基于改进YOLOv7的转炉火焰燃烧状态检测研究

针对某炼钢厂A号转炉炉膛火焰燃烧状态分析判定问题,提出基于改进YOLOv7深度学习网络架构结合视频火焰状态的判断方法。首先引入无参平均注意力机制(PfAAM),在不添加参数或超参数的情况下捕获通道注意力和空间注意力,并使用轻量化上采样算子(CARAFE)、功能的内容感知重组进行上采样,使YOLOv7网络获得更好的鲁棒性和准确性。优化后的网络,MAP_0.5值提升了2.4%,精确率提升了5.5%,帧率达到了51.5帧/秒。结合视频图像Matlab火焰状态分析方法,充分利用图像和特征信息增加了对火焰状态判断的可解释性和鲁棒性,并提高了算法的安全性和可信度。实验结果也表明改进算法能够有效提升对火焰燃烧状态识别的准确率和实时性。

挥发窑鼓风管的关键点识别及其摆放位置监测

窑头鼓风管的摆放位置是影响氧化锌挥发窑燃烧状态的重要操作参数之一,现仍由人工看火来手动调节,同时现场没有为挥发窑的运行优化记录完善的鼓风状态数据,也难以及时发现鼓风管被窑内渣块击中等安全隐患.针对上述问题,本文提出一种基于关键点识别的鼓风管位置监测方法.首先,文章对从窑头看火口采集的火焰视频数据集设计一种邻域关键点辅助的数据扩充方法,并构建级联金字塔网络(CPN)来预测鼓风管管口中心点的位置;然后,本文提出一种基于多帧图像的聚类分析算法来消除因烟尘遮挡所产生的异常点,并采用一种量化指标来实现对挥发窑鼓风管摆放位置的实时感知与记录;最后,本文基于现场采集的火焰视频数据进行了对比实验,结果表明所提出的关键点检测模型精度高、鲁棒性强,且鼓风管位置的量化准确率高达92.3%.

基于视频监控的火灾安全监测系统的设计

文中旨在设计和实现一种基于视频监控的火灾安全监测系统,该系统利用火焰识别算法和人员疲劳检测算法,能实时监测火灾的发生并提前检测人员疲劳情况,为火灾安全管理提供有效的帮助。首先,针对火焰识别,文中提出了一种基于图像处理和机器学习的火焰识别算法,其能准确、快速地检测到火焰的存在。其次,针对人员疲劳检测,文中设计了一种基于计算机视觉和模式识别的人员疲劳检测算法,其能实时监测相关人员的眼睛状态和姿势,及时发现疲劳迹象。最后,通过将这两种算法与Java后端系统进行集成,实现了一个完整的火灾安全监测系统。实验结果表明,该系统在火灾安全监测方面具有较高的准确性和实时性,为火灾事故的防范和人员安全提供了有效的保障。

基于卷积神经网络的早期火苗检测研究

为了快速检测出早期火苗,提高火灾的预警功能,本文研究基于YOLOv5s算法的早期火灾视频的火苗识别,并将YOLOv5s算法与YOLOv4-tiny算法、YOLOv3-tiny算法进行了比较。研究结果表明,YOLOv5s的定位损失比YOLOv4-tiny和YOLOv3-tiny分别降低了0.0225和0.0205,YOLOv5s的精确度分别提高了0.1361和0.0507。在视频检测中YOLOv5s最早检测到火苗,且检测的准确率比YOLOv4-tiny和YOLOv3-tiny分别提高了0.22和0.21,在早期小火苗检测中YOLOv5s算法的性能更优。

基于双光融合的输煤明火实时检测系统

输煤栈桥场景中,若产生明火则易带来严重的安全事故。因此生产现场需要第一时间发现并扑灭明火,保障工业现场的安全生产。研究了通过可见光和热成像双光融合的实时视频检测方法,能及时发现明火并告警。该系统采用多元化的告警方式:机器人本体声光报警、电脑Web端弹窗和语音告警、手机APP端告警通知,使得相关人员在第一时间可知晓告警,以便及时处理。在实际项目应用中,明火检测综合准确度大于95%,保障了输煤栈桥工业现场的运行安全。

基于自注意力的隧道视频火灾识别技术研究

针对公路隧道火灾样本量少、深度学习效果不理想的问题,研究一种小样本学习技术,以提高对隧道火灾样本的利用率,并在此基础上利用成熟的机器学习方法,提出一种基于自注意力的隧道视频火灾识别技术。该技术采用自注意力机制结合SVM分类器搭建火焰识别模型,该模型针对各项特征对火焰识别的重要性分配不同的注意力权重,形成注意力矩阵,并将权重矩阵与特征向量的值相加权,通过SVM的Hinge Loss进行线性支持向量机分类,对公路隧道火灾进行识别和预警。在火灾识别训练过程中,通过对火焰疑似区域进行检测,并利用数据增强技术达到样本扩增的目的,随后采用多通道融合的特征提取方式构建特征向量,输入设计的自注意力火焰识别模型中,通过梯度下降优化器进行小批量模型训练,降低迭代次数,最终获得最优特征权重参数,得到最佳识别模型。试验结果表明,该方法在模型训练时收敛较快,在火焰识别时相比未使用小样本学习的传统SVM算法,准确率提高了5%,因此能在小样本环境下有效提高火灾识别的准确度。

基于改进YOLOX轻量级的烟雾火焰目标检测方法

本文针对目前基于深度学习的烟雾火焰目标检测任务中存在的在嵌入式设备下准确率低、实时性能差的问题,提出一种基于改进的轻量级YOLOX算法的烟雾火焰目标检测方法F-YOLOX。该方法以YOLOX-s作为基准模型,通过引入ECA注意力模块、使用SIoU损失函数和采用GELU激活函数等技术手段对原模型进行改进。实验结果表明,F-YOLOX在烟焰图像检测数据集上检测平均精度达到78.45%,比基准模型提高3.7%;检测速度达到53.4fps,比基准模型提高2.8%。F-YOLOX能够满足烟雾火焰检测任务精度和实时性的要求。

基于注意力机制的3D卷积双波段烟火识别方法

为提高复杂环境下烟火识别的精度,提出一种基于3D卷积和时空注意力机制的双波段烟火识别方法,该方法融合近红外和可见光双波段图像数据,使用视频流中基于时间的动态特征和基于空间的静态特征降低漏报率、误报率。实验结果表明,该算法在双波段数据集上的烟火识别精度达到99.90%,优于其他基于3D卷积的烟火识别算法,同时,模型具有较小的参数量,能够满足实时推理需求。因此,使用双波段特征的同时,结合注意力机制充分利用视频的动态信息,可以有效提高烟火识别精度。

GSP气化炉火焰检测器的优化与改造

火焰检测器是GSP气化炉安全监测系统的重要组成部分,也是操作人员远程掌握气化炉内火焰燃烧情况的重要设备。火焰检测器在GSP气化炉点火初期无法检测到火焰,投煤、燃料气切换期间存在火检频繁波动等情况。如何保证准确、可靠的检测气化炉内火焰情况,在深入分析了GSP气化炉烧嘴结构、火焰检测器构成及工作原理的基础上,针对火焰检测器使用过程中存在火检信号丢失、频繁波动等缺陷,提出了对火焰检测器基于全光谱动态的三重化冗余改造方法,通过改造有效地解决了以上问题。

一种基于视频多特征融合的火焰识别算法

根据燃烧过程中火焰的物理特性,结合火焰的静态和动态特征,设计了一种多特征融合的火焰识别算法,对火灾进行快速判别.基于信任度模型建立了火焰识别的概率模型,以疑似概率反映视频图像中出现火焰的几率.实验表明,该算法识别火焰速度快,能够达到25帧/s的处理速度,与其他的火焰识别算法相比,算法在识别过程中无需人工调整即可自动完成,在复杂实际环境中,算法识别的准确性高,抗干扰能力比较强,如对车灯、路灯等干扰疑似概率始终小于10%.因此,算法在实际运用中有着广泛的应用前景.

一种基于连续帧图像相似度的火焰识别方法

为解决了火焰闪烁频率计算量大、计算结果不准确的问题,首先基于火焰的闪烁特性,选取连续帧图像中可疑区域的相似度作为火焰和干扰源的判别依据,利用正负大样本数据确定了相似度阈值的范围大小;然后,根据火焰的运动特性设计了一种连续帧图像中可疑区域的区域跟踪方法。实验证明:该方法能够跟踪出连续帧图像中的可疑区域,并可排除常见干扰源的影响,准确地进行火灾预警。

融合多特征的视频火焰检测

对于复杂的场景,人类视觉系统选择性注意机制能够不需要训练而快速地定位到图像中的显著目标上.文中结合火焰的先验信息,基于显著性的四元数离散余弦变换算法来检测视频中的火焰.首先根据火焰在RGB空间中3个颜色分量之间的特殊关系改进了2个火焰颜色特征公式,得到2幅火焰颜色的特征图;然后通过计算疑似火焰区域的LBP特征向量的距离得到火焰的纹理特征图;再根据火焰内部的动态纹理、火焰闪烁频率特征计算改进后的火焰高频过零次数,得到火焰的动态特征图;最后将这4幅火焰特征图构成一个四元数,利用四元数离散余弦变换得到最终的火焰显著图.在Bilkent大学的火焰视频库中进行实验的结果表明,该方法具有准确率高、鲁棒性强的特点,优于对比的其他视频火焰检测算法.

基于视频的火焰检测方法

在分析视频监控的火焰检测技术的基础上,针对传统的帧间差分法,提出一种结合分块处理和帧间差分的分块帧组差分的运动检测方法,提高相邻像素间的关联性,降低噪声干扰的影响,通过色调、色饱和度和亮度来分析视频中火焰像素的静态颜色特征,降低亮度对颜色检测的影响。充分利用燃烧火焰的动态频谱特征和空间的能量信息,对不同时刻火焰燃烧的图像时域和空域进行小波分析;分析后的疑似火焰区域利用连通邻域像素的信息对零散的非火焰像素点进行滤除。实验结果表明,该检测方法更具目的性,且颜色检测更具可靠性,降低了闪烁光和类似火焰物体等造成的影响。

瓦斯爆炸过程中火焰传播的实验与数值模拟研究

为了研究矿井瓦斯爆炸火焰发展过程中结构与参数的动态变化特征,建立小尺寸管道气体爆炸实验平台,结合高速纹影摄影技术,探测了不同浓度的甲烷-空气预混气体火焰在管道内传播的结构变化特性,并得出速度变化特征曲线。同时建立相应的数学模型和物理模型,通过模拟实验研究管道内气体爆炸反应过程中火焰传播速度变化过程,计算图像和实验图像走向趋向一致。

基于视频图像分析的火燃检测及其应用

综合分析了目前视频火焰检测技术中几个主要方面,包括可视探测技术的优势,火燃事件的特性分类和视觉特征的描述,具有代表性的检测算法,典型的系统解决方案及其发展趋势等,同时也探讨了其中涉及的若干关键问题,并展望了相关研究的应用前景。

自动送药遥控小车及视频监控系统

介绍了自主研制的应用于某雷管装药生产线的自动送药遥控小车,详细说明了遥控小车的自动送药工艺、单片机控制系统、运动电机与翻斗电机的电气控制、与小车协调工作的防护门禁系统以及视频监控系统。该成果经实际使用取得了良好的应用效果。

细水雾与火焰相互作用的红外全场诊断方法研究

利用ＴＶＳ－２０００ＳＴ型热像系统，通过观察和测量细水雾与火焰相互作用前后火焰热场结构的变化，分别对细火雾与煤油、酒精和正庚烷等液体扩散火焰的相互作用进行了实验研究。

基于高速摄像的半开口管道内瓦斯预混火焰传播特征的分析

采用高速摄像研究了长1.5m、截面0.1m×0.1m半开口有机玻璃方管内3种典型浓度下瓦斯预混火焰传播特征。结果表明:典型的瓦斯火焰运动过程分为火焰成长期、火焰加速期和火焰消失期3个阶段;甲烷体积分数略高于最佳值时,管内瓦斯火焰传播速度较大;3种典型浓度下光滑管道内瓦斯火焰传播阵面—点火时间满足GaussAmp曲线,其拟合度较高、相关性好;由火焰阵面—时间拟合曲线微分得出的火焰传播速度—时间曲线,更能反映实际瞬时火焰传播速度情况。火焰运动图像分析及瞬时火焰传播速度计算方法,对管内气体火焰或矿井瓦斯火焰特征研究具有一定的借鉴作用。

基于多特征融合的视频火焰检测技术研究

基于彩色监控视频图像,利用火焰影像的时间运动特性,采用混合高斯背景建模方法从监控视频图像序列中提取出运动前景像素;在RGB色彩空间模型中通过火焰颜色的加权判别算法提取出具有火焰颜色的运动像素区域;最后,提出一种基于统计频率计数的火焰频闪特征识别方法,用于将视频图像中真实的火焰区域从具有火焰像素颜色的运动区域中区分出来。Matlab仿真结果表明,该算法具有很高的有效性和鲁棒性,能够应用实际的视觉火灾检测系统之中。

基于DSP和数字视频技术的图像火焰检测系统

针对图像火焰检测装置中采用通用 CPU 处理图像能力不足的问题,开发了新一代基于 DSP 数字信号处理器和视频芯片的电路板,解决了复杂判据无法实时运行的瓶颈,并在此基础上研制了专用图像火焰检测器模块,编写了新的视频工作站软件,实现对图像火焰检测器的管理.该套 LY2000 系统成功地实现了对单个燃烧器煤粉火焰状态的准确预报,作为国内第 1 套基于 DSP 图像处理的火检系统迅速推广应用.