近日，我校本科生王时宽在国际期刊Engineering Applications of Artificial Intelligence发表了题为“An advanced multi-source data fusion method utilizing deep learning techniques for fire detection”的学术论文。我校地理信息科学本科生王时宽为第一作者，吴孟泉教授为通讯作者。
文章研究了一种利用深度学习技术进行火灾探测的多源数据融合方法，即FireSmoke-YOLO，它可以提高对于火灾场景的复杂性以及检测分散的小目标烟火的检测能力。FireSmoke-YOLO的核心是一种漏斗空间金字塔池化快速算法（FSPPF），它可以更好地捕捉烟火的特征，降低模型的权重文件大小，最重要的是模型在没有学习遥感图像烟雾纹理信息的条件下，可以准确识别出烟雾。大量的实验结果表明，FireSmoke-YOLO算法综合检测任务可以达到81％的mAP50和59％的mAP50-95，能够准确识别烟火。该研究为消防和环境保护提供了一个高效、轻便的模型。
Engineering Applications of Artificial Intelligence是人工智能领域的TOP学术期刊，由全球知名学术出版机构Elsevier负责出版，致力于推广和传播人工智能工程应用的创新研究成果。
