【技术实现步骤摘要】
本专利技术涉及计算机视觉中的火焰检测技术，具体涉及一种轻量级的融合注意力机制的改进yolov7火焰检测方法、系统、设备及存储介质。
技术介绍
1、近年来，随着生产范围的扩大与生产技术的快速发展，生产事故的发生频率也随之增高。其中，火灾作为危险系数最高的事故之一，发生原因通常涉及电气故障、人为疏忽、防火材料管理不佳、自然灾害和缺乏消防意识等多个方面。通过针对这些因素采取改进措施，可以显著降低火灾的发生率。因此，作为电网配套设施之一的配电站房，在站房内部进行火焰检测具有重要性和必要性。
2、配电站房内通常集成了大量的电气设备，这些设备在运行过程中可能因线路故障、过载或其他原因引发火灾。而火焰一旦产生，极易引发大范围的电气故障，甚至造成电网瘫痪，带来巨大的经济损失和安全隐患。因此，配电站房内实施火焰检测能够实现对火灾的早期发现和快速响应，及时采取灭火措施，防止火势蔓延，有效保障电网的安全运行和维护人员的生命安全。这一措施不仅提高了配电站房的安全性，还确保了电力供应的持续稳定。
3、目前，配电站房的火焰检测方法主要包括以下几种：红外火焰检测器、紫外火焰检测器、多传感器融合火焰检测和视频图像火焰检测。
4、其中，红外火焰检测器和紫外火焰检测器均是利用火焰的辐射特征进行识别，红外火焰检测器覆盖范围较大但误报率较高，紫外火焰检测器反应速度快但覆盖范围较小，且易受环境光的影响。
5、多传感器融合火焰检测相对于单一的红外火焰检测和紫外检测检测，结合了多种传感器的优势，提高了火焰检测的整体性能，但是存
6、视频图像火焰检测通过摄像头对配电站房内的环境进行视频监控，并借助目标检测算法识别火焰。这种方法能够对火焰进行精准定位，并提供可视化的报警信息，有助于远程监控和快速响应。
7、现有的基于视频图像的火焰检测方法主要分为两类：以fast r-cnn为代表的两阶段目标检测算法和以yolo系列为代表的单阶段目标检测算法。两阶段目标检测算法的检测精度更高，但算法运行时间较长，检测速度较慢，不适用于实时检测场景。而单阶段目标检测算法结构简单，检测速度较快，且具有良好的检测精度。其中，使用轻量级的单阶段目标检测算法，将会使得模型的参数更少，计算的复杂度更低，在实时检测的环境中响应速度更快，但同时会使得检测精度有所下降。
技术实现思路
1、专利技术目的：本专利技术的目的在于提供一种轻量级的融合注意力机制的改进yolov7火焰检测方法、系统、设备及存储介质，能够解决现有技术中模型的轻量化与检测精度相互制衡，不易满足实际应用需求的技术问题。
2、技术方案：本专利技术的一种轻量级的融合注意力机制的改进yolov7火焰检测方法，包括：
3、采集火焰图像和非火焰图像，对火焰图像和非火焰图像进行预处理，并基于预处理后的火焰图像和非火焰图像构建火焰检测数据集，对火焰检测数据集进行标注和划分，得到训练集、验证集和测试集；
4、对原始的yolov7网络模型进行优化，得到改进的yolov7网络模型；
5、利用训练集对改进的yolov7网络模型进行训练，在训练过程中利用验证集对改进的yolov7网络模型进行超参数调整，得到火焰检测模型；利用测试集评估火焰检测模型的性能；
6、将火焰检测模型部署在配电站的监控摄像头中，利用火焰检测模型对配电站内火焰进行实时监控和报警。
7、进一步的，采集火焰图像和非火焰图像，对火焰图像和非火焰图像进行预处理，并基于预处理后的火焰图像和非火焰图像构建火焰检测数据集，对火焰检测数据集进行标注和划分，，得到训练集、验证集和测试集包括：
8、采集火焰图像和非火焰图像，按比例将火焰图像和非火焰图像进行混合，构建初始数据集；
9、对初始数据集中的所有图像进行预处理，构建火焰检测数据集；
10、使用预设标注工具对火焰检测数据集中所有图像进行人工标注；
11、按比例将人工标注后的火焰检测数据集划分为训练集、验证集和测试集。
12、进一步的，对原始的yolov7网络模型进行优化，得到改进的yolov7网络模型，包括：
13、构建mobilenetv3-small backbone，以替换原始的yolov7网络模型的backbone。
14、将原始的yolov7网络模型中head内的两个upsample模块输入端的两个cbs模块分别替换为gsconv模块；
15、将原始的yolov7网络模型中head中两个upsample模块分别替换为carafe模块；
16、在图像特征图f1和图像特征图f2的输出分支中的cbs模块输出端分别新增cbam模块；
17、新增一个cbam模块，cbam模块输入端与sppcspc模块输出端的gsconv模块输出端相连接，cbam模块输出端与gsconv模块输出端的carafe模块输入端相连接。
18、进一步的，利用训练集对改进的yolov7网络模型进行训练，在训练过程中利用验证集对改进的yolov7网络模型进行超参数调整，得到火焰检测模型；利用测试集评估火焰检测模型的性能，包括：
19、使用shape-iou损失函数替换原始yolov7网络模型的ciou损失函数，shape-iou损失函数用于训练改进的yolov7网络模型；
20、将训练集中的图像输入改进的yolov7网络模型进行迭代优化；在每个训练周期结束后，在验证集上计算改进的yolov7网络模型的指标，适当调整训练过程中改进的yolov7网络模型的超参数，迭代训练过程直至shape-iou损失函数完全收敛，保存改进的yolov7网络模型的参数，得到火焰检测模型；利用测试集评估火焰检测模型的性能。
21、进一步的，将火焰检测模型部署在配电站的监控摄像头中，利用火焰检测模型对配电站内火焰进行实时监控和报警，包括：
22、将火焰检测模型部署在配电站的监控摄像头，并实时获取视频每一帧图片对应的置信度；
23、判断视频当前帧图片的置信度是否大于置信度阈值，若大于置信度阈值，则认定当前该监控区域存在火焰；
24、上传当前包含火焰的帧图片、是否为火焰的置信度、当前时间、监控区域的位置名称和帧图片中检测框的四角坐标值至服务器数据库中；
25、服务器后端将上述消息发送至工作人员处，通知工作人员及时采取相应的处理措施。
26、进一步的，所述预处理包括旋转与裁剪图像、利用去噪和滤波技术增强图像特征。
27、进一步的，使用labelimg标注工具，设置为yolo格式，对火焰检测数据集中所有图像进行人工标注。
28、基于相同的专利技术构思，本专利技术的一种轻量级的融合注意力机制的改进yolov7火焰检测系统，包括：
29、图像采本文档来自技高网...
【技术保护点】
1.一种轻量级的融合注意力机制的改进YOLOv7火焰检测方法，其特征在于，包括：
2.根据权利要求1所述的轻量级的融合注意力机制的改进YOLOv7火焰检测方法，其特征在于，采集火焰图像和非火焰图像，对火焰图像和非火焰图像进行预处理，并基于预处理后的火焰图像和非火焰图像构建火焰检测数据集，对火焰检测数据集进行标注和划分，得到训练集、验证集和测试集包括：
3.根据权利要求1所述的轻量级的融合注意力机制的改进YOLOv7火焰检测方法，其特征在于，对原始的YOLOv7网络模型进行优化，得到改进的YOLOv7网络模型，包括：
4.根据权利要求1所述的轻量级的融合注意力机制的改进YOLOv7火焰检测方法，其特征在于，利用训练集对改进的YOLOv7网络模型进行训练，在训练过程中利用验证集对改进的YOLOv7网络模型进行超参数调整，得到火焰检测模型；利用测试集评估火焰检测模型的性能，包括：
5.根据权利要求1所述的轻量级的融合注意力机制的改进YOLOv7火焰检测方法，其特征在于，将火焰检测模型部署在配电站的监控摄像头中，利用火焰检测模型对配电站内火
6.根据权利要求2所述的轻量级的融合注意力机制的改进YOLOv7火焰检测方法，其特征在于：所述预处理包括旋转与裁剪图像、利用去噪和滤波技术增强图像特征。
7.根据权利要求2所述的轻量级的融合注意力机制的改进YOLOv7火焰检测方法，其特征在于，使用LabelImg标注工具，设置为YOLO格式，对火焰检测数据集中所有图像进行人工标注。
8.一种轻量级的融合注意力机制的改进YOLOv7火焰检测系统，其特征在于，包括：
9.一种轻量级的融合注意力机制的改进YOLOv7火焰检测设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该电子设备实现如权利要求1至7中任意一项所述轻量级的融合注意力机制的改进YOLOv7火焰检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，该程序被处理器执行时，实现如权利要求1至7中任意一项所述轻量级的融合注意力机制的改进YOLOv7火焰检测方法的步骤。
...【技术特征摘要】
1.一种轻量级的融合注意力机制的改进yolov7火焰检测方法，其特征在于，包括：
2.根据权利要求1所述的轻量级的融合注意力机制的改进yolov7火焰检测方法，其特征在于，采集火焰图像和非火焰图像，对火焰图像和非火焰图像进行预处理，并基于预处理后的火焰图像和非火焰图像构建火焰检测数据集，对火焰检测数据集进行标注和划分，得到训练集、验证集和测试集包括：
3.根据权利要求1所述的轻量级的融合注意力机制的改进yolov7火焰检测方法，其特征在于，对原始的yolov7网络模型进行优化，得到改进的yolov7网络模型，包括：
4.根据权利要求1所述的轻量级的融合注意力机制的改进yolov7火焰检测方法，其特征在于，利用训练集对改进的yolov7网络模型进行训练，在训练过程中利用验证集对改进的yolov7网络模型进行超参数调整，得到火焰检测模型；利用测试集评估火焰检测模型的性能，包括：
5.根据权利要求1所述的轻量级的融合注意力机制的改进yolov7火焰检测方法，其特征在于，将火焰检测模型部署在配电站的监控摄像头中，利用火焰检测模型对配电站内火焰进行实时...
【专利技术属性】
技术研发人员：张咏桥，郭会娜，胡俊军，张江川，朱鹏远，鲁惟淼，康宁，
申请(专利权)人：国电南瑞南京控制系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。