- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
停车场烟雾火焰自动检测系统
一、引言 停车场作为人员密集与车辆集中的场所，电气故障（充电桩短路、线路老化）引发的烟雾火焰事故频发。 本文提出一种基于YOLOv11目标检测与CNN特征增强的烟雾火焰自动检测系统，通过“多场景视觉覆盖-特征融合研判-分级联动响应”机制，实现对停车场烟雾（薄烟/浓烟）、火焰（初期明火/蔓延火）的毫秒级识别与主动预警 /浓密）、火焰的动态（闪烁频率）、温度梯度（热成像数据融合）等32维特征，通过Softmax分类器判断“正常（无烟雾火焰）”“预警（薄烟/小火苗）”“高危（浓烟/明火）”三级风险。 （含充电桩、车位、通道场景，覆盖白天/夜间、晴天/雨雾），标注“烟雾（薄烟/浓烟）”“火焰（小火苗/明火）”“高温区域”等5类目标，按7:2:1划分训练/验证/测试集，引入随机烟雾遮挡（模拟通风气流）、 传统传感器往往只能在烟雾或火焰达到一定浓度或规模时才能触发警报，而基于深度学习的算法能够在烟雾和火焰初现时就迅速识别，大大缩短了反应时间。
37710编辑于 2025-12-31 - 来自专栏燧机科技-视频AI智能分析
电动车棚烟雾火焰自动识别系统
一、引言 电动车棚作为居民区、园区集中充电场所，因电池过充、线路老化引发的烟雾火焰事故频发。 本文提出一种基于YOLOv5目标检测与RNN时序分析的电动车棚烟雾火焰自动识别系统，通过“多区域视觉覆盖-动态特征研判-分级联动响应”机制，实现对电动车棚烟雾（薄烟/浓烟）、火焰（初期明火/蔓延火）的毫秒级识别与主动预警 ）等时序特征，通过Softmax分类器判断“正常（无烟雾火焰）”“预警（薄烟/小火苗）”“高危（浓烟/明火）”三级风险。 （含充电区、换电柜、通道场景，覆盖白天/夜间、晴天/雨雾），标注“烟雾（薄烟/浓烟）”“火焰（小火苗/明火）”等4类目标，按7:2:1划分训练/验证/测试集，引入随机烟雾遮挡（模拟通风气流）、车灯眩光增强 电动车棚烟雾火焰自动识别系统的核心在于其先进的深度学习算法，电动车棚烟雾火焰自动识别系统能够对车棚内的情况进行 24 小时不间断的实时监测。
30300编辑于 2026-01-03 - 来自专栏OpenCV与AI深度学习
YOLOv8自定义数据集训练实现火焰和烟雾检测
这意味着模型正在接受训练以检测图像中的烟雾或火灾。 names: ['smoke', 'fire']：此行提供数据集中类的名称。列表中的每个元素对应一个类标签。
2.9K11编辑于 2024-05-22 基于yolov8的火灾火焰烟雾检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
【算法介绍】 基于YOLOv8的火焰烟雾检测系统是一款高效、实时的智能安全监控解决方案。 该系统利用YOLOv8这一先进的深度学习模型，以其卓越的速度和准确性，能够在复杂环境中快速定位并分类火焰与烟雾，即使是微小的火源或稀薄的烟雾也能被精准识别。 通过深度学习技术，系统能够不间断地分析实时视频流，一旦发现火灾或烟雾迹象，立即触发声音与视觉警报。 此外，该系统还具备自定义报警阈值，适用于工业场所、森林防火、住宅安全监控等多种场景。 综上所述，基于YOLOv8的火焰烟雾检测系统不仅是一个实用的检测工具，更是一个面向未来的智能安全平台。 yolov8n.onnx模型（不提供pytorch模型） 训练的map,P,R曲线图(在weights\results.png) 测试图片（在test_img文件夹下面） 【视频演示】 基于yolov8的火焰烟雾检测系统
72610编辑于 2025-07-21- 来自专栏PyQt5
python3GUI--基于YOLO的火焰与烟雾检测系统By:PyQt5（详细图文介绍）
传统的烟雾探测器作用范围有限，而基于计算机视觉的火焰与烟雾识别系统能够覆盖更广泛区域，实现及时预警。 本项目的开发具有多方面重要价值：它可应用于商场、学校、地铁站等公共场所，实现全天候监测，快速发现火情隐患，争取人员疏散的宝贵时间；在石油化工、电力及制造等高风险行业，能够实时监控异常火焰和烟雾，防止严重事故发生 ；结合无人机及监控设备，可用于大范围森林火灾防控，解决传统人工巡逻效率低及覆盖面窄的问题；系统还能集成到智能家居平台，提升家庭火灾报警能力，尤其适合无人居住的场景；此外，本项目验证了YOLOv8算法在火焰烟雾检测中的适用性 本次给大家介绍我开发的“基于YOLO的火焰与烟雾检测系统”，本系统通过自行训练YOLO目标检测模型，使用PyQt5制作交互界面，设置了多种告警方式以及数据可视化方案，用户能够设置详细的目标检测参数配置， 接下来我以详细图文的方式和大家介绍我开发的系统~二．核心内容1.数据集我们的数据集包括了包含烟雾和火焰的图像共909张，其中训练集为673张，验证集为236张，每张图都进行了详细的标注，标注的目标为烟雾
58340编辑于 2025-07-27 - 来自专栏IT杂谈学习
Python实现动态烟雾效果：逼真的烟雾动画
引言 动态烟雾效果常用于游戏和动画中，为场景增添逼真的视觉效果。在这篇博客中，我们将使用Python和Pygame库来创建一个逼真的烟雾动画效果。 通过模拟烟雾粒子的运动和透明度变化，我们可以实现一个栩栩如生的烟雾效果。 准备工作 前置条件 在开始之前，你需要确保你的系统已经安装了Pygame库。 并设置屏幕的基本参数： pygame.init() screen = pygame.display.set_mode((800, 600)) pygame.display.set_caption("动态烟雾效果 ") clock = pygame.time.Clock() 定义烟雾粒子类 我们创建一个SmokeParticle类来定义烟雾粒子的属性和行为： class SmokeParticle: def ") clock = pygame.time.Clock() # 烟雾粒子类定义 class SmokeParticle: def __init__(self, x, y):
50610编辑于 2024-09-20 - 来自专栏物联网知识
鸿蒙之检测烟雾
MQ-2烟雾传感器 MQ-2常用于家庭和工厂的气体泄漏监测装置，适宜于液化气、苯、烷、酒精、氢气、烟雾等的探测。故因此，MQ-2可以准确来说是一个多种气体探测器。 MQ-2的探测范围极其的广泛。
47330编辑于 2022-03-29 - 来自专栏智能视频图像
智能视频分析烟火报警系统
烟火报警系统对摄像机画面进行实时检测，当发现视频画面内出现烟雾、火焰时，系统主动触发报警提示，通知管理人员。 系统对摄像机视频画面进行实时监测，当发现画面内出现烟雾、火焰时，系统主动触发告警提示，并通过短信、电话、报警语音等方式进行通知，具有识别率高、兼容性强、性能稳定等特点。 烟火报警系统主要功能 烟雾、火焰实时识别报警 基于智能视频分析和深度学习神经网络技术烟雾、火焰实时识别预警，告警信号可显示在监控客户端界面，也可将报警信息推送到手机端， 提示用户及时处置。 告警存储功能 对烟雾、火焰实时识别预警及时存储到服务器数据库中，包括时间、地点、视频等。 报警记录查询 可根据时间段、监控区域对烟雾、火焰实时识别报警记录进行历史记录查询，每条记录包括时间、地点、报警记录快照、视频等。
1.7K10发布于 2020-08-06 - 来自专栏智能视频图像
烟火自动识别预警与监管系统
为了更好的应对和处置企业中烟雾、火焰等火灾事故，将当前的事后取证变为事中甚至于事前的预警，变被动响应为主动处置，就变得势在必行。 1.jpg 烟火识别系统针对施工现场普遍存在的烟雾、火焰等安全事件现象，通过摄像机监视，增加智能视频分析功能，对视频进行采集、智能分析、自动预警。 通过对视频数据采集区域内发生的烟雾、火焰事件在视频服务器上进行智能分析，解决传统的依赖于人工巡视的工作方式，极大的节约了人力成本，提高了工作效率。 2.jpg 烟火识别系统基于智能视频分析和深度学习神经网络技术，实现对监控区域内的烟雾和火焰进行识别、并动态识别烟雾和火焰从有到无、从小到大、从大到小、从小烟到浓烟的状态转换的识别、实时分析报警。 不依赖其他传感设备，直接对视频监控区域的画面的烟雾和火焰及时准确识别，并将报警信息及时推送给相关的管理和安全人员，及时应对和处置。
1.8K60发布于 2019-09-23 - 来自专栏TSINGSEE青犀视频
TSINGSEE烟火识别算法的技术原理是什么？如何应用在视频监控中？
AI烟火识别算法是基于深度学习技术的一种视觉识别算法，主要用于在视频监控场景中自动检测和识别烟雾、火焰的行为。 该技术基于深度学习神经网络技术，可以动态识别烟雾和火焰从有到无、从小到大、从大到小、从小烟到浓烟的状态转换过程。 1、技术原理1）数据采集与准备：首先需要采集大量带有烟雾、火焰的视频数据，并进行标注，标注数据中包含烟雾、火焰的位置和时间信息，用于训练算法模型。 4）烟火识别应用：将训练好的烟火识别AI模型应用到视频监控系统（安防监控EasyCVR平台）中，实时检测视频流中是否存在烟雾、火焰行为，并输出相应的警报信息。 图片TSINGSEE视频智能分析系统部署的AI烟火识别算法包括明火识别、烟雾识别：1）明火识别：支持识别视频画面中出现的深橘黄色、非半透明色的火焰目标；2）烟雾识别：支持识别视频画面中出现的团状烟雾。
1.1K30编辑于 2023-10-19 - 来自专栏TSINGSEE青犀视频
智能分析网关基于AI烟火识别技术的消防预警方案
AI烟火识别是基于深度学习神经网络技术和视频智能分析的一项实用性技术，通过对监控区域内的烟雾和火焰进行精准检测与识别，并实时预警，有效协助工作人员及时处理消防危机。 烟火识别的算法特征：1）烟雾检测：对燃烧过程中烟雾形成的不规则运动特征，如呈现出不同的颜色，烟雾从无到有的形状、面积、反射频率等持续性变化进行辨识和分析判断，从而实现对烟雾的识别，并立即触发告警。 2）火焰检测：对燃烧过程中火焰的图像特征，如呈现出不同的颜色，火焰从无到有的形状、面积、闪烁频率、强度等增长性和持续性变化进行辨识和分析判断，从而实现对火焰的识别，并立即触发告警。 基于AI烟火识别的消防预警方案：本方案围绕AI视频智能识别与分析为核心，结合AI边缘计算硬件设备（智能分析网关）与视频融合平台（EasyCVR），通过对场景中的监控视频图像进行烟雾、火焰的智能识别，并提供抓拍 、烟雾识别、行为识别（抽烟、玩手机、摔倒等）；智慧安监：工作服识别、火焰识别、烟雾识别、灭火器识别、行为识别（抽烟、玩手机、摔倒等）。
1.1K50编辑于 2023-01-06 - 来自专栏IT杂谈学习
用Python实现火焰效果：动态火焰动画制作
动态火焰效果是一种常见且具有视觉冲击力的特效。在这篇博客中，我们将使用Python和Matplotlib库来实现一个简单而逼真的动态火焰效果。 本文使用Matplotlib库来绘制和动画火焰效果。 NumPy用于生成随机数，以创建火焰的动态效果。 我们将使用随机数生成火焰的基础数据。 我们通过更新火焰数据来模拟火焰的跳动。
71810编辑于 2025-05-24 - 来自专栏燧机科技-视频AI智能分析
充电桩消防烟雾着火检测系统
据应急管理部《2023年电动汽车充电设施火灾事故分析报告》显示，充电桩火灾中因初期火焰/烟雾未及时识别导致的火势扩大占比达68%，传统消防依赖人工巡检（响应延迟＞5分钟）、单一烟感报警（误报率＞40%） 本文提出一种基于YOLOv12目标检测与RNN时序分析的智能检测及自动响应系统，通过“多光谱感知-动态火势研判-分级联动处置”机制，实现对充电桩火焰、烟雾的毫秒级识别、火势发展阶段判断与自动灭火断电。 （二）算法层：YOLOv12+RNN双模型协同分析 核心采用“YOLOv12目标检测+RNN时序火势研判”两级算法：YOLOv12目标检测：定位画面中“火焰（颜色/形状特征）”“烟雾（浓度/扩散形态）” （含白天/夜间、晴天/雨雾场景），标注“初期火焰”“蔓延期火焰”“薄烟”“浓烟”“高温区域”等7类目标，按7:2:1划分训练/验证/测试集，引入随机烟雾遮挡（模拟风向变化）、低光照增强（模拟夜间）提升鲁棒性 充电桩消防火焰检测系统的核心在于其强大的识别能力，充电桩消防火焰检测系统一旦检测到火焰或烟雾，系统会立即启动一系列自动响应机制。
27410编辑于 2025-12-28 - 来自专栏Unity游戏开发
ShaderGraph-火焰特效
Voronoi.PNG Voronoi中的AngleOffset来模拟随机运动 UV采用事件控制Y方向上的变化，实现火焰不断向上 ?
1.6K30发布于 2019-06-16 - 来自专栏京程一灯
如何读懂火焰图？
火焰图（flame graph）是性能分析的利器。本文介绍它的基本用法。 ? 这个结果还是不易读，所以才有了火焰图。 二、火焰图的含义 火焰图是基于 perf 结果产生的 SVG 图片，用来展示 CPU 的调用栈。 ? y 轴表示调用栈，每一层都是一个函数。 四、火焰图示例 下面是一个简化的火焰图例子。 首先，CPU 抽样得到了三个调用栈。 六、Node 应用的火焰图 Node 应用的火焰图就是对 Node 进程进行性能抽样，与其他应用的操作是一样的。 它的下方就是火焰图。 ? 浏览器的火焰图与标准火焰图有两点差异：它是倒置的（即调用栈最顶端的函数在最下方）；x 轴是时间轴，而不是抽样次数。 ?
3.5K31发布于 2019-03-27 - 来自专栏巡天遥看一千河
perf火焰图 wiki
火焰图 wiki 火焰图的每个框代表一个栈里的一个函数，燃烧在火苗尖部的就是CPU正在执行的函数 纵轴代表调用栈的深度（栈桢数），火焰顶端显示正在运行的函数，这之下都是调用者。 使用perf 生成火焰图 # PID 指进程id， -F 指采样频率，高负载时最好指定，不然生成的文件很大 # -g 告诉 perf record 额外记录函数的调用关系 # -- sleep 表示 有些模块的火焰图中会出现一些函数框，这其实不是火焰图的锅，是perf采样的时候就有了，它找不到相应的符号表，无法解析调用栈。 假如框很少的话可以先不管；要是很多的话，可以在编译时加上编译选项-fno-omit-frame-pointer，重新编译程序，包括so文件，再重新采样生成火焰图。 假如火焰图的一些函数框里什么也没有，应该也是找不到符号信息，无法解析调用栈，所以在编译时记得加上-g参数，-O2也会优化掉调用栈信息，可以去掉，编译完成后也不要用strip命令清符号表信息。
2.9K30发布于 2020-11-19 - 来自专栏火丁笔记
白话火焰图
Gregg 发明了火焰图，可以一针见血的指出程序的性能瓶颈，坏消息是除了 OpenResty 社区，很少看到还有其他人使用火焰图。 （DEMO） sample-bt-off-cpu：用来生成 Off-CPU 火焰图的采样数据（DEMO） 那么什么时候使用 On-CPU 火焰图？ 什么时候使用 Off-CPU 火焰图呢？取决于当前的瓶颈到底是什么，如果是 CPU 则使用 On-CPU 火焰图，如果是 IO 或锁 则使用 Off-CPU 火焰图。 ，此时适合使用 Off-CPU 火焰图。 如果还是确认不了，那么不妨 On-CPU 火焰图和 Off-CPU 火焰图都搞搞，正常情况下它们的差异会比较大，如果两张火焰图长得差不多，那么通常认为 CPU 被其它进程抢占了。
97730编辑于 2021-12-14 - 来自专栏TSINGSEE青犀视频
智慧校园烟火识别及预警解决方案，保障校园消防安全
AI烟火检测摄像机采用自研的基于人工智能技术的烟雾和火焰识别算法，结合火焰和烟雾的光学成像特征，实现了高分辨率全彩图像的烟雾和火焰检测，具有识别距离远、抗干扰能力强、识别精度高等特点。 支持火焰检测；支持烟雾检测：白烟、灰烟、黑烟、黄烟等；响应速度快：通用场景可达秒级响应，一般响应时间<=3秒；抗干扰能力强：可有效过滤阳光、晚霞、复杂灯光、机动车危险报警闪光灯等环境干扰；最大支持256G 基于系统内已有的AI烟火识别算法，可对校园前端设备采集的图像、视频等数据进行实时风险监测与烟火识别分析，根据火灾烟雾火焰特征，可准确识别出烟雾、火焰、火点，并立即触发告警并抓拍图片，提醒管理人员及时处理
88550编辑于 2023-11-20 - 来自专栏顶级程序员
如何读懂火焰图？
这个结果还是不易读，所以才有了火焰图。 二、火焰图的含义 火焰图是基于 perf 结果产生的 SVG 图片，用来展示 CPU 的调用栈。 ? y 轴表示调用栈，每一层都是一个函数。 三、互动性 火焰图是 SVG 图片，可以与用户互动。 （1）鼠标悬浮 火焰的每一层都会标注函数名，鼠标悬浮时会显示完整的函数名、抽样抽中的次数、占据总抽样次数的百分比。下面是一个例子。 四、火焰图示例 下面是一个简化的火焰图例子。 首先，CPU 抽样得到了三个调用栈。 六、Node 应用的火焰图 Node 应用的火焰图就是对 Node 进程进行性能抽样，与其他应用的操作是一样的。 它的下方就是火焰图。 ? 浏览器的火焰图与标准火焰图有两点差异：它是倒置的（即调用栈最顶端的函数在最下方）；x 轴是时间轴，而不是抽样次数。 ?
1.2K70发布于 2018-05-03 - 来自专栏嵌入式项目开发
STM32读取MQ2烟雾浓度数据判断烟雾是否超标
MQ2传感器检测到烟雾等有害气体时，其敏感材料的电阻值会发生变化，从而导致输出电压值的变化。因此，可以通过采集MQ2传感器的输出电压值来判断烟雾浓度。 MQ2传感器的输出电压与烟雾浓度之间的关系是线性的，需要进行一定的转换才能得出准确的烟雾浓度。 常见的转换方法如下： （1）标定法 将MQ2传感器置于标准烟雾环境中，记录其输出电压值和对应的烟雾浓度，并建立二者之间的关系模型。 然后再使用这个模型将采集到的MQ2传感器输出电压值转换为相应的烟雾浓度。该方法测量精度较高，但需要专业仪器作为标准烟雾环境。 通过将采集到的ADC值转换为烟雾浓度并打印出来，可以实现对MQ2传感器的烟雾检测。
1.5K20编辑于 2023-07-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号