热能动力工程

作者：周 榕，王博强，王 锴

单位：中国舰船研究设计中心，湖北 武汉 430064,,中国船舶集团有限公司第七○三研究所，黑龙江 哈尔滨 150078,,中国舰船研究设计中心，湖北 武汉 430064,

关键词：卷积神经网络;火焰识别;图像处理;智能算法;模型训练

为提高卷积神经网络在火焰图像识别中的正确率、响应速度和抗误报警能力，实现对极早期火焰的有效探测和保证探测器的可靠性，针对卷积神经网络火焰识别算法进行改进，提出了一种采用双尺度去噪的深度可分离卷积火焰图像识别算法。通过对移植该算法的火焰图像探测器进行响应速度和抗误报警实验和在与某型采用神经网络算法的火焰图像探测器的对比实验中分别发现：探测器对放置在距其15 m处的5 cm×5 cm的火盘响应速度为2.8 s；探测器对强光干扰源和高热干扰源有较强的抗干扰能力；采用改进算法的探测器在灵敏度、响应速度和抗干扰能力上均优于原始算法的探测器，说明采用双尺度去噪的深度可分离卷积火焰图像识别算法的火焰图像探测器对火焰具有更高的灵敏度、响应速度和较强抗干扰能力。

来源：2024年第2期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2024年第2期