چکیده مقاله
حریق یکی از بلایای مخرب با خسارات جانی و مالی قابل توجه است سامانه های سنتی تشخیص حریق با محدودیت هایی در سرعت، دقت و اطمینان مواجه هستند پیشرفت های اخیر در حوزه بینایی ماشین و پردازش تصویر، امکان توسعه سامانه های نظارتی هوشمند برای تشخیص اولیه دود و شعله را فراهم آورده است با این حال، چالش هایی نظیر تنوع ظاهری دود و شعله، تمایز از پدیده های مشابه، و پردازش بلادرنگ داده های تصویری، نیازمند تحقیقات بیشتری است این پژوهش به توسعه و ارزیابی یک سامانه هوشمند تشخیص دود و شعله با استفاده از پردازش تصویر و الگوریتم های یادگیری عمیق، به ویژه شبکه های عصبی کانولوشنی CNN ، می پردازد هدف اصلی، دستیابی به تشخیص خودکار و دقیق دود و شعله در تصاویر دوربین های نظارتی است در این راستا، الگوریتم های مختلف پردازش تصویر و یادگیری عمیق مورد بررسی و مقایسه قرار گرفته، مجموعه داده مناسبی جمع آوری و مدل های یادگیری عمیق بر روی آن آموزش داده شده اند عملکرد مدل نهایی با معیارهای دقت، حساسیت، و نرخ هشدارهای کاذب ارزیابی شده و چارچوبی عملیاتی برای پیاده سازی در سامانه های نظارتی موجود ارائه می گردد تحقیقات پیشین عمدتا بر تحلیل ویژگی های سنتی یا استفاده از معماری های CNN پایه متمرکز بوده اند؛ این پژوهش با بهره گیری از معماری های CNN مدرن و در نظر گرفتن چالش های محیطی، در پی ارتقاء سطح دقت و کارایی سامانه های تشخیص حریق است
کلیدواژهها
نویسندگان
شیوه ارجاع
�بانی شاندیز، محمد و قاسمی، محمد ابراهیم و مهران فر، مهدی و ثابتی جاوید، مهران،1404،به کارگیری پردازش تصویر برای شناسایی دود و شعله در سامانه های نظارتی،پنجمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی،همدان
ارائهشده در
مجموعه مقالات نخستین همایش ملی پژوهش های نوین در اقدام پژوهی، راه کارها و پیشنهادات24 آبان 1402 · بندرعباس