摘要：智能火焰與煙霧檢測系統(tǒng)用于智能日?；馂?zāi)檢測報警，利用攝像頭畫面實時識別火焰與煙霧，另外支持圖片、視頻火焰檢測并進(jìn)行結(jié)果可視化。本文詳細(xì)介紹基于智能火焰與煙霧檢測系統(tǒng)，在介紹算法原理的同時，給出Python的實現(xiàn)代碼以及PyQt的UI界面。在界面中可以選擇各種圖片、視頻進(jìn)行檢測識別；可對圖像中存在的多目標(biāo)進(jìn)行識別分類，檢測速度快、識別精度高。博文提供了完整的Python代碼和使用教程，適合新入門的朋友參考，完整代碼資源文件請轉(zhuǎn)至文末的下載鏈接。

完整代碼下載：https://mbd.pub/o/bread/ZJaXlpdt

參考視頻演示：https://www.bilibili.com/video/BV1WY411z7eG/

(資料圖片)

離線依賴庫下載：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

前言

火災(zāi)事故的產(chǎn)生始終是人們在日常生活中較難避免的災(zāi)情其中之一。人們一直以來嘗試尋找正確的方式降低火災(zāi)事故所帶來的經(jīng)濟(jì)財產(chǎn)損失。雖說完全杜絕火災(zāi)事故的產(chǎn)生不切實際，但是能夠數(shù)據(jù)監(jiān)測火災(zāi)事故的產(chǎn)生，根據(jù)聲光報警，快速查找明火，用最快的時間滅掉它，以此降低火災(zāi)事故造成的損失，所以火焰和煙霧的識別始終是人們研究至關(guān)重要的方向。

火焰與煙霧分辨，搭配監(jiān)控攝像頭，實時分辨監(jiān)管物流倉庫內(nèi)不同區(qū)域發(fā)生的明火狀況，若檢測過有火災(zāi)安全隱患，立刻發(fā)出預(yù)警并通報監(jiān)測中心解決?；鹧媾c煙霧分辨預(yù)警平臺自動識別煙火監(jiān)測系統(tǒng)充分運用已有普通的視頻監(jiān)控，無須安裝熱成像相機(jī)，無需控制器。火焰與煙霧分辨預(yù)警平臺自動識別煙火監(jiān)測系統(tǒng)根據(jù)智能視頻分析和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)技術(shù)，完成對監(jiān)管區(qū)域范圍火焰開展實時分析識、告警，同時把火焰屏幕截圖和煙火視頻保留下來，同時把火災(zāi)數(shù)據(jù)及時推送到有關(guān)的人員及時進(jìn)行處理。

本系統(tǒng)基于YoloV5，采用登錄注冊進(jìn)行用戶管理，對于圖片、視頻和攝像頭捕獲的實時畫面，可檢測火焰與煙霧，系統(tǒng)支持結(jié)果記錄、展示和保存，每次檢測的結(jié)果記錄在表格中。對此這里給出博主設(shè)計的界面，同款的簡約風(fēng)，功能也可以滿足圖片、視頻和攝像頭的識別檢測，希望大家可以喜歡，初始界面如下圖：

檢測類別時的界面截圖（點擊圖片可放大）如下圖，可識別畫面中存在的多個類別，也可開啟攝像頭或視頻檢測：

詳細(xì)的功能演示效果參見博主的B站視頻或下一節(jié)的動圖演示，覺得不錯的朋友敬請點贊、關(guān)注加收藏！系統(tǒng)UI界面的設(shè)計工作量較大，界面美化更需仔細(xì)雕琢，大家有任何建議或意見和可在下方評論交流。

1.?效果演示

軟件好不好用，顏值很重要，首先我們還是通過動圖看一下識別的效果，系統(tǒng)主要實現(xiàn)的功能是對圖片、視頻和攝像頭畫面中的火焰與煙霧進(jìn)行識別，識別的結(jié)果可視化顯示在界面和圖像中，另外提供多個目標(biāo)的顯示選擇功能，演示效果如下。

（一）系統(tǒng)介紹

智能火焰與煙霧檢測系統(tǒng)主要用于日常場景中火災(zāi)檢測，識別火焰與煙霧并標(biāo)注著火點的數(shù)目、位置、預(yù)測置信度等；連接攝像頭設(shè)備可開啟實時檢測功能，另外對圖片、視頻等文件中的火焰煙霧情況也可進(jìn)行測試和檢測；登錄系統(tǒng)提供用戶注冊、登錄、管理功能；訓(xùn)練和調(diào)優(yōu)的模型可有效檢測火災(zāi)情況，模型可選擇切換；可選擇單個目標(biāo)進(jìn)行單獨顯示和標(biāo)注，結(jié)果一鍵保存。

（二）技術(shù)特點

（1）檢測算法采用YoloV5深度學(xué)習(xí)模型，便捷式訓(xùn)練和切換；???????? （2）選擇圖片、視頻或攝像頭方式檢測火焰與煙霧情況；???????? （3）界面基于PyQt5實現(xiàn)，結(jié)果展示、切換和保存功能；???????? （4）支持用戶登錄、注冊、管理，界面縮放、可視化等功能；

（三）用戶注冊登錄界面

這里設(shè)計了一個登錄界面，可以注冊賬號和密碼，然后進(jìn)行登錄。界面還是參考了當(dāng)前流行的UI設(shè)計，左側(cè)是一個動圖，右側(cè)輸入賬號、密碼、驗證碼等等。

（四）選擇圖片識別

系統(tǒng)允許選擇圖片文件進(jìn)行識別，點擊圖片選擇按鈕圖標(biāo)選擇圖片后，顯示所有識別的結(jié)果，可通過下拉選框查看單個結(jié)果，以便具體判斷某一特定目標(biāo)。本功能的界面展示如下圖所示：

（五）視頻識別效果展示

很多時候我們需要識別一段視頻中的多個火焰與煙霧，這里設(shè)計了視頻選擇功能。點擊視頻按鈕可選擇待檢測的視頻，系統(tǒng)會自動解析視頻逐幀識別多個火焰與煙霧，并將火焰與煙霧的分類和計數(shù)結(jié)果記錄在右下角表格中，效果如下圖所示：

（六）攝像頭檢測效果展示在真實場景中，我們往往利用攝像頭獲取實時畫面，同時需要對火焰與煙霧進(jìn)行識別，因此本文考慮到此項功能。如下圖所示，點擊攝像頭按鈕后系統(tǒng)進(jìn)入準(zhǔn)備狀態(tài)，系統(tǒng)顯示實時畫面并開始檢測畫面中的火焰與煙霧，識別結(jié)果展示如下圖：

2.?智能火焰與煙霧數(shù)據(jù)集及訓(xùn)練

YOLO簡介

YOLO的名字來歷頗有意思，他的本意是流行語You Only Live Once的縮寫，而模型的作者Joseph Redmon改了一個詞將You Only Look One作為模型的名字。這是由于，相對于R-CNN系列算法將檢測問題分解為劃定位置和判定類別分兩步做，YOLO系列算法沒有顯式尋找區(qū)域的過程，可以實現(xiàn)端到端的快速預(yù)測，即輸入一幅圖片，在輸出中給出若干目標(biāo)的位置、類別和置信度。

而相對于同樣是一步到位的SSD算法，YOLO系列的特點在于算法一經(jīng)發(fā)出，便有各種各樣的人和團(tuán)隊對他進(jìn)行更新迭代。通過不斷地更新迭代模型版本，YOLO也得到了效果上持續(xù)的提升和更廣泛的關(guān)注。但值得注意的是，YOLO模型的原作者Joseph Redmon更新到v3版本后就退出了相關(guān)的研究，而后續(xù)的版本都是其他研究人員的工作，包括我們今天介紹的YoloV5。

我們首先介紹一下最原始的YOLO模型，然后簡要介紹一下YoloV5版本，主要通過具體的例子一起看看怎么把YOLOv5模型用好。

YOLOv1的網(wǎng)絡(luò)結(jié)構(gòu)并沒有什么特別，和我們熟悉的圖像分類一樣都是卷積神經(jīng)網(wǎng)絡(luò)，但它的輸出向量卻不太一樣。如果把神經(jīng)網(wǎng)絡(luò)看作我們熟悉的回歸分析問題，那YOLO做的事情就是改變了模型響應(yīng)的結(jié)構(gòu)，而這也奠定了YOLO目標(biāo)檢測的基礎(chǔ)。YOLO的輸出向量不僅包括目標(biāo)的類別，還有邊界框的坐標(biāo)和預(yù)測的置信度。它的核心思想在于把圖像分割成S*S的若干個小塊，在每個格子中預(yù)先放置兩個邊界框，通過卷積神經(jīng)網(wǎng)絡(luò)預(yù)測得到每個邊界框的坐標(biāo)、類別和置信度，然后通過非極大值抑制獲得局部唯一的預(yù)測框。

經(jīng)過若干年的版本迭代，YoloV5的網(wǎng)絡(luò)結(jié)構(gòu)博采眾長，已經(jīng)變得格外復(fù)雜，主要包括在Backbone中通過卷積和池化網(wǎng)絡(luò)結(jié)構(gòu)提取特征，在Neck部分不斷地和之前提取的特征進(jìn)行融合，Head部分則是用來進(jìn)行最終的檢測和輸出，如下圖所示。

我們今天選取YoloV5作為介紹，一方面是因為從最終效果來看YoloV5已經(jīng)相當(dāng)優(yōu)秀，是發(fā)展的比較完備、使用比較廣泛的一個版本；而更重要的是YoloV5的調(diào)用、訓(xùn)練和預(yù)測都十分方便，為初學(xué)者提供了良好的練手工具。YoloV5的另一個特點就是它為不同的設(shè)備需求和不同的應(yīng)用場景提供了大小和參數(shù)數(shù)量不同的網(wǎng)絡(luò)。

如圖所示，大一點的模型比如YOLOv5l和YOLOv5x參數(shù)更多，在大規(guī)模的COCO數(shù)據(jù)集上有更高的預(yù)測準(zhǔn)確率；而小模型比如YOLOv5n或YOLOv5s占空間更小，適合部署在移動設(shè)備上，且推理速度更快，適合于高幀 率視頻的實時檢測。

數(shù)據(jù)集介紹

這里我們使用的火焰與煙霧識別數(shù)據(jù)集，包含訓(xùn)練集3850張圖片，驗證集405張，測試集218張圖片，共計4473張圖片。其中部分圖像和標(biāo)注如下圖所示。

每張圖像均提供了圖像類標(biāo)記信息，圖像中的bounding box，關(guān)鍵part信息，以及屬性信息，數(shù)據(jù)集并解壓后得到如下的圖片。

配置模型的參數(shù)即可訓(xùn)練，設(shè)置好模型的地址，圖形的輸入尺寸為480×480，置信度閾值設(shè)為0.25，NMS閾值設(shè)為0.45，使用GPU進(jìn)行訓(xùn)練。

在cmd終端中運行train.py進(jìn)行訓(xùn)練，以下是訓(xùn)練過程中的結(jié)果截圖。歷經(jīng)8小時，便完成了訓(xùn)練，模型大小為14.1Mb。

在深度學(xué)習(xí)中，我們通常通過損失函數(shù)下降的曲線來觀察模型訓(xùn)練的情況。而YOLOv5訓(xùn)練時主要包含三個方面的損失：矩形框損失(box_loss)、置信度損失（obj_loss）和分類損失(cls_loss)，在訓(xùn)練結(jié)束后，我們也可以在logs目錄下找到生成對若干訓(xùn)練過程統(tǒng)計圖。下圖為博主訓(xùn)練火焰和煙霧識別的模型訓(xùn)練曲線圖。

一般我們會接觸到兩個指標(biāo)，分別是召回率recall和精度precision，兩個指標(biāo)p和r都是簡單地從一個角度來判斷模型的好壞，均是介于0到1之間的數(shù)值，其中接近于1表示模型的性能越好，接近于0表示模型的性能越差，為了綜合評價目標(biāo)檢測的性能，一般采用均值平均密度map來進(jìn)一步評估模型的好壞。我們通過設(shè)定不同的置信度的閾值，可以得到在模型在不同的閾值下所計算出的p值和r值，一般情況下，p值和r值是負(fù)相關(guān)的，繪制出來可以得到如下圖所示的曲線，其中曲線的面積我們稱AP，目標(biāo)檢測模型中每種目標(biāo)可計算出一個AP值，對所有的AP值求平均則可以得到模型的mAP值。

以PR-curve為例，可以看到我們的模型在驗證集上的均值平均準(zhǔn)確率為0.676。

3.?智能火焰與煙霧檢測

在訓(xùn)練完成后得到最佳模型，接下來我們將幀圖像輸入到這個網(wǎng)絡(luò)進(jìn)行預(yù)測，從而得到預(yù)測結(jié)果，預(yù)測方法（predict.py）部分的代碼如下所示：

得到預(yù)測結(jié)果我們便可以將幀圖像中的火焰與煙霧框出，然后在圖片上用opencv繪圖操作，輸出火焰與煙霧的類別及火焰與煙霧的預(yù)測分?jǐn)?shù)。以下是讀取一個火焰與煙霧圖片并進(jìn)行檢測的腳本，首先將圖片數(shù)據(jù)進(jìn)行預(yù)處理后送predict進(jìn)行檢測，然后計算標(biāo)記框的位置并在圖中標(biāo)注出來。

執(zhí)行得到的結(jié)果如下圖所示，圖中火焰與煙霧的種類和置信度值都標(biāo)注出來了，預(yù)測速度較快?；诖四Ｐ臀覀兛梢詫⑵湓O(shè)計成一個帶有界面的系統(tǒng)，在界面上選擇圖片、視頻或攝像頭然后調(diào)用模型進(jìn)行檢測。

博主對整個系統(tǒng)進(jìn)行了詳細(xì)測試，最終開發(fā)出一版流暢得到清新界面，就是博文演示部分的展示，完整的UI界面、測試圖片視頻、代碼文件，以及Python離線依賴包（方便安裝運行，也可自行配置環(huán)境），均已打包上傳，感興趣的朋友可以通過下載鏈接獲取。

下載鏈接

若您想獲得博文中涉及的實現(xiàn)完整全部程序文件（包括測試圖片、視頻，py, UI文件等，如下圖），這里已打包上傳至博主的面包多平臺，見可參考博客與視頻，已將所有涉及的文件同時打包到里面，點擊即可運行，完整文件截圖如下：

在文件夾下的資源顯示如下，下面的鏈接中也給出了Python的離線依賴包，讀者可在正確安裝Anaconda和Pycharm軟件后，復(fù)制離線依賴包至項目目錄下進(jìn)行安裝，離線依賴的使用詳細(xì)演示也可見本人B站視頻：win11從頭安裝軟件和配置環(huán)境運行深度學(xué)習(xí)項目、Win10中使用pycharm和anaconda進(jìn)行python環(huán)境配置教程。

注意：該代碼采用Pycharm+Python3.8開發(fā)，經(jīng)過測試能成功運行，運行界面的主程序為runMain.py和LoginUI.py，測試圖片腳本可運行testPicture.py，測試視頻腳本可運行testVideo.py。為確保程序順利運行，請按照requirements.txt配置Python依賴包的版本。Python版本：3.8，請勿使用其他版本，詳見requirements.txt文件；

完整資源中包含數(shù)據(jù)集及訓(xùn)練代碼，環(huán)境配置與界面中文字、圖片、logo等的修改方法請見視頻，項目完整文件下載請見參考博客文章里面，或參考視頻的簡介處給出：???

完整代碼下載：https://mbd.pub/o/bread/ZJaXlpdt

參考視頻演示：https://www.bilibili.com/video/BV1WY411z7eG/

離線依賴庫下載：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

界面中文字、圖標(biāo)和背景圖修改方法：

在Qt Designer中可以徹底修改界面的各個控件及設(shè)置，然后將ui文件轉(zhuǎn)換為py文件即可調(diào)用和顯示界面。如果只需要修改界面中的文字、圖標(biāo)和背景圖的，可以直接在ConfigUI.config文件中修改，步驟如下：????????（1）打開UI_rec/tools/ConfigUI.config文件，若亂碼請選擇GBK編碼打開。????????（2）如需修改界面文字，只要選中要改的字符替換成自己的就好。????????（3）如需修改背景、圖標(biāo)等，只需修改圖片的路徑。例如，原文件中的背景圖設(shè)置如下：

可修改為自己的名為background2.png圖片（位置在UI_rec/icons/文件夾中），可將該項設(shè)置如下即可修改背景圖：

結(jié)束語

由于博主能力有限，博文中提及的方法即使經(jīng)過試驗，也難免會有疏漏之處。希望您能熱心指出其中的錯誤，以便下次修改時能以一個更完美更嚴(yán)謹(jǐn)?shù)臉幼?，呈現(xiàn)在大家面前。同時如果有更好的實現(xiàn)方法也請您不吝賜教。

關(guān)鍵詞：