基于深度学习的变电站火灾检测算法研究OA
针对变电站火灾突发性强、早期检测难度大、传统方法响应滞后、误报率高、现有算法的适配性不足的问题,本文提出了一种S-YOLOv5改进的变电站火灾检测算法。构建涵盖火焰、烟雾两类目标的场景数据集,通过数据增强提升模型的泛化能力;对YOLOv5进行多重优化,引入SimAM注意力模块增强关键特征提取与抗噪声能力,替换CoordConv模块提升空间定位精度,引入MPDIoU损失函数增强边界框回归精度。实验结果表明,改进算法在变电站设备密集、遮挡等典型场景下表现优异,系统响应迅速、功能完善,满足工程部署需求。
周东旭;杜家宇;李强;刘谕;付在乾
国网西藏电力有限公司昌都供电公司国网西藏电力有限公司昌都供电公司国网西藏电力有限公司昌都供电公司国网西藏电力有限公司昌都供电公司国网西藏电力有限公司昌都供电公司
信息技术与安全科学
变电站火灾检测YOLOv5SimAMMPDIoU
《消防界(电子版)》 2026 (3)
P.178-180,3
评论