基于改进Faster R-CNN的石化装置火灾增强识别方法

为提高复杂石化装置场景下火灾发现速度和识别准确率，特别是强化对石化厂区监控图像内小微火焰、烟雾等事故初期关键目标信息的发现能力，以应对石化装置火灾事故演化所具有的典型多米诺效应，在事故发展初期快速准确发现异常、控制事故态势发展、降低事故危害，建立了基于深度学习的石化装置明火、烟雾识别方法，以改进的Faster R-CNN作为目标信息检测算法，利用K-Means++聚类方法优化锚框尺寸，结合基于递归策略的多尺度特征融合设计，显著改善了模型小微关键目标识别能力，实验测试数据表明，改进后的模型检测平均准确率(mAP)提升11.0%,小目标平均识别准确率(mAP(s))提升19.7%。