發(fā)布時(shí)間：2023-11-11 16:57

　　為解決礦井下傳統(tǒng)火災(zāi)識(shí)別方法準(zhǔn)確率較低的問題,提出一種基于改進(jìn)果蠅優(yōu)化算法(FOA)-支持向量機(jī)(SVM)的火災(zāi)圖像識(shí)別算法。利用YCrCb顏色空間對(duì)捕獲的圖像進(jìn)行分割,根據(jù)早期的火災(zāi)圖像特征從圖像序列中提取多個(gè)火災(zāi)特征值。用基于分群體融合的改進(jìn)FOA算法搜索SVM最優(yōu)核參數(shù)和懲罰因子,將提取的火災(zāi)圖像特征值作為SVM的輸入對(duì)樣本數(shù)據(jù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,采用該方法對(duì)礦井火災(zāi)進(jìn)行識(shí)別時(shí)準(zhǔn)確率達(dá)97.2%,其分類效果顯著優(yōu)于FOA方法、粒子群優(yōu)化算法等。

【文章頁數(shù)】：8 頁

【文章目錄】：
0 概述
1 火焰圖像分析與處理
    1.1 疑似火焰區(qū)域提取
    1.2 圖像特征
        1.2.1 面積變化
        1.2.2 圓形度
        1.2.3 紋理特征
            1) 能量
            2) 熵
            3) 反差
2 SVM及其參數(shù)優(yōu)化
3 基于FOA的SVM參數(shù)優(yōu)化方法
4 改進(jìn)的FOA算法
5 實(shí)驗(yàn)結(jié)果與分析
    5.1 IMFOA算法性能測(cè)試
    5.2 礦井火焰識(shí)別實(shí)驗(yàn)
6 結(jié)束語



本文編號(hào)：3862949