基于半监督学习的多场景火灾小规模稀薄烟雾检测

作     者：杨凯博 钟铭恩 谭佳威 邓智颖 周梦丽 肖子佶 YANG Kaibo;ZHONG Mingen;TAN Jiawei;DENG Zhiying;ZHOU Mengi;XIAO Ziji

作者机构：厦门理工学院福建省客车先进设计与制造重点实验室福建厦门361024 厦门大学航空航天学院福建厦门361102 

基　　金：福建省自然科学基金资助项目(2023J011439 2019J01859) 

出 版 物：《浙江大学学报(工学版)》 (Journal of Zhejiang University:Engineering Science)

年 卷 期：2025年第59卷第3期

页      码：546-556,565页

摘      要：为了探索高性能的轻量级火灾烟雾检测算法,构建了包含9种火灾场景、3个烟雾类型的图像集MSIFSD,设计了深度卷积神经网络DeepSmoke.针对小规模稀薄烟雾检测困难的问题,提出高效特征聚合模块PM-C2f和部分混合最相关区域自注意力机制模块PM-TF,PM-C2f模块用来整合各层次图像特征的上下文信息,PM-TF模块用于强化小规模稀薄烟雾的稀疏特征.针对DeepSmoke在不同场景下适应性不足的问题,提出使用伪标签分类器的半监督训练策略,利用大量未标注数据辅助模型训练,提升多类场景下的检测性能.实验结果表明,该算法针对小规模、稀薄烟雾和普通烟雾的检测准确率分别为88.2%、90.0%和98.3%,综合平均检测准确率为94.2%,均优于现有主流算法,且浮点运算量仅为9.3×109,体现了对边缘设备的友好性.

主 题 词：火灾 烟雾检测 深度学习 半监督学习 伪标签 注意力 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2025.03.012

馆 藏 号：203157619...