来源：期刊VIP网 时间：
作者：叶宽;王雅妮;刘畅;周恺;李强;刘彦谦;
单位：国网北京市电力公司;国网北京市电力公司电力科学研究院;中国人民警察大学防火工程学院;
摘要：针对城市地下变压器特殊设计环境和当前深度学习算法在目标检测中遇到的硬件资源受限问题，提出了一种基于改进YOLOv10的早期火灾图像特征识别方法。通过引入缩放层对特征图进行有效缩放，采用组归一化代替传统批归一化，解决了共享卷积神经网络模型在大幅减少模型参数量时遇到的不同检测头检测目标尺度不一致问题和计算精度下降的问题。全尺寸试验结果表明，改进后的模型相比目前主流计算模型YOLOv10参数量减少38.2%,计算量降低27.6%,且在保持轻量化的同时仍能保证较高的火灾图像特征识别率。在保证早期火灾检测精度不降低的同时，参数量、模型所占存储容量和计算量分别较YOLOv10模型下降14.0%、27.3%和3.1%。验证了改进模型的有效性和鲁棒性，对低光照条件下变压器遮挡火的探测具有很强的适应性。
关键词：安全工程;;改进YOLOv10;;地下变压器;;早期火灾探测;;轻量化
基金资助：国网北京市电力公司科技项目青年科学家项目(520223240006)
