YOLO V4模型在含硫井站火焰和烟雾检测中的应用

作     者：向伟 龚云洋 李华昌 XIANG Wei;GONG Yun-yang;LI Hua-chang

作者机构：中国石化西南油气分公司采气三厂四川德阳618000 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2024年第395卷第1期

页      面：261-264页

学科分类：0820[工学-石油与天然气工程] 080706[工学-化工过程机械] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0807[工学-动力工程及工程热物理] 082003[工学-油气储运工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主　　题：火灾检测 烟雾检测 深度学习 目标检测 YOLO V4 迁移学习 

摘      要：针对含硫天然气中H2S等腐蚀性物质易导致井站设备、管线等发生泄漏,易引发火灾,但常用的火焰和烟雾检测仪器、算法易受井站复杂环境影响,且含硫井站人工巡检存在一定风险,提出一种基于深度学习目标检测模型的含硫井站火焰和烟雾检测方法。首先,将能在移动端实时检测的YOLO V4目标检测模型先对公开火焰、烟雾数据集进行训练;接着,将训练好的模型采用迁移学习方法对井站火焰、烟雾数据集进行训练,提取井站火焰、烟雾特征;最后,经迁移学习训练后的YOLO V4模型对火焰、烟雾检测的平均精度均值高达99.62%,配合巡检机器人将对含硫井站有更好的火灾预警和救援侦察能力。