买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉福州大学申请的专利一种基于改进PP-YOLO的火灾检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116994182B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310973766.7，技术领域涉及：G06V20/40；该发明授权一种基于改进PP-YOLO的火灾检测方法是由禹杰;陈创茂设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本一种基于改进PP-YOLO的火灾检测方法在说明书摘要公布了：本发明涉及一种基于改进PP‑YOLO的火灾检测方法。通过摄像头获取视频信号，将视频信号截取成图像并进行图像预处理；利用训练好的火灾检测模型对图像进行火焰和烟雾检测并在显示器上显示检测结果。其中，所述火灾检测模型具体为：以PP‑YOLO为基础模型，PP‑YOLO包括特征提取网络、特征融合网络和检测头；采用改进的特征融合网络加强多尺度特征融合过程、提高特征的表达能力；特征提取网络采用轻量化网络ShuffleNetv2，调整最后一个卷积层的通道数以减少模型参数量和浮点计算量，并进行知识蒸馏提高模型检测精度。本发明在大量减少算法参数量和计算量的情况下，能够实现良好的火灾检测准确性。

本发明授权一种基于改进PP-YOLO的火灾检测方法在权利要求书中公布了：1.一种基于改进PP-YOLO的火灾检测方法，其特征在于，通过摄像头获取视频信号，将视频信号截取成图像并进行图像预处理；利用训练好的火灾检测模型对图像进行火焰和烟雾检测并在显示器上显示检测结果；其中，所述火灾检测模型具体为：以PP-YOLO为基础模型，PP-YOLO包括特征提取网络、特征融合网络和检测头；采用改进的特征融合网络加强多尺度特征融合过程、提高特征的表达能力；特征提取网络采用轻量化网络ShuffleNetv2，调整最后一个卷积层的通道数以减少模型参数量和浮点计算量，并进行知识蒸馏提高模型检测精度；该方法具体包括如下步骤： 1通过摄像头接收视频流信号，将视频流信号截取成图像，对图像进行预处理，将输入图像的尺寸缩放调整为608×608像素； 2构建卷积神经网络模型PP-YOLO，所述PP-YOLO包括特征提取网络、特征融合网络和检测头，加载训练好的模型权重； 3通过特征提取网络对输入图像进行深层特征提取，提取三个不同尺度的特征图；然后利用改进的特征融合网络进行多尺度特征融合；最后用检测头对三个不同尺度的特征图进行预测，预测出输入图像中火焰和烟雾区域的类别和位置，并进行后处理； 采用轻量化网络ShuffleNetv2来替换PP-YOLO的特征提取网络，轻量化网络ShuffleNetv2采用深度卷积和逐点卷积来代替常规卷积，能够减少卷积操作所需的计算量和参数量；将轻量化网络ShuffleNetv2最后的卷积层通道数从1024调整成512来进一步压缩模型；三通道的图像尺寸为608×608×3，经过特征提取网络进行深层特征提取，提取出三个不同尺度的特征图进行后续检测，三个特征图的尺寸分别为：76×76×116、38×38×232和19×19×512； 三个不同尺寸的特征图通过改进的特征融合进行多尺度特征融合；特征融合网络利用相邻两个特征图融合生成中间融合特征图，然后将中间融合特征图融合回原来的两个相邻特征图中，使得低层特征图的特征信息能够传入高层；并在中间融合特征图之后嵌入一个注意力模块CBAM，使得模型能够通过自学习的方式选择特征图中有用的信息进行融合； 将待检测图像输入火灾检测模型之前，需要进行火灾检测模型训练，包括以下步骤： 1收集火灾图像； 2利用标注工具对图像上的火焰和烟雾进行标注，制作成数据集； 3用数据集对火灾检测模型进行训练，保存模型训练的权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。