近日，我校本科生王時寬在國際期刊Engineering Applications of Artificial Intelligence發表了題為“An advanced multi-source data fusion method utilizing deep learning techniques for fire detection”的學術論文。我校地理信息科學本科生王時寬為第一作者，吳孟泉教授為通訊作者。
文章研究了一種利用深度學習技術進行火災探測的多源數據融合方法，即FireSmoke-YOLO，它可以提高對于火災場景的復雜性以及檢測分散的小目標煙火的檢測能力。FireSmoke-YOLO的核心是一種漏斗空間金字塔池化快速算法（FSPPF），它可以更好地捕捉煙火的特征，降低模型的權重文件大小，最重要的是模型在沒有學習遙感圖像煙霧紋理信息的條件下，可以準確識別出煙霧。大量的實驗結果表明，FireSmoke-YOLO算法綜合檢測任務可以達到81％的mAP50和59％的mAP50-95，能夠準確識別煙火。該研究為消防和環境保護提供了一個高效、輕便的模型。
Engineering Applications of Artificial Intelligence是人工智能領域的TOP學術期刊，由全球知名學術出版機構Elsevier負責出版，致力于推廣和傳播人工智能工程應用的創新研究成果。（資源與環境工程學院 通訊員：王溫馨）
