(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 202210185554.8 (22)申请日 2022.02.28 (71)申请人 上海应用技 术大学 地址 201418 上海市奉贤区海泉路10 0号 (72)发明人 杨瑞君　陆皓东　张楚　胡雪琦　 张斌　何立君　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 赵志远 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06F 17/18(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于改进YOLOv4的火烟目标检测方法、 设备及存 储介质 (57)摘要 本发明涉及一种基于改进YOLOv4的火烟目 标检测方法、 设备及存储介质， 所述方法包括以 下步骤： 步骤S1、 获取火烟数据集， 并进行数据预 处理； 步骤S2、 构建基于改进YOLOv4算法的火烟 检测模型， 输入训练集数据， 多次训练迭代后， 对 火烟检测模型训练得到的参数进行移动指数平 均EMA， 并基于性能评估指标筛选出最优火烟检 测模型； 步骤S3、 采用最优火烟检测模型对测试 集中的图像进行检测， 输出置信度最高的边框， 完成火烟图像的检测。 与现有技术相比， 本发明 具有检测精度高以及检测快速的优点。 权利要求书2页 说明书7页 附图2页 CN 114998637 A 2022.09.02 CN 114998637 A 1.一种基于改进YOLOv4的火烟目标检测方法， 其特 征在于， 该 方法包括以下步骤： 步骤S1、 获取火烟数据集， 并进行 数据预处 理； 步骤S2、 构建基于改进YOLOv4算法的火烟检测模型， 输入训 练集数据， 多次训 练迭代 后， 对火烟检测模型训练得到的参数进 行移动指数平均EMA， 并基于性能评估指标筛选出最 优火烟检测模型； 步骤S3、 采用最优火烟检测模型对测试集中的图像进行检测， 输出置信度最高的边框， 完成火烟图像的检测。 2.根据权利 要求1所述的一种基于改进YOLOv4的火烟目标检测方法， 其特征在于， 所述 步骤S1包括以下子步骤： 步骤S11、 采集不同场景 下的包含不同颜色烟雾的火烟图像作为火烟数据集； 步骤S12、 对获取到的火烟数据集进行标注， 并采用修改融合方式后的改进Mixup算法 对标注后的火焰数据集进行 数据增强预处 理， 其中改进Mixup算法表达式为： Mixed_batc hx＝ λ*batc hx1+(1‑λ )*batc hx2 Mixed_batc hy＝ λ*batc hy1+(1‑λ )*batc hy2 式中， Mixed_batchx为混合后的batch样本， Mixed_batchy为混合后的batch样 本对应的 标签； batchx1、 batchx2分别为两 个batch样本， batchy1、 batchy2分别为上述两 个batch样本对 应的标签； λ服从参数为(a,b)的均匀分布， 其中 a， b为两个设定的常数； 步骤S13、 将预处 理过后的火烟数据集按设定的比例划分为训练集、 验证集和 测试集。 3.根据权利 要求2所述的一种基于改进YOLOv4的火烟目标检测方法， 其特征在于， 所述 步骤S11中的不同场景包括室内、 森林以及山上。 4.根据权利 要求2所述的一种基于改进YOLOv4的火烟目标检测方法， 其特征在于， 所述 步骤S12中的常数a， b分别为0.2和0.8。 5.根据权利 要求1所述的一种基于改进YOLOv4的火烟目标检测方法， 其特征在于， 所述 步骤S2包括以下子步骤： 步骤S21、 构建基于改进YOLOv4 算法的火烟检测模型； 步骤S22、 对火烟检测模型每个epoch训练得到的参数进行移动指数平均EMA， 得到参数 平均值vt； 步骤S23、 对参数平均值vt进行偏差修 正， 则修正后的参数平均值vt'的表达式为： 式中， vt表示前t次的参数平均值； α 是 可调的加权 权重值； 步骤S24、 基于性能评估指标筛 选出最优火烟检测模型。 6.根据权利 要求5所述的一种基于改进YOLOv4的火烟目标检测方法， 其特征在于， 所述 步骤S22具体为： 在火烟检测模型训练的不同阶段， 对于每个epoch训练得到的参数集θ＝[θ1, θ2,..., θn]， 参数平均值表达式为： vt＝α·vt‑1+(1‑α )·θt 式中， vt表示前t次的参数平均值， 满足v0＝0； θt为第t次的参数值； α 是阶段可调的加权 权重值。权　利　要　求　书 1/2 页 2 CN 114998637 A 27.根据权利 要求6所述的一种基于改进YOLOv4的火烟目标检测方法， 其特征在于， 所述 加权权重值α 范围为[0.9,0.9 99]。 8.根据权利 要求5所述的一种基于改进YOLOv4的火烟目标检测方法， 其特征在于， 所述 步骤S24中的性能评估指标包括精确率Precision、 召回率Recall、 平均精度AP、 平均精度均 值MAP、 F1值和检测时间FP S； 所述精确率Precisi on表达式为： 式中， tp为正样本被正确识别为正样本的数量， fn为正样本被错误识别为负样本的数 量； 所述F1值表达式为： 式中， Precisi on为精确率， Recal l为召回率。 9.一种电子设备， 包括存储器和处理器， 所述存储器上存储有计算机程序， 其特征在 于， 所述处 理器执行所述程序时实现如权利要求1～8任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理 器执行时实现如权利要求1～8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114998637 A 3