Fire Detection in Ship Engine Rooms Based on Deep Learning

火灾探测 计算机科学 任务(项目管理) 深度学习 特征(语言学) 机舱 特征提取 人工智能 工程类 模拟 汽车工程 建筑工程 系统工程 机械工程 语言学 哲学
作者
Jinting Zhu,Jundong Zhang,Yongkang Wong,Yuequn Ge,Ziwei Zhang,Shihan Zhang
出处
期刊:Sensors [MDPI AG]
卷期号:23 (14): 6552-6552 被引量:7
标识
DOI:10.3390/s23146552
摘要

Ship fires are one of the main factors that endanger the safety of ships; because the ship is far away from land, the fire can be difficult to extinguish and could often cause huge losses. The engine room has many pieces of equipment and is the principal place of fire; however, due to its complex internal environment, it can bring many difficulties to the task of fire detection. The traditional detection methods have their own limitations, but fire detection using deep learning technology has the characteristics of high detection speed and accuracy. In this paper, we improve the YOLOv7-tiny model to enhance its detection performance. Firstly, partial convolution (PConv) and coordinate attention (CA) mechanisms are introduced into the model to improve its detection speed and feature extraction ability. Then, SIoU is used as a loss function to accelerate the model's convergence and improve accuracy. Finally, the experimental results on the dataset of the ship engine room fire made by us shows that the mAP@0.5 of the improved model is increased by 2.6%, and the speed is increased by 10 fps, which can meet the needs of engine room fire detection.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
freedom完成签到,获得积分10
2秒前
2秒前
vivre223完成签到,获得积分10
3秒前
活泼纲完成签到,获得积分10
3秒前
orixero应助YYJ采纳,获得10
3秒前
张张发布了新的文献求助10
4秒前
4秒前
Miya完成签到 ,获得积分20
5秒前
隐形曼青应助JasonSun采纳,获得10
6秒前
winfree完成签到 ,获得积分10
6秒前
Cactus应助chenyuns采纳,获得10
6秒前
cccyyynnn发布了新的文献求助10
7秒前
8秒前
武科大发布了新的文献求助10
9秒前
9秒前
小巧的柏柳完成签到 ,获得积分10
11秒前
11秒前
无足鸟完成签到 ,获得积分10
12秒前
12秒前
小Q啊啾发布了新的文献求助10
12秒前
浅絮关注了科研通微信公众号
13秒前
上官若男应助毛耳朵采纳,获得10
13秒前
16秒前
16秒前
没有idea的研究僧完成签到,获得积分10
17秒前
17秒前
uu完成签到,获得积分10
17秒前
17秒前
林风发布了新的文献求助10
18秒前
18秒前
18秒前
19秒前
潇洒的奇异果完成签到,获得积分10
21秒前
搜集达人应助林林林采纳,获得10
21秒前
彭于晏应助小Q啊啾采纳,获得10
21秒前
吾儿坤发布了新的文献求助10
23秒前
毕襄发布了新的文献求助10
24秒前
sajelsch发布了新的文献求助10
24秒前
上官若男应助成就的南霜采纳,获得10
24秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
Ethnicities: Media, Health, and Coping 700
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3086818
求助须知:如何正确求助?哪些是违规求助? 2739530
关于积分的说明 7554815
捐赠科研通 2389162
什么是DOI,文献DOI怎么找? 1267013
科研通“疑难数据库(出版商)”最低求助积分说明 613616
版权声明 598592