基于深度学习的油库安全监测方法研究

存储石油化工产品时有极高的安全监测要求，传统油库监测系统采用人工观察视频监控的方式检测产品的存储是否存在安全问题，该方法在火灾应急行动中存在时效性低、响应慢及漏检等问题。针对上述问题，文章提出了一种基于深度学习的油库安全监测方法，在原始YOLOv5(单阶段目标检测算法)的主干网络添加坐标注意力机制(CoordinateAttention,CA)，该机制可以得到方向感知和位置感知的注意力图，将这些图应用于输入特征图，可以更加丰富地表示感兴趣对象；使用回归损失函数EIOU＿Loss代替原有的GIOU＿Loss进行预测框的定位回归损失计算，该方法能提高BoundingBox(边界框)的回归精度；使用DIOU-NMS替换NMS(非极大抑制)，可以提高对遮挡目标的辨识度。该方法在自制的测试数据集中的mAP达到了91.2%，说明该方法在油库安全监测领域具有较高的应用价值。