1. 準(zhǔn)備數(shù)據(jù)集

數(shù)據(jù)集使用的是開源圖片，共 6k 張火災(zāi)圖片，分別標(biāo)注出??濃煙???和??火??兩類。

火

濃煙

項(xiàng)目采用??YOLO???訓(xùn)練，我已經(jīng)把數(shù)據(jù)轉(zhuǎn)成??YOLO???格式，并分好了訓(xùn)練集和驗(yàn)證集，見??dataset??目錄。

2. 訓(xùn)練

訓(xùn)練過(guò)程參考YOLOv7官網(wǎng)文檔即可。

修改data/coco.yaml文件，配置好訓(xùn)練數(shù)據(jù)的路徑和類別。

下載預(yù)訓(xùn)練模型yolov7.pt，然后就可以開始訓(xùn)練了

3. 火災(zāi)監(jiān)測(cè)

訓(xùn)練完成后，在yolov7目錄下的run目錄中，找到生成的模型文件——best.pt。

我訓(xùn)練好的模型放在源碼weights目錄中，名為fire.pt，大家可以直接使用。

有了模型，我們用它開發(fā)一個(gè)監(jiān)測(cè)程序了。

首先，需要自行下載 yolov7 源碼到當(dāng)前工程里。

然后，安裝pytorch，并用pytorch加載訓(xùn)練好的yolov7模型。

fire_detector = torch.hub.load('./yolov7', 'custom', './weights/fire.pt', source='local')

源碼中有一個(gè)火災(zāi)視頻fire_video.mp4，可以用opencv讀取該視頻，用來(lái)測(cè)試檢測(cè)效果。

ret, frame = cap.read()
results = self.fire_detector(img_cvt)
pd = results.pandas().xyxy[0]

# 繪制檢測(cè)框
for obj in pd.to_numpy():
    box_l, box_t = int(obj[0]), int(obj[1])
    box_r, box_b = int(obj[2]), int(obj[3])
    obj_name = obj[6]

    if obj_name == 'smoke':
        box_color = (0, 0, 255)
        box_txt = '檢測(cè)到濃煙'
    else:
        box_color = (0, 255, 0)
        box_txt = '檢測(cè)到大火'

    frame = cv2.rectangle(frame, (box_l, box_t), (box_r, box_b), box_color, 2)
    frame = cv2_add_chinese_text(frame, box_txt, (box_l, box_t-40), box_color, 25)

運(yùn)行成功后，可以效果與文章開頭中的視頻一致。

可以把項(xiàng)目部署到嵌入式 GPU 上，如：jetson nano，來(lái)做實(shí)時(shí)檢測(cè)。開發(fā)一個(gè)云通信服務(wù)，一旦發(fā)生火災(zāi)進(jìn)行電話報(bào)警。

同時(shí)，還可以開發(fā)一個(gè) APP ，將現(xiàn)場(chǎng)的視頻流回傳到服務(wù)器，APP可以實(shí)時(shí)看到監(jiān)控效果，幫助決策。

4. 難點(diǎn)

其實(shí)用目標(biāo)檢測(cè)做火災(zāi)檢測(cè)還是有一些難點(diǎn)的。如，干擾樣本多，容易造成誤檢。再比如，標(biāo)注不統(tǒng)一導(dǎo)致無(wú)法有效的計(jì)算mAP。

所以，最好我們能自定義損失函數(shù)和準(zhǔn)召的計(jì)算方式。以召回為例，我們能檢測(cè)出圖片中有火災(zāi)就算成功，而不一定非要檢測(cè)出多少個(gè)火苗和多少個(gè)煙霧。

當(dāng)然，這類任務(wù)并非一定要通過(guò)目標(biāo)檢測(cè)來(lái)做。有朋友跟我提出用分類任務(wù)、分割任務(wù)，我覺(jué)得都可以去嘗試。