基于改进Faster R-CNN的石化装置火灾增强识别方法

摘要：

为提高复杂石化装置场景下火灾发现速度和识别准确率,特别是强化对石化厂区监控图像内小微火焰、烟雾等事故初期关键目标信息的发现能力,以应对石化装置火灾事故演化所具有的典型多米诺效应,在事故发展初期快速准确发现异常、控制事故态势发展、降低事故危害,建立了基于深度学习的石化装置明火、烟雾识别方法,以改进的Faster R-CNN作为目标信息检测算法,利用K-Means++聚类方法优化锚框尺寸,结合基于递归策略的多尺度特征融合设计,显著改善了模型小微关键目标识别能力,实验测试数据表明,改进后的模型检测平均准确率(mAP)提升11.0%,小目标平均识别准确率(mAP(s))提升19.7%.

关键词：石化火灾、深度学习、聚类分析、递归策略、小微目标

所属期刊栏目：23

分类号：TP391.41(计算技术、计算机技术)

资助基金：中国石化科技部课题;基于态势演变的煤气化装置事故重构与复盘技术

在线出版日期：2023-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：42-50