典型文献
卷积神经网络在建筑消防信息化的应用——以城市综合管廊火灾监控为例
文献摘要：
随着科学技术的进步,越来越多的行业和领域在朝着信息化方向发展.综合管廊已成为城市能源输送的重要保障,但是在大型市政基础设施集中化发展背景下,其火灾隐患问题逐渐凸显.利用YOLO V5建立的卷积神经网络能够对火焰进行高精度识别,进而实现从识别结果中提取实时火焰蔓延位置、蔓延速度和火焰宽度等重要火灾发展关键参数.通过设计12组发展速度不同的综合管廊电缆火灾试验,对卷积神经网络进行训练并验证其信息提取的准确性.结果表明:卷积神经网络提取的火焰前锋蔓延位置平均相对误差为5％～15％、火焰蔓延速度平均相对误差为6％～20％、火焰宽度平均相对误差为10％～27％,进而证实该方法能够保证良好的提取精度.对建筑消防信息化监控来说,该方法能为火灾现场制定灭火救援战术提供关键依据,并让实时研判火灾发展趋势、评估事故严重性和估计事故损失成为可能.
文献关键词：
建筑消防信息化;综合管廊;火灾监控;卷积神经网络;火焰识别
中图分类号：
作者姓名：
黄萍;陈铭;陈可欣;刘春祥;余龙星
作者机构：
福州大学,福建福州350108
文献出处：
引用格式：
[1]黄萍;陈铭;陈可欣;刘春祥;余龙星-.卷积神经网络在建筑消防信息化的应用——以城市综合管廊火灾监控为例)[J].土木工程学报,2022(06):112-120,128
A类：
建筑消防信息化
B类：
信息化的应用,城市综合管廊,火灾监控,市政基础设施,集中化,火灾隐患,隐患问题,YOLO,V5,高精度识别,火焰蔓延,电缆火灾,火灾试验,信息提取,火焰前锋,平均相对误差,信息化监控,火灾现场,灭火救援,战术,事故严重性,火焰识别
AB值：
0.27743
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
