一种基于轻量型神经网络的火情早期预警方法

为了提高火灾检测效率,基于模型压缩思想提出了一种火情早期实时检测模型FRDnet (Fire rapid detection network),利用低值滤波器修剪策略优化ShuffleNetV2网络,优化后的网络参数量比原网络减少了50%,提高了运算效率。针对检测结果假性的问题,提出了基于阈值判定的预警逻辑,提高了预警的鲁棒性。在公开数据集上的实验结果表明,模型的检测精度达到了95%,检测效率达到了44 fps;预警逻辑使模型能够在火情发生4.5 s内发出报警信号,表明模型在火灾发生早期能够快速准确预警。