(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211024252.9 (22)申请日 2022.08.24 (71)申请人 深圳海翼智新科技有限公司 地址 518055 广东省深圳市南 山区沙河西 路3151号新兴产业园 （健兴科技大厦） B701-705 (72)发明人 黄仕君　 (74)专利代理 机构 北京磐华捷成知识产权代理 有限公司 1 1851 专利代理师 卜璐璐 (51)Int.Cl. G06V 20/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01)G06V 10/80(2022.01) (54)发明名称 火焰和烟雾 检测方法、 装置和存 储介质 (57)摘要 一种火焰和烟雾检测方法、 装置和存储介 质， 该方法包括： 获取待检测的 图像； 利用训练好 的检测模型对 所述图像进行火焰检测和/或烟雾 检测， 输出所述图像中的火焰和/或烟雾的分类 及定位结果； 其中， 所述检测模型包括对yolov5 网络改进后得到的改进型网络， 其中对所述 yolov5网络的改进包 括： 将所述 yolov5网络的骨 干网络中的空间金字塔池化模块替换为多尺度 注意力模块。 根据本申请实施例的火焰和烟雾检 测方法和装置采用包括多尺度注意力模块的改 进型yolov5网络对图像进行火焰和烟雾检测， 对 于形状多变、 尺度多变的火焰和/或物品未完全 燃烧时产生的烟雾具有较高的捕捉能力， 从而能 够快速、 准确地判断和定位图像中的火焰和/或 烟雾。 权利要求书2页 说明书10页 附图5页 CN 115424171 A 2022.12.02 CN 115424171 A 1.一种火焰和烟雾检测方法， 其特 征在于， 所述方法包括： 获取待检测的图像； 利用训练好的检测模型对所述图像进行火焰检测和/或烟雾检测， 输出所述图像中的 火焰和/或烟雾的分类及定位结果； 其中， 所述检测模型包括对yolov5网络改进后得到 的改进型网络， 其中对所述yolov5 网络的改进包括： 将所述yolov5网络的骨干网络中的空间金字塔池化模块替换为多尺度 注 意力模块。 2.根据权利要求1所述的方法， 其特征在于， 所述多尺度注意力模块包括第一分支、 第 二分支和第三分支， 其中： 所述第一分支用于对输入特征图进行注意力权重计算， 得到第一计算结果， 所述输入 特征图是所述骨干网络对所述图像提取的特 征图； 所述第二分支用于对所述输入特征图进行一 次非线性变换， 并将 非线性变换结果和所 述第一计算结果 这两者相乘， 得到第二计算结果； 所述第三分支用于将所述输入特征图和所述第 二计算结果进行矩阵相加操作， 得到输 出特征图。 3.根据权利要求2所述的方法， 其特征在于， 对所述yolov5网络的改进还包括： 将所述 yolov5网络的骨干网络中的标准卷积模块 替换为深度可分离卷积模块； 所述第一分支对输入特 征图进行注意力权 重计算， 得到第一计算结果， 包括： 对所述输入特 征图进行一次非线性变换， 得到非线性变换 结果； 将所述非线性变换结果进行多个不同尺度的最大池化后分别上采样至与所述输入特 征图具有相同的分辨 率， 得到多个上采样结果； 将所述多个上采样结果融合， 得到融合特 征图； 将所述融合特征图依次进行深度可分离卷积、 批归一化、 全局平均池化和尺度缩放， 得 到所述第一计算结果。 4.根据权利要求3所述的方法， 其特征在于， 所述多个不同尺度的最大池化采用的核大 小分别为3x3、 5x5、 7x7； 所述深度可分离卷积采用的核大小为3x3 。 5.根据权利要求2所述的方法， 其特 征在于， 对所述yo lov5网络的改进还 包括： 将所述yo lov5网络的骨干网络中的中心点和尺度预测模块 替换为鬼影模块； 其中， 所述输入特 征图是所述鬼影模块对所述图像进行处 理而得到的。 6.根据权利 要求1所述的方法， 其特征在于， 对所述yolov5网络的改进还包括以下中的 至少一项： 将所述yolov5网络的骨干网络中的通道数大于256维的卷积模块替换为通道数为256 维的卷积模块； 将所述yolov5网络的脖颈 网络中的中心点和尺度预测模块替换为鬼影模块， 并将所述 脖颈网络中的标准卷积模块 替换为深度可分离卷积模块； 将所述yo lov5网络的头网络中的三个输出分支扩展至四个输出分支。 7.根据权利要求1 ‑6中的任一项所述的方法， 其特征在于， 对所述检测模型的训练， 包 括：权　利　要　求　书 1/2 页 2 CN 115424171 A 2收集包含火焰和/或烟雾的样本图像， 对所述样本图像进行标注和数据增强， 得到训练 数据集； 对所述训练数据集中的数据进行 预处理， 得到预处 理后的数据集； 在服务器上搭建训练模型 所需的虚拟环境； 在所述虚拟环境中基于所述预处理后的数据集对所述改进型网络进行训练， 得到所述 训练好的检测模型。 8.一种火焰和烟雾检测装置， 其特征在于， 所述装置包括存储器和处理器， 所述存储器 上存储有由所述处理器运行 的计算机程序， 所述计算机程序在被所述处理器运行时， 使得 所述处理器执行如权利要求1 ‑7中的任一项所述的火焰和烟雾检测方法。 9.根据权利要求8所述的装置， 其特征在于， 所述装置的应用场景包括以下中的至少一 项： 森林防火、 工厂防火、 仓库防火、 住宅防火、 商场防火。 10.一种存储介质， 其特征在于， 所述存储介质上存储有由处理器运行的计算机程序， 所述计算机程序在被所述处理器运行时， 使得所述处理器执行如权利要求1 ‑7中的任一项 所述的火焰和烟雾检测方法。权　利　要　求　书 2/2 页 3 CN 115424171 A 3