YOLO V4模型在含硫井站火焰和烟雾检测中的应用(1).pdfVIP

第1期机械设计与制造

2024年1月MachineryDesignManufacture261

YOLOV4模型在含硫井站火焰和

烟雾检测中的应用

向伟，龚云洋，李华昌

（中国石化西南油气分公司采气三厂，四川德阳618000）

摘要：针对含硫天然气中HS等腐蚀性物质易导致井站设备、管线等发生泄漏，易引发火灾，但常用的火焰和烟雾检测仪2

器、算法易受井站复杂环境影响，且含硫井站人工巡检存在一定风险，提出一种基于深度学习目标检测模型的含硫井站

火焰和烟雾检测方法。首先，将能在移动端实时检测的YOLOV4目标检测模型先对公开火焰、烟雾数据集进行训练；接

着，将训练好的模型采用迁移学习方法对井站火焰、烟雾数据集进行训练，提取井站火焰、烟雾特征；最后，经迁移学习训

练后的YOLOV4模型对火焰、烟雾检测的平均精度均值高达99.62%，配合巡检机器人将对含硫井站有更好的火灾预警

和救援侦察能力。

关键词：火灾检测；烟雾检测；深度学习；目标检测；YOLOV4；迁移学习

中图分类号：TH16；TE978文献标识码：A文章编号：1001-3997（2024）01-0261-04

ApplicationofYOLOV4ModelinFlameandSmoke

DetectionofSourWellStation

XIANGWei，GONGYun-yang，LIHua-chang

（No.3GasProductionPlantofSinopecSouthwestOilGasCompany，SichuanDeyang618000，China）

Abstract：AimingattheHSandothercorrosivesubstancessulfur-containingnaturalgascaneasilyleadtoleakageofwellsta⁃2

tionequipmentandpipelines，whichcaneasilyleadtofire.However，thecommonlyusedflameandsmokedetectioninstruments

andalgorithmsareeasilyaffectedbythecomplexenvironmentofwellstation，andtherearecertainrisksinmanualinspectionof

sourwellstation.Itproposesaflameandsmokedetectionmethodforsourwellstationbasedondeeplearningtargetdetection

model.Firstofall，wetraintheopenflameandsmokedatasetwiththeYOLOV4targetdetectionmodelwhichcandetectreal-

timeinthemobileterminal；then，wetrainthewellstationflameandsmokedatasetwiththemigrationlearningmethodtoex⁃

tractthewellstationflameandsmokefeatures；finally，afterthetransferlearningtheaverageaccuracyof.YOLOV4targetde⁃

tectionmodelis99.62%.YOLOV4targetdetectionmodelcooperatingwiththeinspectionrobotwillhavebetterfirewarningand

rescuereconnaissance