基于卷积神经网络的新型火焰探测装置研究
王昊琛 黄巧丽 黄炼才

桂林电子科技大学 计算机工程学院，广西北海，536000；

摘要：随着工业化进程的加速和城市化水平的提高，火灾事故的频率和危害程度不断上升，对人们的生命财产安全构成了严重威胁。传统的火焰探测方法，如基于感烟、感温等物理量变化的探测器，存在响应速度慢、误报率高、易受环境影响等缺点，难以满足现代消防安全的需求。因此，研发一种新型、高效、准确的火焰探测装置具有重要的现实意义和应用价值。

卷积神经网络（CNN）作为深度学习领域的重要分支，以其强大的特征提取和图像识别能力，为火焰探测提供了新的思路和方法。基于卷积神经网络的新型火焰探测装置能够实时、准确地识别图像中的火焰，并通过算法优化和模型训练，不断提高火焰探测的灵敏度和准确性。本研究旨在利用卷积神经网络的技术优势，设计并开发一种基于卷积神经网络的新型火焰探测装置，以满足现代消防安全的需求。

关键词：卷积神经网络；火焰探测；图像识别；火灾预警；实时检测

参考文献

[1]邓力，谢爽爽，贺元骅，刘全义，飞机货舱火焰可见和红外多特征融合图像探测算法研究，消防科学与技术，2023年12月第42卷第12期：1709-1713.

[2]张术琳,田超,严翔,鲁义,施式亮,基于CNN的化工园区火灾火焰图像识别研究，中国安全科学学报，2024年1月，第34卷第1期：107-186.

[3]李益明，卜雄洙，沈樾,基于红外传感器和图像识别的复合式火焰检测技术研究，仪表技术，2024年第4期：39-59.

[4]宋孟华,曹金龙,鲍成伟,基于图像处理的嵌入式火焰检测系统，机械与电子，2019年1月，第37卷第1期：58-60.