基于云计算、大数据与YOLO设计的火灾/火焰目标检测_张晓禾吉林建筑大学

摘要：本研究针对火灾早期预警检测需求，采用在Kaggle平台获取数据、采用云计算部署的方式，以YOLO11构建模型，使用云计算服务器训练模型。经训练，box loss从约3.5降至1.0，cls loss从约4.0降至1.0，dfl loss从约4.0降至0.2，精确率达0.8，召回率近1.0，mAP@0.5为0.875，表明模型性能良好，可用于火灾早期检测并为相关安防领域提供借鉴，发生火灾时火焰能够被及时检测到，最大限度地保障人员生命和财产安全。

关键词：火灾检测；YOLO11；云计算；大数据；目标检测

更多人工智能项目，专栏介绍与说明：

嵌入式人工智能项目+人工智能应用项目合集列表与专栏说明——Excel合集列表目录查阅（持续更新）-CSDN博客https://archie.blog.csdn.net/article/details/142345687https://archie.blog.csdn.net/article/details/142345687https://archie.blog.csdn.net/article/details/142345687

目录

一、问题的提出及分析

1.1 问题重述

1.2 问题分析

1.2.1 火灾的危害与早期检测的重要性

1.2.2 现有火灾探测技术手段的分析

1.2.3基于深度学习的火焰检测方法的研究热点

二、研究点假设和符号定义

2.1 研究点假设

2.1.1 数据集假设

2.1.2云计算平台假设

2.1.3 模型假设

2.2 符号定义

2.2.1 与模型性能评估相关的符号

2.2.2 与模型训练和损失函数相关的符号

三、研究点建立和计算

3.1 研究点建立的依据

3.2 研究方法及过程

3.2.1大数据获取

3.2.2项目工程建立

3.2.3数据集载入

3.2.3云计算部署

3.2.4模型训练

3.3 简要的计算方法

3.3.1 损失函数计算

3.3.2 性能指标计算

四、研究点分析和检验

4.1 模型训练指标分析

4.2 精确率-召回率曲线分析