火灾事故频繁发生,做好火灾受损评估工作,有助于查明起火原因、损失核定、灾后修复等工作顺利开展。针对火灾勘验墙体受损评估中存在的速度慢、结果不够准确、过于依赖个人经验等问题,提出了一种墙体火灾受损程度智能评估方法(YOLOv5-wall damage assessment,YWDA)。该方法基于YOLOv5(you only look once v5)网络进行改进,首先在加强特征提取网络插入坐标注意力(coordinate attention,CA)机制模块,提高了网络对墙体火灾受损特征的检测能力;其次,在损失函数中引入Focal loss,缓解了数据样本不平衡的问题。结合火灾勘验现场全景三维模型,建立一个居民住宅火灾受损评估数据集,并在此数据集上进行实验验证。结果表明:所提方法YWDA相较于其他算法,具有速度快、精度高、模型小等优点,在实际评估任务中具有较强的鲁棒性。因此,所提方法满足墙体火灾受损评估任务高效性、准确性、客观性等要求,可为现代化火灾勘验工作提供技术支持。
