计算机视觉研究院 | 一种基于YOLO-v8的智能城市火灾探测改进方法

本文来源公众号“计算机视觉研究院”，仅用于学术分享，侵权删，干货满满。

原文链接：一种基于YOLO-v8的智能城市火灾探测改进方法

城市的火灾可能会造成毁灭性的后果，造成财产损失，并危及公民的生命。传统的火灾探测方法在准确性和速度方面存在局限性，使得实时探测火灾具有挑战性。

01 前景概要

我们提出了一种基于YOLOv8算法的智能城市火灾检测改进方法，称为智能火灾检测系统（SFDS），该方法利用深度学习的优势实时检测特定火灾特征。与传统的火灾探测方法相比，SFDS方法可提高火灾探测的准确性，减少误报，并具有成本效益。它还可以扩展到检测智能城市中感兴趣的其他对象，如天然气泄漏或洪水。所提出的智能城市框架由四个主要层组成：（i）应用层、（ii）雾层、（iii）云层和（iv）物联网层。所提出的算法利用雾和云计算以及物联网层实时收集和处理数据，从而加快响应时间，降低财产和人类生命受损的风险。SFDS在准确度和召回率方面都取得了最先进的性能，所有类别的高准确率为97.1%。所提出的方法有几个潜在的应用，包括公共区域的消防安全管理、森林火灾监测和智能安全系统。

02 动机

智慧城市正在彻底改变我们对城市化、可持续性和安全的思考方式。随着世界向智能城市迈进，确保公民及其财产的安全变得越来越重要。火灾是最危险和威胁生命的灾难之一，它可能严重危