[发明专利]一种适用于无人机平台的火灾实时检测方法及系统

权利要求书

1.一种适用于无人机平台的火灾实时检测方法，其特征在于，包括：

获取无人机火灾图像数据集；

对所述无人机火灾图像数据集进行预处理，得到预处理后的无人机火灾图像数据集；

建立改进后的YOLOv5网络模型；

对所述预处理后的无人机火灾图像数据集进行训练，得到无人机火灾检测模型权重；

根据所述无人机火灾检测模型权重，将所述预处理后的无人机火灾图像数据集输入至所述改进后的YOLOv5网络模型，得到火灾实时检测模型；

对所述火灾实时检测模型的性能进行验证、测试和评估。

2.根据权利要求1所述的适用于无人机平台的火灾实时检测方法，其特征在于，还包括：

将所述火灾实时检测模型部署至无人机平台。

3.根据权利要求1所述的适用于无人机平台的火灾实时检测方法，其特征在于，所述对所述无人机火灾图像数据集进行预处理，得到预处理后的无人机火灾图像数据集，具体包括：

对所述无人机火灾图像数据集进行筛选，剔除不符合要求的图像，得到筛选数据集；

对所述筛选数据集通过图像旋转、裁剪、镜像、加噪的方法扩充数据集，得到泛化后的数据集；

采用Labelme软件对所述泛化后的数据集所有图像进行人工标注。

4.根据权利要求1所述的适用于无人机平台的火灾实时检测方法，其特征在于，所述建立改进后的YOLOv5网络模型，具体包括：

修改YOLOv5网络模型的特征提取骨干网络；

修改YOLOv5网络模型的检测尺度；

对YOLOv5网络模型加入CBAM注意力机制。

5.根据权利要求1所述的适用于无人机平台的火灾实时检测方法，其特征在于，所述对所述火灾实时检测模型的性能进行验证、测试和评估，具体包括：

将所述预处理后的无人机火灾图像数据集分为验证数据集和测试数据集；

将所述权重和所述验证数据集输入所述火灾实时检测模型，验证所述火灾实时检测模型模型性能；

将所述权重和所述测试数据集输入所述火灾实时检测模型，测试所述火灾实时检测模型模型性能；

计算所述火灾实时检测模型的均值平均精度、召回率指标。

6.一种适用于无人机平台的火灾实时检测系统，其特征在于，包括：

数据集获取模块，用于获取无人机火灾图像数据集；

数据集预处理模块，用于对所述无人机火灾图像数据集进行预处理，得到预处理后的无人机火灾图像数据集；

网络模型建立模块，用于建立改进后的YOLOv5网络模型；

权重确定模块，用于对所述预处理后的无人机火灾图像数据集进行训练，得到无人机火灾检测模型权重；

火灾实时检测模型确定模块，用于根据所述无人机火灾检测模型权重，将所述预处理后的无人机火灾图像数据集输入至所述改进后的YOLOv5网络模型，得到火灾实时检测模型；

验证测试评估模块，用于对所述火灾实时检测模型的性能进行验证、测试和评估。

7.根据权利要求6所述的适用于无人机平台的火灾实时检测系统，其特征在于，还包括：

部署模块，用于将所述火灾实时检测模型部署至无人机平台。

8.根据权利要求6所述的适用于无人机平台的火灾实时检测系统，其特征在于，所述数据集预处理模块，具体包括：

筛选单元，用于对所述无人机火灾图像数据集进行筛选，剔除不符合要求的图像，得到筛选数据集；

泛化单元，用于对所述筛选数据集通过图像旋转、裁剪、镜像、加噪的方法扩充数据集，得到泛化后的数据集；

标注单元，用于采用Labelme软件对所述泛化后的数据集所有图像进行人工标注。