为了解决初期林火识别上存在的遮挡严重、火焰特征不明显等问题,提出了基于卷积神经网络的初期林火识别方法.建立了初期林火数据集,分别构建并训练了基于YOLOX,YOLOv4,SSD,Faster R-CNN的初期林火检测模型,以精确率(P)、召回率(R)、平均精度均值(mAP)、每秒帧率(FPS)、损失(loss)曲线作为模型评价指标,对四个模型进行实验验证.通过对比实验,对于初期林火的识别检测,SSD泛化能力较弱,Faster R-CNN鲁棒性较差,YOLOv4实时性较差.YOLOX与Faster R-CNN相比,P值增加了41.29％,与SSD相比,R值增加了36.8％,预测速度达到了20帧/s,综合性能较好,满足初期林火识别的需求.
NETL
NSTL
万方数据
维普
