[发明专利]一种基于MSRCR和YOLOv4-Tiny算法的火焰快速检测方法

权利要求书

1.一种基于MSRCR和YOLOv4-Tiny算法的火焰快速检测方法，其特征在于：所述检测方法包括如下步骤：

步骤S1：通过摄像头获取需检测目标区域的监控视频图像，并将该监控视频图像传输给服务器中的火焰检测模块；

步骤S2：火焰检测模块首先对监控视频图像进行抽帧处理，获取监控视频中每一帧的图像；

步骤S3：利用MSRCR算法对获取的每一帧图像进行增强处理；

步骤S4：将经过MSRCR算法处理过的图像调整到大小为608*608的目标图像，并生成608*608*3的图像矩阵，然后将归一化后的图像矩阵输入到训练好的YOLOv4-Tiny算法模型中；

步骤S5：获取YOLOv4-Tiny算法模型预测结果，包括识别的火焰数量和火焰区域大小，并在经过MSRCR算法处理过的图像上绘制出火焰目标框，得到预测结果图像；

步骤S6：将每一帧的预测结果图像以视频流形式在显示器上展示，实时监控目标区域是否有火焰产生。

2.根据权利要求1所述的基于MSRCR和YOLOv4-Tiny算法的火焰快速检测方法，其特征在于：所述步骤S3中，利用MSRCR算法对获取的每一帧图像进行增强处理，包括色彩增强、局部动态范围压缩、全局动态范围压缩以及增强图像中的边缘信息。

3.根据权利要求1所述的基于MSRCR和YOLOv4-Tiny算法的火焰快速检测方法，其特征在于：所述步骤S4中，YOLOv4-Tiny算法模型的训练过程包括以下步骤：

步骤A1：采集大规模火焰图像数据和工业现场视频监控图像数据，对图像数据进行标注、制作训练集和测试集；

步骤A2：设定训练参数，包括Epoch、Batchsize、Iou、激活函数和优化方法；

步骤A3：对YOLOv4-Tiny模型进行训练，当loss值达到需求时停止训练；

步骤A4：对训练好的模型测试预测效果，若达到需求则保存模型，否则重复步骤A3过程继续训练。

4.根据权利要求1所述的基于MSRCR和YOLOv4-Tiny算法的火焰快速检测方法，其特征在于：所述步骤S6中，将检测出火焰的信息以报警信号的形式发出。