【技術實現步驟摘要】
本專利技術涉及計算機視覺和深度學習領域，具體涉及一種基于vmamba與yolo的早期火災快速檢測系統及方法。
技術介紹
1、火災是導致生命和財產損失的重大災害之一，及時發現和處理火災能夠顯著降低損失。傳統的火災檢測方法主要依賴于煙霧探測器和熱探測器，這些設備通常只能在火災發生后的一段時間內發出警報，難以提供早期預警。因此，開發高效、實時的火災檢測系統顯得尤為重要。
2、近年來，計算機視覺技術得到了快速發展，尤其是在深度學習的推動下，目標檢測和圖像識別的準確性和效率有了顯著提高。通過分析視頻流中的圖像數據，計算機視覺技術能夠實時識別火焰、煙霧等火災特征，提供更為精準的檢測和預警。盡管基于深度學習的火災檢測技術取得了一定進展，但仍存在一些不足之處：在復雜環境(如濃煙、光線變化等)下，現有模型的表現可能不穩定；火災檢測系統需要具備快速響應能力，以確保能夠及時處理火災事件。
3、目標檢測是計算機視覺中的一個重要任務，涉及在圖像中識別和定位特定對象。yolo(you?only?look?once)系列算法因其高效性和實時性而廣泛應用于各種場景。efficientmamba-yolo是yolo的一種改進版本，專注于提高目標檢測的速度和準確性，尤其適合于復雜場景中的火災檢測。
4、相較于傳統的yolo模型，efficientmamba-yolo更具以下優勢：efficient?mamba-yolo通過優化網絡結構，能夠在較低的計算資源下實現實時檢測，適合在資源有限的環境中使用；引入更先進的特征提取方法，使得
5、pyqt5是一種用于創建圖形用戶界面的框架，能夠幫助開發者快速構建功能豐富且美觀的應用程序。在火災實時檢測系統中，pyqt5可用于實現用戶界面，使用戶能夠方便地監控實時視頻流、查看檢測結果和接收報警信息。其易用性和靈活性使得系統更易于操作和維護。
技術實現思路
1、為解決上述背景中的技術問題，本專利技術提供如下技術方案：
2、一種基于vmamba與yolo的早期火災快速檢測系統，包括：采集模塊、構建模塊、訓練模塊和檢測模塊；
3、所述采集模塊用于采集火災的圖像數據并進行處理，得到訓練集和測試集；
4、所述構建模塊用于構建基于vmamba與yolo的火災檢測模型；
5、所述訓練模塊用于利用所述訓練集訓練所述火災檢測模型，得到最終模型；
6、所述檢測模塊用于利用所述最終模型進行早期火災的快速檢測。
7、優選的，所述采集模塊根據采集到的圖像數據進行目標檢測數據標注和預處理，得到訓練集和測試集；訓練集和測試集額圖片都帶有“火焰”和“煙霧”兩種標簽。
8、優選的，構建的所述火災檢測模型以yolov8作為基線網絡，使用基于vmamba和atrous-based?selective?scanning進行改良的evssblock作為新的特征提取模塊替代yolov8原本的卷積模塊，來進行全局特征提取，用于以更低的計算復雜度實現更高的檢測精度。
9、優選的，所述火災檢測模型包括：backbone、neck和head；
10、backbone由簡單evssblock、stem、downsample?block組成；
11、neck使用evssblock模塊，用于捕獲更多梯度豐富的信息流；
12、head用于最終的檢測任務，包括邊界框的回歸和類別的分類。
13、優選的，所述evssblock對特征的處理過程包括：
14、
15、zl-1＝es2d(ln(cb(zl-2)))+zl-2
16、zl＝mlp(ln(zl-1))+zl-1
17、其中，表示激活函數；zl-3和zl分別表示輸入和輸出特征；cb和mlp分別表示convblock和multi-layerperception；zl-1表示es2d掃描后再經過ssm對掃描所得序列進行計算后中間狀態；zl-2表示經過卷積和批量歸一化處理過的輸入特征；bn表示批量歸一化，ln表示層歸一化；conv1×1表示1×1卷積。
18、優選的，將mamba架構與convblock進行集成，用于增強局部特征的捕獲，流程包括：對于給定輸入特征，先通過深度可分離卷積，單獨對每個通道進行操作，然后進行批量歸一化，得到中間狀態；中間狀態通過1×1卷積混合通道信息，并通過激活函數保留信息的分布；最后，通過殘差連接將原始輸入與處理后的特征融合；其中，convblock的激活函數使用非線性gelu，用于在不改變空間維度的情況下改變特征的通道數，從而增強特征表示。
19、優選的，還包括：可視化用戶界面，用于依據用戶配置進行數據分析和后續火災處理決策。
20、優選的，還包括：實時監測模塊，包括外接有攝像頭的k210開發板、電源模塊、陀螺儀或加速度計和散熱裝置等組件構成，電源模塊為舵機和k210開發板提供所需的電源，確保系統正常運行；陀螺儀或加速度計用于獲取設備的姿態信息，從而實現更精準的跟蹤；散熱裝置保持k210開發板和舵機運行時正常工作溫度；1號舵機帶動開發板上下移動，2號舵機帶動開發板左右移動，兩舵機自由同步調節攝像頭位置和方向。
21、本專利技術還提供了一種基于vmamba與yolo的早期火災快速檢測方法，所述方法應用于上述系統，步驟包括：
22、采集火災的圖像數據并進行處理，得到訓練集和測試集；
23、構建基于vmamba與yolo的火災檢測模型；
24、利用所述訓練集訓練所述火災檢測模型，得到最終模型；
25、利用所述最終模型進行早期火災的快速檢測。
26、與現有技術相比，本專利技術的有益效果如下：
27、本專利技術通過云端數據庫和無人機監測模塊采集圖片和視頻數據，結合efficientmamba-yolo模型實現了對火災的高效檢測。此外，本專利技術實現了以更低的計算復雜度實現更高的檢測精度，不僅提高了火災檢測的自動化水平和效率，降低了人力和時間成本，而且為火災防控提供了創新的技術方案。
本文檔來自技高網...【技術保護點】
1.一種基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，包括：采集模塊、構建模塊、訓練模塊和檢測模塊；
2.根據權利要求1所述的基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，所述采集模塊根據采集到的圖像數據進行目標檢測數據標注和預處理，得到訓練集和測試集；訓練集和測試集額圖片都帶有“火焰”和“煙霧”兩種標簽。
3.根據權利要求1所述的基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，構建的所述火災檢測模型以YOLOv8作為基線網絡，使用基于VMamba和Atrous-basedselective?scanning進行改良的EVSSBlock作為新的特征提取模塊替代YOLOv8原本的卷積模塊，來進行全局特征提取，用于以更低的計算復雜度實現更高的檢測精度。
4.根據權利要求3所述的基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，所述火災檢測模型包括：Backbone、Neck和Head；
5.根據權利要求3所述的基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，所述EV
6.根據權利要求5所述的基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，將Mamba架構與ConvBlock進行集成，用于增強局部特征的捕獲，流程包括：對于給定輸入特征，先通過深度可分離卷積，單獨對每個通道進行操作，然后進行批量歸一化，得到中間狀態；中間狀態通過1×1卷積混合通道信息，并通過激活函數保留信息的分布；最后，通過殘差連接將原始輸入與處理后的特征融合；其中，ConvBlock的激活函數使用非線性GELU，用于在不改變空間維度的情況下改變特征的通道數，從而增強特征表示。
7.根據權利要求1所述的基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，還包括：可視化用戶界面，用于依據用戶配置進行數據分析和后續火災處理決策。
8.根據權利要求1所述的基于VMamba與YOLO的早期火災快速檢測系統，其特征在于，還包括：實時監測模塊，包括外接有攝像頭的K210開發板、電源模塊、陀螺儀或加速度計和散熱裝置等組件構成，電源模塊為舵機和K210開發板提供所需的電源，確保系統正常運行；陀螺儀或加速度計用于獲取設備的姿態信息，從而實現更精準的跟蹤；散熱裝置保持K210開發板和舵機運行時正常工作溫度；1號舵機帶動開發板上下移動，2號舵機帶動開發板左右移動，兩舵機自由同步調節攝像頭位置和方向。
9.一種基于VMamba與YOLO的早期火災快速檢測方法，所述方法應用于權利要求1-8任一項所述的系統，其特征在于，步驟包括：
...【技術特征摘要】
1.一種基于vmamba與yolo的早期火災快速檢測系統，其特征在于，包括：采集模塊、構建模塊、訓練模塊和檢測模塊；
2.根據權利要求1所述的基于vmamba與yolo的早期火災快速檢測系統，其特征在于，所述采集模塊根據采集到的圖像數據進行目標檢測數據標注和預處理，得到訓練集和測試集；訓練集和測試集額圖片都帶有“火焰”和“煙霧”兩種標簽。
3.根據權利要求1所述的基于vmamba與yolo的早期火災快速檢測系統，其特征在于，構建的所述火災檢測模型以yolov8作為基線網絡，使用基于vmamba和atrous-basedselective?scanning進行改良的evssblock作為新的特征提取模塊替代yolov8原本的卷積模塊，來進行全局特征提取，用于以更低的計算復雜度實現更高的檢測精度。
4.根據權利要求3所述的基于vmamba與yolo的早期火災快速檢測系統，其特征在于，所述火災檢測模型包括：backbone、neck和head；
5.根據權利要求3所述的基于vmamba與yolo的早期火災快速檢測系統，其特征在于，所述evssblock對特征的處理過程包括：
6.根據權利要求5所述的基于vmamba與yolo的早期火災快速檢測系統，其特征在于，將mamba架構與convbloc...
【專利技術屬性】
技術研發人員：曹宜策，柳晨辰，胡河，蔣定坤，盛昕，張書強，
申請(專利權)人：安徽大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。