多光谱火焰检测器

红外可见光融合

融合红外与可见光信息的无人机检测方法，显著提升焚烧秸秆检测精度，优于单模态和多模态融合基线。

Wen, Hao · Hu, Xikun · 钟平

Computers and Electronics in Agriculture 2024

参数信息

召回率提升

3 %

mAP@0.5提升

2 %

mAP@0.5:0.95提升

5 %

技术优势

检测更准

融合红外与可见光信息后，YOLOv5在StrawBurning数据集上的召回率、mAP@0.5和mAP@0.5:0.95分别提升约3%、2%和5%，优于单模态和其他多传感器融合方法。

直接用现有检测器

多尺度对比度自适应方法作为数据融合模块，可直接与YOLOv5等成熟检测模型结合使用，无需重新设计检测器。

耐真实农田条件

方法在真实农田场景中通过无人机采集的成对红外-可见光图像上验证，而非理想化数据集，表明其适用于实际农业监测。

应用场景

• 农业环境监测：无人机实时发现田间秸秆焚烧火点，辅助环保部门快速定位和处置。
• 多模态遥感融合：用红外与可见光互补信息增强焚烧区域特征，提高遥感解译的可靠性。
• 实时目标检测：融合图像可输入现有实时检测模型，实现机上在线识别焚烧目标。