Um die Probleme von Fehl- und Nicht-Erkennungen in bestehenden Rauchdetektionsalgorithmen zu lösen, wird ein neuer leichter Rauchdetektionsalgorithmus auf Basis eines effizienten globalen Kontextnetzwerks (EGC-Net) vorgeschlagen. Der Algorithmus basiert auf dem leichten Objekterkennungsnetzwerk YOLOX und integriert das verbesserte EGC-Net zwischen das Backbone-Feature-Extraktionsnetzwerk von YOLOX und das Feature-Pyramiden-Netzwerk. EGC-Net besteht aus drei Phasen: Kontextmodellierung, Merkmalsumwandlung und Merkmalsfusion. Es dient dazu, globale Kontextinformationen des Bildes zu erhalten, fernabhängige Beziehungen zwischen dem Rauchziel und dessen Hintergrund zu modellieren und kombiniert einen Kanal-Attentionsmechanismus, um diskriminativere visuelle Merkmale für die Raucherkennung zu erlernen. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene EGC-YOLOX-Rauchdetektionsalgorithmus eine Bildebene-Erkennungsrate von 95,56 % und eine Bildebene-Falschalarmrate von 4,75 % erreicht, was besser als bei anderen typischen leichten Algorithmen ist und die Geschwindigkeit den Echtzeiterkennungsanforderungen erfüllt. Der Algorithmus kann in den Bereichen Sicherheit und Brandschutz eingesetzt werden, um die Echtzeitüberwachung und Warnverwaltung von Bränden zu ermöglichen.

Rauchdetektion;EGC-Net;YOLOX;globaler Kontext;Aufmerksamkeitsmechanismus