马乐 魏雄 郑明 许萍萍 同小军

摘要：利用烟雾检测实现秸秆燃烧检测，针对传统烟雾检测方法中烟雾特征提取难、卷积神经网络方法检测准确率低等问题，提出了FBF神经网络的秸秆燃烧烟雾检测方法。神经网络提取特征时，低层网络的特征语义信息比较少，目标位置准确；高层的特征语义信息比较丰富，目标位置比较粗略，对特征图采用自下而上的提取、自上而下和横向连接融合的方法。在保证较大特征被提取利用的情况下，使得较小的特征有更好的学习及利用，提高了烟雾识别的准确率。与现有的卷积神经网络模型进行对比，实验结果表明该方法具有较高的检测准确率。相比Faster RCNN检测网络，检测准确率提高了10%，误报率降低了16.2%。

关键词：FBF；秸秆燃烧检测；特征图融合

中图分类号：TP391.4文献标志码：A文章编号：1008-1739（2020）24-66-4

0引言

秸秆燃烧产生的大颗粒物质会造成空气污染，是环境保护中一个非常严重的问题[1]，秸秆的不充分燃烧产生大量的碳化物危害人类生命健康。秸秆燃烧检测可以提供实时秸秆燃烧信息，及时制止燃烧行为有利于环境保护。现有秸秆燃烧检测主要是靠检测秸秆燃烧产物来实现的，烟雾检测是秸秆燃烧检测的重要手段之一，是近年来机器视觉领域研究的热点和难点。

目前大多数方法都是利用火灾和烟雾的颜色、纹理、几何、闪烁和运动等视觉特征方法实现烟雾检测。Yamagishi[2]和Yamaguchi[3]提出了一种基于火焰时空波动数据的火焰检测算法，该方法使用颜色信息取得了烟雾检测较好的成果，但不能消除火焰接近颜色物体引起的干扰。……