电动汽车充电站火灾多目标实时检测与预警方法

作者：张世玉; 高德欣^*

来源：科学技术与工程, 2023, 23(28): 12136-12144.

• 电动汽车充电站
• 火焰烟雾检测
• YOLOv4-Tiny
• K-means-GA聚类算法
• 卷积注意力机制(CBAM)

电动汽车在充电过程中易发生火灾事故，为了提高电动汽车充电站火灾检测实时性，提出一种基于YOLOv4-Tiny-CBAM的电动汽车充电站火焰烟雾多目标实时检测与预警算法：为在低算力平台实现实时检测选用YOLOv4-Tiny轻量级网络模型；引入K-means-GA算法重新计算锚框值；引入卷积注意力机制模块(convolutional block attention module, CBAM)以加强网络对火焰烟雾特征提取能力以提升检测精度；将电动汽车充电站监控视频作为模型检测输入源，实现就地端实时检测。实验结果表明：该改进算法模型参数量为6.143 M,视频检测每秒传输帧数(frames per second, FPS)值为43,均值平均精度(mean average precision, mAP)值为86.76%,具有较好的目标连续跟踪能力，满足实时检测的需求，对无人化电动汽车充电站安全运行以及火灾应急处置具有重要意义。

• 单位
  电子工程学院; 青岛科技大学