基于深度学习的现场火灾图像分析模型训练方法及系统与流程

本发明涉及人工智能，具体而言，涉及一种基于深度学习的现场火灾图像分析模型训练方法及系统。

背景技术：

1、火灾检测和分析是关键的安全领域，其中涉及到诸如图像处理和机器学习等复杂技术。

2、传统的火灾检测方法通常依赖于热感或烟雾探测器，但这些设备可能无法在火灾初期即时发现火源。

3、近年来，随着深度学习和计算机视觉技术的发展，更多的研究开始利用这些技术进行火灾检测。

4、例如，通过训练深度学习模型识别图像中的火焰或烟雾。

5、然而，有效地训练此类模型并利用模型的预测结果进行实际操作仍然是一个挑战。

技术实现思路

1、本发明的目的在于提供一种基于深度学习的现场火灾图像分析模型训练方法及系统。

2、第一方面，本发明实施例提供一种基于深度学习的现场火灾图像分析模型训练方法，包括：

3、获取第一样本火灾图像数据对应的第一多维火灾属性数据和所述第一样本火灾图像数据对应的第一预置火灾现场元素信息；所述第一预置火灾现场元素信息是基于第一现场火灾图像分析模型和所述第一样本火灾图像数据对应的所述第一多维火灾属性数据，对所述第一样本火灾图像数据进行火灾现场类别分析获取的；所述第一现场火灾图像分析模型是基于第二样本火灾图像数据对应的第二多维火灾属性数据和所述第二样本火灾图像数据对应的第二预置火灾现场元素信息，对第一初始模型进行火灾现场类别分析训练获取的；所述第二预置火灾现场元素信息是基于第二现场火灾图像分析模型和所述第二样本火灾图像数据对应的第二样本火灾图像类型，对所述第二样本火灾图像数据进行火灾现场类别分析获取的；

4、将所述第一多维火灾属性数据加载至第二初始模型进行火灾现场类别分析，获取所述第一样本火灾图像数据对应的第一推断火灾现场元素信息；

5、根据所述第一推断火灾现场元素信息和所述第一预置火灾现场元素信息，对所述第二初始模型进行训练，获取目标现场火灾图像分析模型。

6、第二方面，本发明实施例提供一种服务器系统，包括服务器，所述服务器用于执行第一方面所述的方法。

7、相比现有技术，本发明提供的有益效果包括：采用本发明公开的一种基于深度学习的现场火灾图像分析模型训练方法及系统，通过获取样本火灾图像数据对应的多维火灾属性数据和预置火灾现场元素信息，然后利用这些信息对初始模型进行火灾现场类别分析训练，从而获取目标现场火灾图像分析模型。

8、如此设计，能够根据输入的火灾图像数据，推断出火灾现场的火灾现场类别分析结果，并且通过训练不断优化和更新模型，保证针对的火灾现场类别分析的精确性。

技术特征：

1.基于深度学习的现场火灾图像分析模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述第二初始模型包括：火灾语义特征抽取模型，火灾图像特征抽取模型，特征整合模型和元素类型识别模型；所述第一多维火灾属性数据包括第一样本火灾图像描述数据和第一样本火灾帧数据；所述第一样本火灾图像描述数据包括第一样本火灾图像类型和所述第一样本火灾帧数据对应的第一样本火灾识别描述；所述火灾图像描述语义特征包括火灾图像类型特征和火灾图像识别描述特征；

3.根据权利要求1所述的方法，其特征在于，所述第一样本火灾图像数据对应的第一预置火灾现场元素信息是通过以下步骤得到的，包括：

4.根据权利要求1所述的方法，其特征在于，在所述获取目标现场火灾图像分析模型之后，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述消防策略输出模型是通过以下方式得到的，包括：

6.根据权利要求5所述的方法，其特征在于，所述关联规则学习包括查询转换规则学习；

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

8.根据权利要求5所述的方法，其特征在于，所述关联规则学习包括目标数据库记录生成学习；

9.根据权利要求5所述的方法，其特征在于，所述关联规则学习包括决策过程学习；

10.一种服务器系统，其特征在于，包括服务器，所述服务器用于执行权利要求1-9中任一项所述的方法。

技术总结
本发明公开了一种基于深度学习的现场火灾图像分析模型训练方法及系统，包括：首先获取样本火灾图像数据对应的多维火灾属性数据和预置火灾现场元素信息，然后利用这些信息对初始模型进行火灾现场类别分析训练，从而获取目标现场火灾图像分析模型。如此设计，能够根据输入的火灾图像数据，推断出火灾现场的火灾现场类别分析结果，并且通过训练不断优化和更新模型，保证针对的火灾现场类别分析的精确性。

技术研发人员：郭桐
受保护的技术使用者：北京中卓时代消防装备科技有限公司
技术研发日：
技术公布日：2024/4/29