申请/专利权人：浙江科技学院

申请日：2024-01-10

公开（公告）日：2024-04-19

公开（公告）号：CN117911763A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/776;G06V10/82;G06N3/045;G06N3/096;G06N3/0464;G06N3/08;G06V10/80;G06N3/048;G06V10/762;G06V10/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开一种森林火灾检测方法、系统、电子设备及介质，涉及图像处理技术领域，方法包括：获取目标森林的待检测图像；将待检测图像输入森林火灾检测模型，得到森林火灾检测结果；其中，森林火灾检测结果为标注了着火位置和着火位置发生火灾概率的图像；森林火灾检测模型是通过训练数据集，应用基于知识蒸馏的软标签策略的类别损失函数以及基于知识蒸馏的软标签策略的边界框回归的损失函数，对改进的YOLOv8模型进行训练得到的。本发明能够提高森林火灾检测的效率和精度。

主权项：1.一种森林火灾检测方法，其特征在于，所述检测方法包括：获取目标森林的待检测图像；将所述待检测图像输入森林火灾检测模型，得到森林火灾检测结果；其中，所述森林火灾检测结果为标注了着火位置和所述着火位置发生火灾概率的图像；所述森林火灾检测模型是通过训练数据集，应用基于知识蒸馏的软标签策略的类别损失函数以及基于知识蒸馏的软标签策略的边界框回归的损失函数，对改进的YOLOv8模型进行训练得到的；所述改进的YOLOv8模型包括改进的Backbone结构、改进的Neck结构和改进的检测头；所述改进的Backbone结构是在YOLOv8模型的Backbone结构中引入通道优先膨胀注意力模块，并对C2f模块的堆叠次数进行优化后得到的；所述改进的Neck结构是将YOLOv8模型的Neck结构中的ConvBNSiLU替换为GSConv，并将C2f模块替换为VOVGSCSPC模块得到的；所述改进的检测头包括第一卷积模块和第二卷积模块；所述第一卷积模块的输出分别作为边界框预测结果和第一类别预测结果；所述第二卷积模块的输出作为第二类别预测结果；将所述第一类别预测结果和所述第二类别预测结果进行加权得到最终类别预测结果。

全文数据：

权利要求：

百度查询： 浙江科技学院 一种森林火灾检测方法、系统、电子设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD