Afin de réaliser la reconnaissance des incendies en laboratoire et de résoudre le problème des flammes peu visibles sur les images capturées par la caméra en raison de la petite taille des flammes, ainsi que l'impact du brouillard associé aux flammes sur la précision de la segmentation et de la reconnaissance, un réseau de segmentation par fusion en temps réel amélioré et perceptif sémantiquement des images infrarouges thermiques et visibles est proposé. En fusionnant les images infrarouges thermiques et visibles, des informations sur le rayonnement thermique sont fournies pour améliorer les informations spectrales réduites par le brouillard dans les images visibles, ainsi que la perceptibilité de la phase initiale de combustion des flammes, permettant la segmentation des flammes sous brouillard en laboratoire ainsi que des petites flammes à l'étape initiale de combustion. Des blocs intermédiaires de transfert de caractéristiques (IFTB) sont ajoutés aux blocs denses résiduels de gradient (GRDB) dans le réseau de fusion et des blocs de pondération sont introduits pour réduire la perte d'information de l'image de la flamme lors de la fusion, tout en restaurant la structure de l'image visible avec une perte de contenu minimale et en renforçant la visibilité des flammes. Un module d'extraction des bords basé sur la transformation du gradient (EEM) est ajouté dans le réseau de segmentation sémantique Deeplabv3+ pour renforcer les informations des bords des images de flammes et de fumée avec des changements lumineux marqués dans l'image fusionnée, réduisant l'effet du brouillard sur la segmentation des flammes et améliorant la précision de la reconnaissance des flammes. Les résultats expérimentaux montrent que la fusion des images visibles et infrarouges thermiques améliore la précision de la détection et de la segmentation des flammes lors de la phase initiale de combustion. Le réseau de segmentation des flammes amélioré affiche un indice moyen de Jaccard de 91,27% et une efficacité de segmentation de 11,96 FPS sur le jeu de données auto-collecté, indiquant une amélioration significative de la performance du réseau de fusion pour la segmentation et la reconnaissance des flammes et de la fumée en laboratoire, avec une valeur d'application pratique pour la détection des flammes et de la fumée en laboratoire.

détection des flammes et de la fumée; fusion d'images; segmentation sémantique; IFTB; extraction de bords