Fasilitas deteksi kebakaran berbasis visi bekerja lebih baik dengan model pembelajaran mendalam yang baru
Sciences

Fasilitas deteksi kebakaran berbasis visi bekerja lebih baik dengan model pembelajaran mendalam yang baru


Kredit: CC0

Deteksi kebakaran yang cepat dan akurat penting bagi pembangunan berkelanjutan masyarakat manusia dan ekologi Bumi. Keberadaan objek dengan karakteristik yang mirip dengan api meningkatkan kesulitan deteksi kebakaran berbasis penglihatan. Meningkatkan akurasi deteksi kebakaran dengan menggali lebih dalam fitur visual kebakaran selalu menjadi tantangan.

Baru-baru ini, para peneliti dari Institute of Acoustics of the Chinese Academy of Sciences (IACAS) telah mengusulkan model pembelajaran mendalam yang efisien untuk deteksi kebakaran berbasis penglihatan yang cepat dan akurat. Model ini didasarkan pada ekstraksi fitur multiskala, pengawasan mendalam implisit, dan mekanisme perhatian saluran.

Para peneliti memanfaatkan citra yang diperoleh secara real-time sebagai input model dan menormalkan citra.

Pada tahap ekstraksi fitur tingkat rendah, mereka memperkenalkan mekanisme ekstraksi fitur multiskala untuk memperkaya informasi detail spasial, yang meningkatkan kemampuan diskriminatif objek seperti api. Kemudian, mekanisme pengawasan mendalam yang implisit digunakan untuk meningkatkan interaksi di antara arus informasi.

Akhirnya, para peneliti menggunakan mekanisme perhatian saluran untuk secara selektif menekankan fitur-fitur yang berkontribusi pada tugas tersebut, dan secara efektif menekan gangguan gangguan gambar.

Hasil eksperimen menunjukkan bahwa keakuratan model deep learning yang efisien untuk deteksi kebakaran ini mencapai 95,3%, tetapi ukuran modelnya hanya 4,80 MB, sehingga mudah diterapkan pada perangkat dengan sumber daya terbatas.

Model ini dapat memproses 63,5 frame per detik pada NVIDIA GTX 2080TI, yang berarti dapat mendeteksi api secara real-time. Dibandingkan dengan metode berbasis deep-learning saat ini, model ini menunjukkan peningkatan besar tidak hanya dalam akurasi deteksi tetapi juga dalam ukuran model dan kecepatan deteksi.

Penelitian ini memberikan solusi yang layak untuk mewujudkan deteksi kebakaran yang cepat dan akurat dan memungkinkan pendeteksian kebakaran berbasis penglihatan menjadi praktis.


Satelit NASA menunjukkan dua tampilan California’s Apple Fire


Informasi lebih lanjut:
Songbin Li dkk. Metode Deteksi Kebakaran yang Efisien Berdasarkan Ekstraksi Fitur Multiskala, Pengawasan Mendalam Implisit dan Mekanisme Perhatian Saluran, Transaksi IEEE pada Pemrosesan Gambar (2020). DOI: 10.1109 / TIP.2020.3016431

Disediakan oleh Chinese Academy of Sciences

Kutipan: Fasilitas deteksi kebakaran berbasis visi bekerja lebih baik di bawah model pembelajaran mendalam yang baru (2020, 19 November) diambil 27 November 2020 dari https://techxplore.com/news/2020-11-vision-based-facilities-deep.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Hongkong Prize