1. 项目背景与核心价值
火灾检测一直是公共安全领域的重要课题。传统基于烟雾传感器或红外探测的方案存在响应延迟大、误报率高的问题。我在大三实验室就遇到过这种情况——隔壁化学实验室的酒精灯打翻时，烟雾报警器足足延迟了47秒才触发，差点酿成事故。这促使我开始研究基于深度学习的视觉检测方案。
卷积神经网络(CNN)在图像识别领域的突破性进展，为实时火灾检测提供了新的技术路径。相比传统方案，基于YOLOv5的检测系统在测试中实现了：
- 检测响应时间 <200ms
- 白天场景准确率98.7%
- 夜间红外模式准确率91.2%
2. 系统架构设计
2.1 数据采集与处理
我们构建了包含12,845张标注图像的数据集，涵盖：
- 不同规模火焰（烛火到建筑火灾）
- 多角度拍摄（俯视/平视/仰视）
- 干扰场景（夕阳/电焊/炉灶）
数据增强策略：
transform = transforms.Compose([ transforms.RandomRotation(30), transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.RandomHorizontalFlip(), transforms.ToTensor() ])2.2 模型选型对比
测试了三种主流架构表现：
| 模型 | 准确率 | 推理速度(FPS) | 显存占用 |
|---|---|---|---|
| YOLOv5s | 96.3% | 142 | 1.8GB |
| Faster R-CNN | 97.1% | 28 | 3.5GB |
| SSD300 | 95.8% | 89 | 2.1GB |
最终选择YOLOv5s进行轻量化改造，在Jetson Nano上也能实现实时检测。
3. 关键实现细节
3.1 改进的损失函数
原始CIoU损失在火焰检测中存在梯度消失问题，我们改进为：
Loss = α*CIoU + β*DIOU + γ*FocalLoss其中α=0.6, β=0.3, γ=0.1，使小目标检测AP提升11.2%
3.2 多模态输入融合
class MultimodalBlock(nn.Module): def __init__(self): super().__init__() self.thermal_conv = nn.Conv2d(1, 64, kernel_size=3) self.rgb_conv = nn.Conv2d(3, 64, kernel_size=3) def forward(self, x): thermal = self.thermal_conv(x['thermal']) rgb = self.rgb_conv(x['rgb']) return torch.cat([thermal, rgb], dim=1)4. 部署优化技巧
4.1 TensorRT加速
通过FP16量化和层融合，在Jetson设备上获得3.2倍加速：
trtexec --onnx=fire_det.onnx \ --saveEngine=fire_det.engine \ --fp16 \ --workspace=20484.2 边缘计算方案
采用分级报警策略：
- 本地设备执行实时检测（>30FPS）
- 可疑帧上传云端二次验证
- 确认后触发联动报警系统
5. 实测性能数据
在100小时连续测试中：
- 误报率：0.8次/天
- 漏报率：0.2%
- 平均功耗：8.3W（Jetson Xavier NX）
关键发现：火焰颜色空间在HSV通道的H值集中在0-20范围，这个特征可有效区分电焊等干扰源
6. 常见问题解决
夜间检测效果差：
- 增加红外摄像头输入
- 在损失函数中加入亮度敏感项
小目标漏检：
- 修改anchor box比例为[0.2,0.5,1.0]
- 添加FPN特征金字塔
模型体积过大：
- 使用通道剪枝（Pruning）技术
- 采用深度可分离卷积
这个项目最让我意外的是：通过grad-cam可视化发现，模型不仅关注火焰区域，还会检测烟雾的湍流特征。这启发我们在数据标注时增加了烟雾动态特征的标注维度，使准确率进一步提升3.4%。
