YOLO新电器生活杂志简介

人工智能电器发展现状论文随着科技的飞速发展，人工智能（Artificial Intelligence, AI）已经渗透到我们生活的方方面面，特别是在家用电器领域，AI技术的应用正不断改变着人们的生活方式。

本文旨在探讨人工智能电器的发展现状，分析其技术进步、市场趋势以及面临的挑战和未来发展方向。

引言人工智能电器是指通过集成人工智能技术，使家用电器具备自主学习、智能决策和人机交互等能力的新型产品。

从智能冰箱、洗衣机到智能烤箱、微波炉，再到智能家居系统，AI电器正逐渐成为现代家庭的标配。

本文将从技术发展、市场应用、社会影响和未来趋势四个方面，对人工智能电器的发展现状进行全面分析。

技术发展人工智能技术在电器领域的应用主要体现在以下几个方面：1. 语音识别与交互技术：通过集成语音识别系统，家用电器能够理解用户的语音指令，实现语音控制。

2. 机器学习和数据分析：利用机器学习算法，电器能够根据用户使用习惯进行自我优化，提供更加个性化的服务。

3. 物联网技术：通过物联网技术，家用电器能够实现与其他设备的互联互通，形成智能家居生态系统。

4. 图像识别技术：在一些高端电器中，图像识别技术被用来识别物体，如洗衣机识别衣物材质，自动调整洗涤模式。

市场应用随着技术的进步，人工智能电器在市场上的应用日益广泛：1. 智能家居系统：集成了多种AI技术的智能家居系统能够实现家庭环境的智能控制，如智能照明、温度调节等。

2. 智能厨房电器：智能冰箱可以根据食物的存储情况自动调整温度，智能烤箱可以根据食物种类自动设置烹饪程序。

3. 智能清洁机器人：扫地机器人、窗户清洁机器人等，能够自动规划清洁路线，提高清洁效率。

4. 健康监测设备：一些智能手表和健康监测设备能够实时监测用户的生理指标，提供健康建议。

社会影响人工智能电器的发展对社会产生了深远的影响：1. 提高生活质量：AI电器通过智能化操作，简化了人们的生活，提高了生活便利性。

2. 促进节能减排：智能电器能够根据实际需求调节能耗，有助于节能减排，实现可持续发展。

科技智能家电诠释未来尖端生活形态作者：来源：《工业设计》2017年第03期来源：YOKE时尚网生产力高速发展，互联网、移动互联网、物联网概念日渐普及，与我们生活息息相关的家用电器也开始朝着智能化的方向发展。

互联网、移动互联网的最终发展形态就是物联网，所有日常生活的必需品都可以联网。

传统家电开始向智能化方向发展，实现家电和手持设备、家电和家电之间的相互连接。

这是一个美好的未来，虽然现阶段实现还属“科幻”，但我们今天的生活不正是以前人们的幻想么？现如今的人们也开始幻想自己未来的生活会是什么样子，概念化的家电产品会给我们带来怎样的未来生活形态呢？让我们一起来看看以下这几款概念家居产品吧！Elevated Bathtub浴室浴缸并不算家电产品，而应该属于卫浴分类，不过这只是针对传统产品而言，因为在易合设计的浴缸当中，自动化电力系统被引入进来。

Elevated Bathtub来自于Altplus中国设计团队“易合设计”的无障碍洗浴解决方案，在照顾普通用户的基础上，专门考虑了高龄人士、伤残人士以及孕妇等群体使用特征而进行了人性化的改造，使得这款产品在2012红点奖颁奖典礼中脱颖而出。

Elevated Bathtub实际上属于一款淋浴和洗浴二合一的产品，机身带有可升降浴缸以及可分离底座，淋浴柱不仅内置了许多功能按钮，用于调节水温和水量，同时还是升降浴缸的导轨，使行动不便的用户可以在泡澡之后放完水，再升起浴缸，这样下一次使用就不存在任何行动障碍的问题，而且如果不需要泡澡，直接将浴缸悬在空中也可满足正常使用。

这类产品不仅适合家庭，在医院和福利院等众多公共领域同样可以发挥很大作用。

SOLO多功能洗衣机SOLO多功能一体式洗衣机可以说是单身汉绝佳的选择，集清洗、熨烫、去污渍等众多功能于一身。

洗衣机采用了壁挂式外形设计，并且配备一块可用于折叠衣物、清除油渍和进行T 恤“洗澡”的平板。

用户可以直接利用平板上配备的污渍清理模块，对袖口和领口这些难以清洗的位置进行清污操作，而无需清洗整件衣物。

永乐（中国）电器销售有限公司（企业文化）永乐企业文化手册永乐（中国）电器销售有限公司永乐企业文化手册（定稿060628）永乐(中国)电器销售有限公司二00六年六月企业家寄语从永乐成立的那一天起，我一直在思考，永乐存在的价值是什么？顾客选择永乐的理由是什么？员工选择永乐的理由是什么？供应商选择永乐的理由又是什么？在过去，我们是通过压缩流通渠道，直接从厂家进货，减少流通费用，和大规模的采购，降低采购成本，从而降低价格，让尽可能多的人能够用上家用电器，以改善消费者的生活状态。

所以，在过去的十年，永乐是为改善人民大众的生活状态做贡献。

那么现在呢？现在，一方面，消费者的生活观念和生活方式发生了巨大的变化，人们除了满足物质需求之外更加关注的是如何满足自身的精神需求，成就高品质的生活。

另一方面，网络、信息化时代已经成形，电器电子产品及其在终端设备中应用的无限变化的服务内容，成为了这个时代生活方式的另一主要构筑材料。

因此，永乐应当是一个为消费者体验梦想，设计精彩生活的资源整合平台。

永乐必须关注人们生活方式与生活观念的变化，通过整合产品与服务资源，让消费者在这里体验到各种产品和服务所构筑的生活梦想，成就他们梦想的生活方式，在为消费者提供物质需求的同时，满足他们丰富的精神生活。

对于员工，永乐意味着什么呢？我希望我们永乐人是一起来成就永乐事业的合作伙伴，永乐不会把员工看作过客，我们首要的假设是他们能够与永乐长期共事，在成就永乐伟业中成就个人的职业发展。

我希望永乐能够给员工一个成就事业的平台，我希望永乐能够带给员工实现自己生活方式的物资基础，我希望永乐成为员工职业发展的无形资产和孕育专业人才的摇篮。

对于供应商，永乐意味着什么？永乐是供应商实现价值的平台，供应商透过永乐为顾客服务赢得他们的发展空间，供应商是永乐为顾客创造价值的协作者。

对于社会，永乐意味着什么呢？永乐意味着诚信负责。

对于股东，永乐意味着什么呢？永乐意味着持续成长。

《家用电器》杂志：中国最早的家电行业专业媒体作者：侯婷婷来源：《家用电器》2020年第01期《家用电器》杂志内容涉及整机、零部件、新材料、渠道等全产业链，主要面向政府部门、家电及相关企业、专家学者和普通消费者发行，通过长期耕耘，以及优秀的专业采编队伍，在行业内积累了广泛的知名度和美誉度，在中国家电行业内具有绝对权威和广泛的影响力。

1980年3月25日，《家用電器》（国内刊号 CN11-1044/TM）杂志总第1期正式出版，原轻工业部部长梁灵光同志为《家用电器》创刊（季刊）题词。

伴随着我国改革开放和家电行业的兴起，《家用电器》迎来10多年的黄金发展期。

2002年3月，《家用电器》市场版创刊。

《家用电器》市场版秉承《家用电器》优良的办刊传统，同时着力加大在市场信息的收集、分析与预测以及发布方面工作的力度，以期在优化产业结构，引导良性消费和投资方面，向消费者提供优质、及时、高效的信息服务。

进入21世纪，人们的生活方式更加注重回归自然，更加注重生活质量，健康、环保、节能、绿色已经成为企业生产和人们生活共同的主题，家电产品作为人们生活中耗能最高、使用最频繁、接触最密切的器具，受到政府、企业和广大消费者的高度关注，“绿色家电”这个名词便应运而生了。

因此2008年1期-12期，《家用电器》曾用名《家用电器（绿色家电）》，着力打造家电行业内的“绿色未来”。

风雨砥砺，岁月如歌，《家用电器》一如既往地用更好的文字来忠实纪录中国家电行业由大到强的壮丽篇章！1994年第4期，《家用电器》总第200期，2010年第2期，《家用电器》总第400期，2018年第6期，《家用电器》总第500期。

截止2019年12期，《家用电器》已出刊518期。

2020年，《家用电器》迎来创刊40周年，40年“风雨兼程”，《家用电器》始终坚持从行业政策、经济、管理、市场、技术趋势和产品等方面全面报道中国家电产业，以“推动产业发展，促进行业交流”为宗旨，不遗余力的服务家电行业！。

关于商品的新闻式软文【新闻概述】2021年，智能家电公司SmallHome发布了一款名为“智能水壶”的新产品。

该水壶能够通过手机APP控制，支持定时预约、温度设置等功能。

更值得注意的是，该水壶采用了特殊的加热技术，使得水温升高迅速，节能环保。

【产品介绍】智能水壶是SmallHome公司的一款新品，采用了一系列现代科技，可以给你带来全新的热水体验。

让你可以远离传统热水器所带来的限制。

智能水壶可以与你的手机进行连接，通过APP操作，可以远程控制它的开关和温度等，完全不受时间和地点的限制。

针对不同用户需求，智能水壶还支持自定义水温，自动定时预约等多种实用功能，真正做到满足用户的个性化需求。

【技术创新】智能水壶所采用的加热技术是在何凯明博士的指导下开发的，它所具有的核心技术——迅速加热技术，可以使水壶内的水迅速升温，极大地缩短了加热时间，节省了大量的能源。

同时，智能水壶还配备了智能控温系统，让水温不断调整，确保了水温的准确性和稳定性，让你喝上更加健康的饮用水。

【产品特点】智能水壶有以下几个鲜明特点：1.智能：科技感十足，通过手机APP操作，定时预约，随时随地，方便快捷。

2.安全：与传统热水器不同，智能水壶更加安全，可以始终保持恒定的水温，绝不会出现水龙头热水发生的危险情况。

3.节能：智能水壶的迅速加热技术，让它具有更高的效能，节约了大量的能源。

4.便携：智能水壶采用小巧的圆柱形状，便于携带，随时随地享受热水。

【用户感受】笔者在购买了智能水壶之后，深刻体会到了它的实用价值和高科技感。

早上起床后，只需要打开手机APP，就可以预先设定水温和启动时间。

到了想要喝热水的时候，就可以享受美味的热水，令人感觉非常舒适。

同时，智能水壶采用了环保技术，让我这个环保主义者更加放心使用。

总之，智能水壶是一款高性价比、实用性强的产品，非常推荐给大家。

【结语】智能水壶是一款集高科技，高性能于一身的智能家电产品。

它所采用的迅速加热技术，不仅仅是为了提高工作效率，更是为了减少能源的使用和环保问题。

优享生活杂志
在这个快节奏的现代社会，人们常常被工作、学习和生活中的琐事所困扰，很
难找到一种平衡和放松的方式。

然而，优享生活杂志致力于为读者提供一种全新的生活方式，让大家能够更加轻松、愉快地享受生活。

在《优享生活杂志》中，我们将为您呈现最新最全的生活资讯，包括健康养生、美食美酒、旅行度假、时尚潮流等内容。

我们将为您介绍最新的健康养生知识，为您推荐最美味的美食佳肴，为您分享最独特的旅行体验，为您展示最时尚的潮流趋势。

我们希望通过《优享生活杂志》，让每一位读者都能够找到属于自己的生活方式，享受更加丰富多彩的生活。

除了生活资讯外，《优享生活杂志》还将为您带来最新最热的文化艺术、娱乐
休闲等内容。

我们将为您介绍最新的电影音乐、最精彩的演出展览，为您推荐最有趣的娱乐活动，让您在繁忙的生活中找到放松和娱乐的方式。

《优享生活杂志》还将为您提供最贴心的生活小窍门和实用技巧，帮助您更好
地处理生活中的各种琐事。

无论是家庭生活、工作职场还是人际关系，我们都将为您提供最实用的建议和指导，让您的生活更加轻松愉快。

总之，《优享生活杂志》致力于为读者打造一个更加美好、更加丰富的生活。

我们希望通过我们的努力，让每一位读者都能够享受到优质的生活体验，找到属于自己的生活方式，过上更加幸福快乐的生活。

让我们一起来优享生活，让生活更加精彩！。

市场数据(人民币）市场优化平均市盈率 18.90 国金家电指数 19911 沪深300指数 4888 上证指数 3539 深证成指 14705 中小板综指 14005相关报告1.《行业提价进行时，新品类维持高景气-家电周报20211109》，2021.11.10 2.《清洁电器行业研究-从品类、品牌两维度看清洁电器竞争格局》，2021.10.233.《见微知著，从世代更迭看新兴品类确定性成长-解码新家电系列报告...》，2021.10.174.《千帆竞渡，如何把握新兴家电赛道机会？-解码新家电系列报告（一...》，2021.10.8李敬雷 分析师 SAC 执业编号：S1130511030026 (8621)60230221lijingl ＠ 龚轶之联系人gongyizhi ＠新兴家电量价齐升，长期看好头部品牌投资建议◼渠道表现分化明显，行业提价趋势延续。

双十一大促进一步加剧渠道分化，家电线上消费表现亮眼，多数品类线上销额、销量同比实现正增长，线下渠道仍呈现下滑态势。

价格方面，伴随产品升级，行业提价趋势延续，以清洁电器（线上均价2087元，yoy+138.8%）为代表的新兴家电涨幅尤为明显。

◼新兴家电量价齐升，看好头部品牌竞争优势。

综合规模及增速，新兴家电中集成灶/洗碗机/清洁电器/扫地机器人增速较高且已初具规模。

就各重点品类的竞争格局看，集成灶、扫地机器人行业集中度持续提升，2021年10月单月CR3达46.8%/83.0%，相比2019年年初增加15.7pct/20.0pct ；CR5为60.0%/88.0%，相比2019年年初增加18.8pct/15.9pct 。

◼建议关注：综合实力强劲，估值性价比高的大家电龙头海尔智家（600690.SH ）、美的集团（000333.SZ ）、老板电器（002508.SZ ）；具备高景气度、成长属性突出的新兴家电龙头，科沃斯（603486.SH ）、石头科技（688169.SH ）、火星人（300894.SZ ）、亿田智能（300911.SZ ）。

最新电视广告语集美味营养，快乐成长一达能饼干开心时刻，必胜客一必胜客影像-随心一尼康相机愉悦一刻，更享丝滑一德芙巧克力高品质，好滋味一太太乐鸡精享受生活，享受高乐高一高乐高甜蜜分享庆团圆一康师傅饮品就是爱看—lg电视锁住营养，开启美妙生活一雀巢牛奶静心送给妈，需要理由吗-一太太口服液健康肌肤的源泉薇姿谷物天然，健康之源一副临门调和油有营养，清新更持久-一纳爱斯牙膏排除毒素，一身轻松一排毒养颜口服液每天善存，健康基础一善存治感冒，快用泰诺一-强生制药你值得拥有一欧莱雅非凡气质-一三星蓝调财因爱而生一强生冰爽口感，前爽未有一高路洁牙膏真情永不变，大包天天见一-大宝300蜜快乐分享，大白兔大白兔奶糖全心全意，小天鶴小天鶴电器让我们更亲近一绿箭口香糖春节回家，金六福酒一金六福酒大家好才是真的好一好迪祛头屑，用雨洁一-雨洁洗发露美丽自信欧莎莉-一欧莎莉洗发水黄金搭档不仅仅是维生素一黄金搭档走的更远一华迅电动车健康肌肤护全家一舒肤佳回味唐朝一剑南春蛋白还是双的好一日月星舒适源于专业一海昌眼镜有千金是福气一-千金药业好调料，金宫造-一金宫调料百变生活，有我联通一中国联通与您同在，一生信赖一兴业银行高品质，好滋味一太太乐成就我生活一奇瑞汽车激发心动力一健力宝初恋般的感觉一小洋人饮品草原好奶造好糖一金丝猴奶糖为健康中国加油一金龙鱼让宝宝的嘘嘘更快乐一嘘唬乐更轻，更薄，更暖一七匹狼关爱生活，关爱大熊猫一全友家私关心健康,爱护家庭一花红片就是要你白一白大夫好吃就多吃点一好吃点有爱自然好滋味一银露八宝粥雅芳比女人更了解女人一雅芳汇通天下一中国邮政储蓄完美音质一步步高音乐手机闪出健康光彩一潘婷原来生活可以更美的一美的电器非传统牙膏一云南白药牙膏家有万喜，家家欢喜一万喜停不了的乐事一乐事薯片领先-创新一东芝爱就在你身边一好丽友篇二：太太乐与雀巢太太乐与雀巢一、新闻背景：2009年，在庆祝中国鸡精第一品牌太太乐与雀巢合资十周年之际，又传来喜讯：雀巢与太太乐共建的全球最大鸡精厂于9月5日在沪举行开工典礼。

新效率与新速度作者：白洋来源：《现代家电》 2019年第19期白洋自飞利浦水健康进入中国市场以来，一直在走一条非传统家电化的运营之路，从最开始通过一款净水龙头引爆线上销售之后，飞利浦水健康尝到了渠道创新的红利。

线上销售迅速上量之后，线下渠道同步推进。

而在线下，从去年开始，飞利浦也在尝试一条更为直接有效的路径，采取专卖店与经销商直接合作制。

现任中国营销中心总经理李军卫认为，通过线上线下的双重运作，以飞利浦的品牌价值和不断丰富的产品线做背书，未来飞利浦水健康的发展将呈现两个新维度，即新效率、新速度。

从2019年伊始，飞利浦水健康的发展进入提速阶段，而提速，首先从产品的研发和加速上市开始。

半年：产品覆盖全屋每个出水口今年上半年，在充分深入了解上游供应链的基础上，飞利浦开始寻求一条不同于以往的发展路径。

首先，将飞利浦净水的定义扩大到“飞利浦水健康”，并围绕“水健康”，提出一系列资源与产品整合方案。

目前，飞利浦充分发挥其优势，开发出更多具有竞争力的水健康相关产品，例如，更全面的全屋净水系列、热水器系列、智能马桶系列等，致力于用有意义的创新提升人们的生活品质。

经过半年时间的整合，目前产品线已达到13个系列，覆盖家庭每一个出水口。

产品线扩充带来的后期效应是显著的。

最为明显的是，在今年刚结束不久的德国IFA展上，飞利浦水健康产品的亮相，赢得了国际市场的重视。

为了实现国内市场的持续增量发展，产品的系列组合同时为线下渠道的铺陈提供了最大的空间和可能。

最初，飞利浦水健康围绕单一品类深耕，净水单品在市场也获得不同程度的上升，但在渠道的横向布局深度并不够。

通过不断丰富产品线，让经销商客户有更多选择和开设专门的生活体验店。

目前，其系列产品以场景作为选品标准，聚焦厨卫空间，力图实现每个出水口都有相对应的产品。

仅仅半年时间，飞利浦完成了从“净水”到“水健康”的产品生态布局。

效率，是今天其品牌在中国市场最显著的代名词。

新零售时代：做好供应链管理，同时赋能线下有人说，今年是过去10年最差的一年，但很有可能是未来10年最好的一年。

《YOLO新电器生活》杂志简介一、杂志定位《YOLO·新电器生活》是一本全新的高端数码电子类杂志,主要以时尚数码电子类产品为主，兼有最新的家居类商品。

旨在扮演“家电、数码等产品消费先导者，家电、数码产业发展先导者”角色。

二、发行方式与渠道：（1）覆盖范围：《YOLO·新电器生活》的发行已经遍及北京、上海、汉口、广州、南京、常州、沈阳、青岛、福州、昆明、重庆、杭州、温州、义乌、天津、西安、长春、郑州等18个大中城市。

（2）杂志展示：针对《YOLO新电器生活》的高端数码电子类杂志的定位，杂志的展示主要集中在有购买能力和消费水平较高的高收入群经常出没的写字楼、咖啡厅、茶艺馆、休闲健身俱乐部、西餐厅等场所进行集中投放。

目前北京地区的展示网点已经达到了3000多家。

展示范围主要覆盖国贸、燕莎、亚运村、望京、中关村西单、金融街、长安街沿线等北京市重要商业区域。

并在重点区域多次覆盖,循环渗透，使《YOLO新电器生活》杂志在局部造成影响力。

（3）卖场：在国美、永乐、大中各连锁门店当月杂志进行会员的积分换购以及过刊的赠送。

（4）VIP赠阅：《YOLO新电器生活》杂志已经覆盖近3万人的顶级阅读者，包括厂商首脑、政府部门、媒体高层、4A广告公司、国美电器高级管理人员和国美的VIP会员等。

三、杂志简介创刊时间：2002年10月发行周期：月刊（每月1本，包括杂志主册和手机分册）上市日期：每月5日发行量：20万册/月开本：国际流行大16开（W214mm×H278mm）页数：标准218页印刷：全铜板纸彩色印刷零售价格：20元（2007年度优惠价为10元）四、杂志读者群初级读者：各大城市的白领、金领阶层，年龄在25~45岁，他们追求事业成功，注重生活质量，懂得享受生活。

中级读者：对家电有实质性购买需求的各年龄层面的人，及连锁家电卖场中的营销人员，把杂志中推荐的品牌，直接用在指导销售上。

高级受众：各企业的高级管理人员，区域管理人员、公关人员，通过渠道商特殊的发行渠道，让业界最有影响力的群体同步关注《YOLO》。

第１３卷㊀第１０期Ｖｏｌ．１３Ｎｏ．１０㊀㊀智㊀能㊀计㊀算㊀机㊀与㊀应㊀用ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓ㊀㊀２０２３年１０月㊀Ｏｃｔ．２０２３㊀㊀㊀㊀㊀㊀文章编号：２０９５－２１６３（２０２３）１０－０１３７－０６中图分类号：ＴＨ３９１．４１文献标志码：Ａ融合ＢｉＦＰＮ与ＹＯＬＯｖ５网络的工厂火灾检测尚明鹏１，２，周㊀敏１，２，陈燕军１，２，李鑫炎１，２（１武汉科技大学冶金装备及其控制教育部重点实验室，武汉４３００８１；２武汉科技大学机械传动与制造工程湖北省重点实验室，武汉４３００８１）摘㊀要：针对工厂火灾检测中存在环境复杂㊁目标密集㊁火焰初期目标较小㊁样本像素较低以及火焰边界特征不明显等问题，提出一种基于改进ＹＯＬＯｖ５的工厂火灾检测算法Ｂｉ－ＹＯＬＯｖ５㊂该方法通过融合加权双向特征金字塔（ＢｉＦＰＮ）来增强特征信息；通过锚框参数优化增强了网络的泛化能力；通过损失函数改进提升了网络的收敛速度㊂实验结果表明，相比ＹＯＬＯｖ５算法Ｂｉ－ＹＯＬＯｖ５模型的准确率和平均精度分别提高了２．２％和１．７％，并且每帧推理时间降低到了２７ｍｓ，达到了在复杂的工厂环境下对火灾检测的要求㊂关键词：工厂火灾检测；ＹＯＬＯｖ５算法；加权双向特征金字塔；锚框参数；损失函数ＦａｃｔｏｒｙｆｉｒｅｄｅｔｅｃｔｉｏｎｗｉｔｈＢｉＦＰＮａｎｄＹＯＬＯｖ５ＳＨＡＮＧＭｉｎｇｐｅｎｇ１，２，ＺＨＯＵＭｉｎ１，２，ＣＨＥＮＹａｎｊｕｎ１，２，ＬＩＸｉｎｙａｎ１，２（１ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎｆｏｒＭｅｔａｌｌｕｒｇｉｃａｌＥｑｕｉｐｍｅｎｔａｎｄＣｏｎｔｒｏｌ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ；２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｅｃｈａｎｉｃａｌａｎｄＭａｎｕｆａｃｔｕｒｉｎｇＥｎｇｉｎｅｅｒｉｎｇＴｒａｎｓｍｉｓｓｉｏｎＨｕｂｅｉＰｒｏｖｉｎｃｅ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ）ʌＡｂｓｔｒａｃｔɔＩｎｆａｃｔｏｒｙｆｉｒｅｄｅｔｅｃｔｉｏｎ，ｔｈｅｒｅａｒｅｐｒｏｂｌｅｍｓｓｕｃｈａｓｃｏｍｐｌｅｘｅｎｖｉｒｏｎｍｅｎｔ，ｄｅｎｓｅｔａｒｇｅｔｓ，ｓｍａｌｌｔａｒｇｅｔｓａｔｔｈｅｉｎｉｔｉａｌｓｔａｇｅｏｆｔｈｅｆｌａｍｅ，ｌｏｗｓａｍｐｌｅｐｉｘｅｌｓ，ａｎｄｉｎｃｏｎｓｐｉｃｕｏｕｓｆｌａｍｅｂｏｕｎｄａｒｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ａｉｍｉｎｇａｔａｂｏｖｅｐｒｏｂｌｅｍｓ，ａｆａｃｔｏｒｙｆｉｒｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍＢｉ－ＹＯＬＯｖ５ｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＹＯＬＯｖ５ｉｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｐｒｏｐｏｓｅｄｍｅｔｈｏｄｅｎｈａｎｃｅｓｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｂｙｆｕｓｉｎｇｗｅｉｇｈｔｅｄｂｉｄｉｒｅｃｔｉｏｎａｌｆｅａｔｕｒｅｐｙｒａｍｉｄｓ（ＢｉＦＰＮ）ａｎｄｉｍｐｒｏｖｅｓｔｈｅｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙｏｆｔｈｅｎｅｔｗｏｒｋｔｈｒｏｕｇｈｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｆａｎｃｈｏｒｆｒａｍｅｐａｒａｍｅｔｅｒｓ．Ｔｈｅｌｏｓｓｆｕｎｃｔｉｏｎｉｓｉｍｐｒｏｖｅｄｔｏｂｏｏｓｔｔｈｅｃｏｎｖｅｒｇｅｎｃｅｏｆｔｈｅｎｅｔｗｏｒｋ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｃａｌｌｒａｔｅａｎｄａｖｅｒａｇｅａｃｃｕｒａｃｙｏｆｔｈｅＢｉ－ＹＯＬＯｖ５ｍｏｄｅｌａｒｅｉｎｃｒｅａｓｅｄｂｙ２．２％ａｎｄ１．７％ｃｏｍｐａｒｅｄｗｉｔｈＹＯＬＯｖ５，ａｎｄｔｈｅｉｎｆｅｒｅｎｃｅｔｉｍｅｐｅｒｆｒａｍｅｒｅａｃｈｅｓ２７ｍｓ，ｗｈｉｃｈｍｅｅｔｓｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｆｏｒｆｉｒｅｄｅｔｅｃｔｉｏｎｉｎｃｏｍｐｌｅｘｆａｃｔｏｒｙｅｎｖｉｒｏｎｍｅｎｔｓ．ʌＫｅｙｗｏｒｄｓɔｆａｃｔｏｒｙｆｉｒｅｄｅｔｅｃｔｉｏｎ；ＹＯＬＯｖ５ａｌｇｏｒｉｔｈｍ；ｗｅｉｇｈｔｅｄｔｗｏ－ｗａｙｆｅａｔｕｒｅｐｙｒａｍｉｄ；ａｎｃｈｏｒｂｏｘｐａｒａｍｅｔｅｒｓ；ｌｏｓｓｆｕｎｃｔｉｏｎ基金项目：国家自然科学基金（５１９７５４３１）㊂作者简介：尚明鹏（１９９７－），男，硕士研究生，主要研究方向：机器视觉㊁制造业信息化；周㊀敏（１９６７－），女，博士，教授，博士生导师，主要研究方向：制造业信息化㊁智能制造㊁工业工程与管理；陈燕军（１９８９－），男，博士研究生，主要研究方向：智能制造理论及应用；李鑫炎（１９９８－），男，硕士研究生，主要研究方向：机器视觉㊁机械设计制造㊂通讯作者：周㊀敏㊀㊀Ｅｍａｉｌ：ｚｈｏｕｍｉｎ＠ｗｕｓｔ．ｅｄｕ．ｃｎ收稿日期：２０２２－１０－３１０㊀引㊀言制造业拥有十分繁杂的生产工艺，而机械加工设备一旦出现电器过载或线路绝缘层老化以及短路等情况，就会发生工厂火灾［１］，对工业企业带来巨大的危害㊂及时发现火情和控制火势，能够尽可能的减少火灾所造成的损失，因此工厂火灾的早期检测和预警有着重要意义㊂随着近年来图像处理技术的发展，由于基于机器视觉的检测方法其检测速率快且受环境因素干扰程度小等优点，成为众学者研究的焦点［２］㊂胡勒等［３］依据阴燃和火羽流阶段的热物理现象，提出了一种基于动态纹理的火焰检测算法；邓理文等［４］通过选取温度㊁烟雾浓度和ＣＯ浓度３种参数，基于模糊神经网络对火灾进行探测㊂但是，火灾探测传感器不仅会受到空气湿度㊁温度以及气流等环境因素的影响，而且工厂环境复杂不利于传感器放置，所以传感器往往无法及时检测到火灾㊂此外，一些学者尝试通过人工选取特征来对火焰进行描述并结合浅层机器学习模型进行训练和分类㊂如：ＴＲＵＯＮＧＴ［５］基于多阶段模式提取火焰特征；ＤＩＭＩＴＲＯＰＯＵＬＯＳＫ［６］基于动态纹理分析来提取特征；ＫＯＮＧＳ［７］和ＨＡＮＸ［８］通过回归和混合背景高斯模型来进行机器学习模型的构建等等㊂但这些检测方法的效果取决于人工特征选取，模型识别率较低㊂随后，孟令昀［９］对火焰检测算法进行了特征优化，但该算法的泛化性还有待改进；富雅捷等［１０］采用迁移学习结合卷积神经网络的方法来训练火灾数据，该算法虽然误报率低但检测速度有待提高㊂在目标检测领域中，基于区域的双阶段算法（如ＦａｓｔｅｒＲ－ＣＮＮ［１１］系列算法），虽然精度较高，但其大量预选框的需求导致了检测速度极慢㊂基于回归的单阶段算法（如ＳＤＤ［１２］算法㊁ＹＯＬＯ［１３］系列算法），推理速度更快，但其高级语义特征较多，且网络后部分特征图尺寸较小，所以在小目标检测上存在不足㊂而工厂火灾检测中存在环境复杂㊁目标密集㊁火焰初期目标较小㊁样本像素较低以及火焰边界特征不明显等问题，因此以上算法对于工厂火灾的检测效果并不理想㊂针对上述问题，本文基于目前较为优秀的ＹＯＬＯｖ５模型算法，提出了一种融合了ＢｉＦＰＮ［１４］和ＹＯＬＯｖ５网络（以下简称Ｂｉ－ＹＯＬＯｖ５）的工厂火灾检测算法㊂１㊀基于ＹＯＬＯｖ５的工厂火灾检测模型构建ＹＯＬＯｖ５是ＵｌｔｒａｌｙｔｉｃｓＬＬＣ公司基于Ｐｙｔｏｒｃｈ框架提出的轻量级目标检测算法，在单阶段检测算法中比较成熟，相比其它目标检测模型，体积更加轻便且兼具准确度和检测速率，适合嵌入在工厂火灾探测设备中㊂ＹＯＬＯｖ５将网络结构分成Ｉｎｐｕｔ㊁Ｂａｃｋｂｏｎｅ㊁Ｎｅｃｋ和Ｐｒｅｄｉｃｔｉｏｎ４个部分，其网络结构如图１所示㊂F o c u s C B LC S P 1_1C B LC S P 1_3C B LC S P 1_3C B LS P PC S P 2_1输入端（I n p u t ）F o c u s 模块I m a g e s608*608*3主干网络（B a c k b o n e ）切片切片切片切片C o n c a tCO N VL e a k y R e l uS P P C B L空间金字塔池化（S P P ）N e c k 部分C B LR e s u n i t C B LC B L a d dC S P 1_XC B LR e su n i tC O N V C O N VC o n c a tC o n c a tC O N VC O N V C B LC B L 2*X 个C S P 2_X X 个残差组件B NC B L B NC B LL e a k yR e l uL e a k yR e l uC B L 上采样C o n c a tC B LC O N V L e a k yR e l uB NC B LC B LC o n c a t C o n c a tC S P 2_1C S P 2_1C S P 2_1C S P 2_1C B L上采样C o n c a t CO N VC O N VC O N VC o n c a tM a x p o o l （1,1）M a x p o o l （5,5）M a x p o o l （9,9）M a x p o o l （13,13）输出端（O u t p u t ）76*76*25538*38*25519*19*255图１㊀ＹＯＬＯｖ５网络结构Ｆｉｇ．１㊀ＴｈｅｓｔｒｕｃｔｕｒｅｏｆＹＯＬＯｖ５ｎｅｔｗｏｒｋ㊀㊀ＹＯＬＯｖ５目标检测模型的输入端（Ｉｎｐｕｔ）主要包含自适应锚框值选取㊁自适应缩放图像和马赛克（Ｍｏｓａｉｃ）数据增强技术３个模块㊂模型主干网络（Ｂａｃｋｂｏｎｅ）是在分层图像细粒度上聚合生成图像特征的卷积神经网络，主要包含了Ｆｏｃｕｓ㊁跨阶段局部融合网络（ＣｒｏｓｓＳｔａｇｅＰａｒｔｉａｌＮｅｔｗｏｒｋｓ，ＣＳＰＮｅｔ）和空间金字塔池化（ＳｐａｔｉａｌＰｙｒａｍｉｄＰｏｏｌｉｎｇ，ＳＰＰ）模块㊂其中，第一层Ｆｏｃｕｓ从输入端图像中相邻的４个位置进行堆叠，在Ｃ通道空间中聚焦Ｗ㊁Ｈ维度信息，能够减少计算量㊂ＣＳＰＮｅｔ利用密集跳层连接来进行局部跨层融合，获取多层次的特征图㊂最后一层ＳＰＰ使用５㊁９㊁１３的Ｍａｘｐｏｏｌ最大池化层，在低８３１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀速度差的情况下进行Ｃｏｎｃａｔ融合来提高感受野，有助于特征层对齐㊂Ｎｅｃｋ部分采用特征金字塔结构（ＦｅａｔｕｒｅＰｙｒａｍｉｄＮｅｔｗｏｒｋｓ，ＦＰＮ）［１５］和路径聚合网络结构（ＰａｔｈＡｇｇｒｅｇａｔｉｏｎＮｅｔｗｏｒｋｓ，ＰＡＮ），以加强网络结构对多种缩放尺度的图像特征融合㊂ＦＰＮ通过自上向下㊁自下向上的高低层特征融合，提高了对小目标的检测准确度；而ＰＡＮ结合不同层的ＣＳＰＮｅｔ模块对输出的深浅层特征进行聚合，减少底层定位信息向顶层传递过程中的损耗㊂输出端（Ｏｕｔｐｕｔ）使用ＧＩＯＵ＿Ｌｏｓｓ［１６］函数作为损失函数，相比于之前ＹＯＬＯ版本的ＩＯＵ＿Ｌｏｓｓ函数，采用非极大值抑制（ＮＭＳ）对多目标的边界框进行筛选，增加了相交尺度衡量，提升了遮挡目标和多目标的检测能力㊂２㊀模型改进与优化２．１㊀特征金字塔网络融合由于网络层次连续加深，在特征语义由低维向高维转换过程中，每经过一层都会丢失部分特征信息㊂为了丰富特征语义信息，实现多层级的特征融合，构造特征金字塔是目前主流的融合思想㊂㊀㊀ＦＰＮ结构如图２（ａ）所示，该结构搭建了一条自顶向下的通路，把更抽象的高语义信息特征图进行上采样，融合后的语义信息通过在两层相同尺寸的特征空间中横向连接传播㊂但是，单向的信息流通在一定程度上限制了底层位置信息的传递㊂针对于此，ＰＡＮ结构（图２（ｂ））在自顶向下通路的基础上添加了一条自底向上的通路，使预测层中也可以对底层的位置信息进行定位，这样预测层就兼具了底层位置信息和顶层语义信息，提升了目标检测的准确度㊂加权双向特征金字塔网络结构（ＢｉｄｉｒｅｃｔｉｏｎａｌＦｅａｔｕｒｅＰｙｒａｍｉｄＮｅｔｗｏｒｋ，ＢｉＦＰＮ）是由谷歌大脑团队在ＰＡＮ的基础上提出的双向融合方式（图２（ｃ））㊂ＢｉＦＰＮ基于路径增强的双向融合思想，实现了高效的双向跨尺度连接，搭建了自顶而下和自底向上的特征融合通道㊂由于在多尺度特征图的融合过程中，输出特征的重要程度受到输入特征在不同分辨率下的影响，所以在每个节点设置权重来平衡多尺度的特征信息，能够进一步提高检测精度㊂㊀㊀基于该结构的优点，本文将原ＹＯＬＯｖ５特征金字塔网络中的ＰＡＮ结构改为ＢｉＦＰＮ结构，以增强特征融合，提高检测精度㊂融合了ＢｉＦＰＮ的ＹＯＬＯｖ５网络的特征金字塔（如图３所示），从Ｂａｃｋｂｏｎｅ的Ｃｏｎｖ４㊁Ｃｏｎｖ５和Ｃｏｎｖ６层中提取３种不同尺度的特征进行通道压缩，然后进行跨尺度连接和加权特征融合，并在最后设置特征分辨率为１９∗１９㊁３８∗３８和７６∗７６的预测分支，减少了特征融合时小目标信息的损失㊂重复区块P7P6P5P4P5P7P6P5P4P5P7P6P5P4P5（ａ）ＦＰＮ结构㊀㊀（ｂ）ＰＡＮ结构㊀㊀（ｃ）ＢｉＦＰＮ结构图２㊀ＦＰＮ㊁ＰＡＮ和ＢｉＦＰＮ结构Ｆｉｇ．２㊀ＴｈｅｓｔｒｕｃｔｕｒｅｏｆＦＰＮ，ＰＡＮａｎｄＢｉＦＰＮP7P6P5P4P5最大池化层最大池化层最大池化层最大池化层3?3C o n v3?3/23?3C o n v3?3/23?3C o n v3?3C o n v3?3/23?3/23?3C o n v3?3C o n v3?3C o n v3?3C o n v2倍上采样2倍上采样2倍上采样重复区块?3C7C6C5C4C5最大池化层最大池化层3?3/23?3/21?1C o n v2倍上采样图３㊀Ｂｉ－ＹＯＬＯｖ５的特征金字塔结构Ｆｉｇ．３㊀ＴｈｅｓｔｒｕｃｔｕｒｅｏｆｆｅａｔｕｒｅｐｙｒａｍｉｄｉｎＢｉ－ＹＯＬＯｖ５２．２㊀锚框参数优化原ＹＯＬＯｖ５中的自适应计算锚框值的思想，使用Ｋ均值（Ｋ－Ｍｅａｎｓ）聚类算法，依照标注好的目标框来自动计算并选取适合的锚定框，该过程在模型训练数据集时自动完成㊂由于公开数据集检测的目标尺寸与自定义数据集有所不同，ＹＯＬＯｖ５根据ＭＳＣＯＣＯ（ＭｉｃｒｏｓｏｆｔＣｏｍｍｏｎＯｂｊｅｃｔｓｉｎＣｏｎｔｅｘｔ）数据集重新自动学习并设置了９种锚定框，从大到小依次为（３７３，３２６）㊁（１５６，１９８）㊁（１１６，９０）㊁（５９，１１９）㊁（６２，４５）㊁（３０，６１）㊁（３３，２３）㊁（１６，３０）和（１０，１３）㊂由于工厂环境复杂且初期火焰目标较小，所以本文添加了用于检测工厂火灾的３种小尺寸的锚定框，分别为（１６，１４）㊁（９，１５）和（７，８）㊂依据检测层不同的尺度对锚９３１第１０期尚明鹏，等：融合ＢｉＦＰＮ与ＹＯＬＯｖ５网络的工厂火灾检测定框进行归类，统计出的锚定框分配情况见表１，用于检测目标较小的初期火焰㊂表１㊀锚定框分配表Ｔａｂ．１㊀Ａｎｃｈｏｒｂｏｘａｌｌｏｃａｔｉｏｎ特征图１９ˑ１９３８ˑ３８７６ˑ７６感受野大中小（１１６，９０）（３０，６１）（１０，１３）（７，８）锚定框（１５６，１９８）（６２，４５）（１６，３０）（９，１５）（３７３，３２６）（５９，１１９）（３３，２３）（１６，１４）２．３㊀边框损失函数改进由于火势的大小受到燃烧环境和燃烧时长的影响，造成了火焰边界框尺寸在不同尺度图像中存在差异，所以需要对边框损失函数进行改进和优化㊂虽然ＧＩＯＵ函数对ＩＯＵ的梯度问题进行了改进，但仍存在收敛效率慢和回归不稳定的弊端㊂因此，本文采用ＣＩＯＵ函数来为ｂｏｕｎｄｉｎｇｂｏｘ计算边框回归损失，如式（１） 式（３）所示：ＬＣＩＯＵ＝１－ＩＯＵ＋ρ２ｂ，ｂｇｔ()ｃ２＋ａｖ（１）ａ＝ｖ１－ＩＯＵ()＋ｖ（２）ｖ＝４π２ａｒｃｔａｎｗｇｔｈｇｔ－ａｒｃｔａｎｗｈæèçöø÷２（３）式中：ρ代表计算预测框与实际框两个中心点间的欧式距离，ｂ㊁ｂｇｔ分别代表预测框和实际框的中心点，Ｃ是最小包围预测框和实际框的对角线距离，α是权重参数，ν是用来计算预测框和实际框之间宽高比的相似性，ｗ㊁ｗｇｔ分别是预测框和实际框的宽度，ｈ㊁ｈｇｔ分别是预测框和实际框的高度㊂ＣＩＯＵ纳入了边界回归的中心点距离㊁重叠面积和纵横比，多维度的参数更好的反映了预测框和实际框的差异，提高了收敛速度和预测精度㊂３㊀实验与结果分析３．１㊀数据集本文通过Ｐｙｔｈｏｎ编写脚本从网络上获取火灾图片，并使用缩放㊁翻转㊁剪切㊁加噪㊁平移和镜像等方法对数据集进行数据扩充，经扩充后的样本数量为８４３５张图片㊂对自建数据集通过增加图片饱和度㊁调整色彩空间和Ｍｏｓａｉｃ数据增强技术，来获得更好的训练效果㊂图４为对火灾数据集样本进行Ｍｏｓａｉｃ数据增强的实例㊂处理后的数据集保证了本文提出的Ｂｉ－ＹＯＬＯｖ５模型能在复杂的工厂环境中良好泛化㊂（ａ）Ｍｏｓａｉｃ数据增强前㊀㊀（ｂ）Ｍｏｓａｉｃ数据增强后图４㊀Ｍｏｓａｉｃ数据增强实例Ｆｉｇ．４㊀ＴｈｅｉｎｓｔａｎｃｅｏｆＭｏｓａｉｃｄａｔａｅｎｈａｎｃｅｍｅｎｔ３．２㊀评价指标为了验证Ｂｉ－ＹＯＬＯｖ５模型的性能，本文用真阳性（ＴｒｕｅＰｏｓｉｔｉｖｅ，ＴＰ）㊁假阳性（ＦａｌｓｅＰｏｓｉｔｉｖｅ，ＦＰ）和假阴性（ＦａｌｓｅＮｅｇａｔｉｖｅ，ＦＮ）来计算召回率（Ｒｅｃａｌｌ）㊁准确率（Ｐｒｅｃｉｓｉｏｎ）㊁平均精度（ＡｖｅｒａｇｅＰｒｅｃｉｓｉｏｎ，ＡＰ）和平均精度均值（ＭｅａｎＡｖｅｒａｇｅＰｒｅｃｉｓｉｏｎ，ｍＡＰ），以此作为评价指标㊂Ｒｅｃａｌｌ表示真阳性和真阳性与假阴性之和的比值，如式（４）所示：Ｒｅｃａｌｌ＝ＴＰＴＰ＋ＦＮ（４）㊀㊀Ｐｒｅｃｉｓｉｏｎ表示真阳性占所有阳性的比值，如式（５）所示：Ｐｒｅｃｉｓｉｏｎ＝ＴＰＴＰ＋ＦＰ（５）㊀㊀ＡＰ用来衡量模型在每个类别上的学习程度，其数学意义是以Ｒｅｃａｌｌ为横轴和以Ｐｒｅｃｉｓｉｏｎ为纵轴围成的曲线面积，如式（６）所示：ＡＰ＝ʏ１０ＰＲ()（６）㊀㊀ｍＡＰ表示模型里所有类别的ＡＰ均值，如式（７）所示：ｍＡＰ＝１ｎðｎｉ＝１ＡＰｉ（７）㊀㊀其中，ｎ代表模型里所有类别的个数㊂３．３㊀模型训练本文将火灾数据集按照８ʒ２的比例随机划分成训练集和测试集㊂其中训练集和测试集的数量分别为６７４８和１６８７㊂采用６０８ˑ６０８作为输入图像尺度，并使用随机梯度下降（ＳｔｏｃｈａｓｔｉｃＧｒａｄｉｅｎｔＤｅｓｃｅｎｔ，ＳＧＤ）函数来为模型的网络参数进行优化㊂训练参数设置见表２，本次实验共训练４个模型，分别是ＦａｓｔｅｒＲ－ＣＮＮ㊁ＳＤＤ㊁ＹＯＬＯｖ５和本文提出的Ｂｉ－ＹＯＬＯｖ５㊂０４１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀表２㊀参数设置表Ｔａｂ．２㊀Ｐａｒａｍｅｔｅｒｓｅｔｔｉｎｇｓ参数名称参数值批量大小（Ｂａｔｃｈ＿ｓｉｚｅ）３２迭代轮数（Ｅｐｏｃｈｓ）１００动量（Ｍｏｍｅｎｔｕｍ）０．９权重衰减（Ｗｅｉｇｈｔ＿ｄｅｃａｙ）０．０００５学习率（Ｌｅａｒｎｉｎｇ＿ｒａｔｅ）０．０１３．４㊀实验结果分析根据日志文件绘制出Ｂｉ－ＹＯＬＯｖ５和ＹＯＬＯｖ５模型在训练过程中的Ｌｏｓｓ值对比曲线，如图５所示㊂Y O L Ov 5B i -Y O L Ov 5（本文算法）0.0550.0500.0450.0400.0350.0300.0250.0200.01520406080100迭代轮数损失值不同模型的损失值比较图５㊀Ｌｏｓｓ值对比曲线图Ｆｉｇ．５㊀ＣｏｍｐａｒｉｓｏｎｃｕｒｖｅｏｆＬｏｓｓ㊀㊀由图可以看出，Ｂｉ－ＹＯＬＯｖ５的Ｌｏｓｓ值曲线始终在ＹＯＬＯｖ５下方，且迭代３０轮后Ｌｏｓｓ值变化更为平缓，说明Ｂｉ－ＹＯＬＯｖ５模型比ＹＯＬＯｖ５模型收敛更快，损失值更小㊂此外，通过对比召回率㊁准确率㊁平均精度和每帧推理时间，验证了几种现有算法和Ｂｉ－ＹＯＬＯｖ５的性能，结果见表３㊂表３㊀与现有算法的对比Ｔａｂ．３㊀Ｃｏｍｐａｒｉｓｏｎｗｉｔｈｅｘｉｓｔｉｎｇａｌｇｏｒｉｔｈｍｓ算法召回率／％准确率／％平均精度／％每帧推理时间／ｍｓＦａｓｔｅｒＲ－ＣＮＮ８９．２９０．７９２．１１２４ＳＤＤ７６．８７８．０８６．４８９ＹＯＬＯｖ５９４．３９６．２９７．５２８Ｂｉ－ＹＯＬＯｖ５（本文算法）９６．１９８．４９９．２２７㊀㊀由表３可知，在相同数据集中，Ｂｉ－ＹＯＬＯｖ５的平均精度为９９．２％，相比于ＦａｓｔｅｒＲ－ＣＮＮ㊁ＳＤＤ和ＹＯＬＯｖ５模型，平均精度分别提高了７．１％㊁１２．８％和１．７％㊂并且改进后算法的每帧推理时间降低到了２７ｍｓ㊂综合来看，本文提出的Ｂｉ－ＹＯＬＯｖ５更好的满足了火灾检测对于检测精度和实时性上的需求㊂３．５㊀实际场景检测为了展示Ｂｉ－ＹＯＬＯｖ５对工厂火灾的检测效果，在网络中随机选取一些背景复杂且像素较低的工厂监控视频，以及暗黑环境下的火灾图片进行了检测，检测结果如图６所示㊂（a ）某制药厂（b ）某仓库（c ）某化工厂（d ）夜间某工厂图６㊀实际火灾现场检测结果图例Ｆｉｇ．６㊀Ｆｉｒｅｄｅｔｅｃｔｉｏｎｉｎｐｒａｃｔｉｃａｌｓｃｅｎｅｓ㊀㊀由检测效果可见，无论是白天还是夜晚，Ｂｉ－ＹＯＬＯｖ５都能在环境复杂的工厂中通过像素不高的监控系统准确的识别火焰，体现了模型优越的性能以及良好的泛化能力㊂４㊀结束语针对工厂环境复杂㊁目标密集㊁火焰初期目标较小㊁样本像素较低以及火焰边界特征不明显等问题，本文提出了一种Ｂｉ－ＹＯＬＯｖ５算法模型㊂该算法通过融合ＢｉＦＰＮ和ＹＯＬＯｖ５的特征网络㊁锚框参数优化和损失函数改进来提高模型对多尺度火焰的检测效率，进而提高了火灾检测在工厂环境中的泛化能力㊂实验结果表明，Ｂｉ－ＹＯＬＯｖ５模型的准确率和平均精度比ＹＯＬＯｖ５提高了２．２％和１．７％，并且每帧推理时间降低到了２７ｍｓ㊂与现有算法相比，Ｂｉ－ＹＯＬＯｖ５的准确率最高且时间最快㊂综上，本文算法为进一步部署工厂火灾监控系统提供了模型支持，对工厂火灾检测系统的推广有着实际意义㊂参考文献［１］马永昌．机械制造业消防安全管理问题与对策探索［Ｊ］．科技创新导报，２０２０，１７（５）：７３－７４．（下转第１４６页）１４１第１０期尚明鹏，等：融合ＢｉＦＰＮ与ＹＯＬＯｖ５网络的工厂火灾检测表２㊀不同算法分割含有１０％混合噪声的苗族服饰图像的Ｖｐｃ和Ｖｐｅ（％）值Ｔａｂ．２㊀ＶｐｃａｎｄＶｐｅ（％）ｖａｌｕｅｓｏｆ１０％ｍｉｘｅｄｎｏｉｓｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｂｙｄｉｆｆｅｒｅｎｔａｌｇｏｒｉｔｈｍｓ指标ＦＣＭＦＣＭ－Ｓ１ＦＣＭ－Ｓ２ＦＬＩＣＭＲＢＩ－ＦＣＭＤＦＬＩＣＭ图像２Ｖｐｃ８５．３８８３．４８８４．４６８７．２５８５．４１８７．２７Ｖｐｅ２４．７１２８．０９２６．５１２２．３５２４．６８２２．３１图像３Ｖｐｃ８６．８６８３．９１８４．５８８８．８５８６．９１８８．８７Ｖｐｅ２２．３２７．４５２６．３１１９．８５２２．２３１９．８１图像４Ｖｐｃ８７．６４８６．８８７．４４９０．５１８７．７９０．６０Ｖｐｅ２１．１９２３．１８２２．１０１７．１９２１．０８１７．０５㊀㊀注：加粗字体表示对应算法的Ｖｐｃ和Ｖｐｅ取得最优值㊂４㊀结束语针对传统ＦＣＭ算法对含噪的苗族服饰图像分割质量不佳的问题，本文提出了可靠性模糊局部信息Ｃ均值聚类算法㊂考虑到像素的空间邻域信息，在ＦＣＭ的目标函数中构造一个模糊因子，结合空间信息与灰度信息，提高算法对噪声的鲁棒性，并自动调节算法在去噪声和保留细节之间的关系；除此之外，根据几何意义，对像素点进行可靠性分析，在聚类的过程中，降低像素的不确定性，进一步降低了噪声点和边缘点的影响㊂实验结果表明，ＤＦＬＩＣＭ算法对具有折痕㊁污渍㊁色彩差异大的苗族服饰图像分割效果好，既能去噪，又能完整的分割出苗族服饰图案㊂但是ＤＦＬＩＣＭ算法也存在不足，每次运行均需要计算局部信息，耗时㊁计算成本高；参数大小影响着实验结果，一定程度上存在不稳定性，调参过程也较困难；实验对象比较局限，没有对图腾复杂㊁纹理细小㊁背景与图案差异小的服饰图像进行研究，存在部分漏分割的现象㊂参考文献［１］ＨＡＩＲ．Ａｐｐｌｉｃａｔｉｏｎｏｆｓｐａｔｉａｌｎｅｉｇｈｂｏｒｈｏｏｄｆｕｚｚｙｃ－ｍｅａｎｓａｌｇｏｒｉｔｈｍｉｎ３Ｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｎａｔｉｏｎａｌｃｌｏｔｈｉｎｇ［Ｊ］．ＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓａｎｄＭｏｂｉｌｅＣｏｍｐｕｔｉｎｇ，２０２２，２０２２．［２］ＢＥＺＤＥＫＪＣ，ＥＨＲＬＩＣＨＲ，ＦＵＬＬＷ．ＦＣＭ：ＴｈｅｆｕｚｚｙＣ－ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ［Ｊ］．Ｃｏｍｐｕｔｅｒｓａｎｄｇｅｏｓｃｉｅｎｃｅｓ，１９８４，１０（２－３）：１９１－２０３．［３］ＡＨＭＥＤＭＮ，ＹＡＭＡＮＹＳＭ，ＭＯＨＡＭＥＤＮ，ｅｔａｌ．ＡｍｏｄｉｆｉｅｄｆｕｚｚｙＣ－ｍｅａｎｓａｌｇｏｒｉｔｈｍｆｏｒｂｉａｓｆｉｅｌｄｅｓｔｉｍａｔｉｏｎａｎｄｓｅｇｍｅｎｔａｔｉｏｎｏｆＭＲＩｄａｔａ［Ｊ］．ＩＥＥＥｔｒａｎｓａｃｔｉｏｎｓｏｎｍｅｄｉｃａｌｉｍａｇｉｎｇ，２００２，２１（３）：１９３－１９９．［４］ＣＨＥＮＳ，ＺＨＡＮＧＤ．ＲｏｂｕｓｔｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｕｓｉｎｇＦＣＭｗｉｔｈｓｐａｔｉａｌｃｏｎｓｔｒａｉｎｔｓｂａｓｅｄｏｎｎｅｗｋｅｒｎｅｌ－ｉｎｄｕｃｅｄｄｉｓｔａｎｃｅｍｅａｓｕｒｅ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｙｓｔｅｍｓ，Ｍａｎ，ａｎｄＣｙｂｅｒｎｅｔｉｃｓ，ＰａｒｔＢ（Ｃｙｂｅｒｎｅｔｉｃｓ），２００４，３４（４）：１９０７－１９１６．［５］ＫＲＩＮＩＤＩＳＳ，ＣｈａｔｚｉｓＶ．ＡｒｏｂｕｓｔｆｕｚｚｙｌｏｃａｌｉｎｆｏｒｍａｔｉｏｎＣ－ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ［Ｊ］．ＩＥＥＥｔｒａｎｓａｃｔｉｏｎｓｏｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，２０１０，１９（５）：１３２８－１３３７．［６］高云龙，杨程宇，王志豪，等．簇间可分的鲁棒模糊Ｃ均值聚类算法［Ｊ］．电子与信息学报，２０１９，４１（５）：１１１４－１１２１．［７］ＺＨＡＮＧＹ，ＢＡＩＸ，ＦＡＮＲ，ｅｔａｌ．Ｄｅｖｉａｔｉｏｎ－ｓｐａｒｓｅｆｕｚｚｙｃ－ｍｅａｎｓｗｉｔｈｎｅｉｇｈｂｏｒｉｎｆｏｒｍａｔｉｏｎｃｏｎｓｔｒａｉｎｔ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＦｕｚｚｙＳｙｓｔｅｍｓ，２０１８，２７（１）：１８５－１９９．［８］潘金艳，高朋，高云龙，等．基于可靠性的鲁棒模糊聚类［Ｊ］．控制理论与应用，２０２１，３８（４）：５１６－５２８．（上接第１４１页）［２］胡亮，何小海，卿粼波，等．基于ＹＯＬＯｖ４目标检测算法的轻量化网络设计［Ｊ］．智能计算机与应用，２０２２，１２（１）：１６４－１６７．［３］胡勤，陈琛，刘敏．一种基于动态纹理的烟雾和火焰检测方法［Ｊ］．消防科学与技术，２０１４，３３（６）：６６７－６６９．［４］邓理文，刘晓军．基于模糊神经网络的智能火灾探测方法研究［Ｊ］．消防科学与技术，２０１９，３８（４）：５２２－５２５．［５］ＴＲＵＯＮＧＴ，ＫＩＭＪ．Ｆｉｒｅｆｌａｍｅｄｅｔｅｃｔｉｏｎｉｎｖｉｄｅｏｓｅｑｕｅｎｃｅｓｕｓｉｎｇｍｕｌｔｉ－ｓｔａｇｅｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｉｑｕｅｓ［Ｊ］．ＥｎｇｉｎｅｅｒｉｎｇＡｐｐｌｉｃａｔｉｏｎｓｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，２０１２，２５（７）：１３６５－１３７２．［６］ＤＩＭＩＴＲＯＰＯＵＬＯＳＫ，ＢＡＲＭＰＯＵＴＩＳＰ，ＧＲＡＭＭＡＬＩＤＩＳＮ．Ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｆｌａｍｅｍｏｄｅｌｉｎｇａｎｄｄｙｎａｍｉｃｔｅｘｔｕｒｅａｎａｌｙｓｉｓｆｏｒａｕｔｏｍａｔｉｃｖｉｄｅｏ－ｂａｓｅｄｆｉｒｅｄｅｔｅｃｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＣｉｒｃｕｉｔｓａｎｄＳｙｓｔｅｍｓｆｏｒＶｉｄｅｏＴｅｃｈｎｏｌｏｇｙ，２０１５，２５（２），３３９－３５１．［７］ＫＯＮＧＳ，ＪＩＮＤ，ＬＩＳ，ｅｔａｌ．Ｆａｓｔｆｉｒｅｆｌａｍｅｄｅｔｅｃｔｉｏｎｉｎｓｕｒｖｅｉｌｌａｎｃｅｖｉｄｅｏｕｓｉｎｇｌｏｇｉｓｔｉｃｒｅｇｒｅｓｓｉｏｎａｎｄｔｅｍｐｏｒａｌｓｍｏｏｔｈｉｎｇ［Ｊ］．ＦｉｒｅＳａｆｅｔｙＪｏｕｒｎａｌ，２０１６，７９：３７－４３．［８］ＨＡＮＸ，ＪＩＮＪ，ＷＡＮＧＭ，ｅｔａｌ．ＶｉｄｅｏｆｉｒｅｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌａｎｄｍｕｌｔｉ－ｃｏｌｏｒｆｅａｔｕｒｅｓ［Ｊ］．Ｓｉｇｎａｌ，ＩｍａｇｅａｎｄＶｉｄｅｏＰｒｏｃｅｓｓｉｎｇ，２０１７，１１（８）：１４１９－１４２５．［９］孟令昀．基于特征优化的视频火焰检测算法研究［Ｄ］．广东：暨南大学，２０１８．［１０］富雅捷，张宏立．基于迁移学习的卷积神经网络森林火灾检测方法［Ｊ］．激光与光电子学进展，２０２０，５７（４）：１２０－１２６．［１１］ＧＩＲＳＨＩＣＫＲ．ＦａｓｔＲ－ＣＮＮ［Ｃ］／／２０１５ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ．Ｓａｎｔｉａｇｏ，Ｃｈｉｌｅ，２０１５：１４４０－１４４８．［１２］ＬＩＵＷ，ＡＮＧＵＥＬＯＶＤ，ＥＥＲＨＡＮＤ，ｅｔａｌ．ＳＳＤ：ｓｉｎｇｌｅｓｈｏｔｍｕｌｔｉｂｏｘｄｅｔｅｃｔｏｒ［Ｃ］／／ＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ．Ｃｈａｍ：Ｓｐｒｉｎｇｅｒ，２０１６：２１－３７．［１３］ＬＩＵＳ，ＨＵＡＮＧＤ．Ｒｅｃｅｐｔｉｖｅｆｉｅｌｄｂｌｏｃｋｎｅｔｆｏｒａｃｃｕｒａｔｅａｎｄｆａｓｔｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＥｕｒｏｐｅａｎｃｏｎｆｅｒｅｎｃｅｏｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎ（ＥＣＣＶ）．２０１８：３８５－４００．［１４］ＴＡＮＭ，ＰＡＮＧＲ，ＬＥＱＶ．ＥｆｆｉｃｉｅｎｔＤｅｔ：ｓｃａｌａｂｌｅａｎｄｅｆｆｉｃｉｅｎｔｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎ［Ｃ］／／ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ），２０２０：１０７７８－１０７８７．［１５］ＬＩＵＳ，ＱＩＬ，ＱＩＮＨ，ｅｔａｌ．Ｐａｔｈａｇｇｒｅｇａｔｉｏｎｎｅｔｗｏｒｋｆｏｒｉｎｓｔａｎｃｅｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］／／ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ），２０１７：８７５９－８７６８．［１６］ＲＥＺＡＴＯＦＩＧＨＩＨ，ＴＳＯＩＮ，ＧＷＡＫＪＹ，ｅｔａｌ．Ｇｅｎｅｒａｌｉｚｅｄｉｎｔｅｒｓｅｃｔｉｏｎｏｖｅｒｕｎｉｏｎ：Ａｍｅｔｒｉｃａｎｄａｌｏｓｓｆｏｒｂｏｕｎｄｉｎｇｂｏｘｒｅｇｒｅｓｓｉｏｎ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ／ＣＶＦｃｏｎｆｅｒｅｎｃｅｏｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ．２０１９：６５８－６６６．６４１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀。

新家电,考你想象力
佚名
【期刊名称】《日用电器》
【年(卷),期】2012(000)008
【摘要】＂N 冰柜＂,由你组合rn伊莱克斯＂N 冰柜＂是一个灵活机动的新概念产品。

它是一个 4.5 升的迷你冰箱,外观小巧。

小容积使得消费者可以根据自己的实际需求采购食物,然后自行组合冰箱。

【总页数】2页(P6-7)
【正文语种】中文
【中图分类】TM925
【相关文献】
1.新家电，考你想象力 [J],
2.争食小家电——家电业新口号：进军小家电！ [J], 于昊
3."考考你",网上骗子的新把戏 [J],
4.考考你的想象力 [J], 吴琴
5.新机遇、新挑战,中国电子家电国际化迈上新台阶——记第七届中国电子家电企业国际化高峰论坛 [J], 赵明
因版权原因，仅展示原文概要，查看原文内容请购买。

推出新一代健康家电新夏普的中国格局逐渐清晰
于昊
【期刊名称】《电器》
【年(卷),期】2017(0)4
【摘要】富士康时代，新夏普用一系列“高贵不贵”的“夏普健康家电”，将新夏普在中国市场的格局清晰展现出来。

【总页数】2页(P78-79)
【关键词】健康家电;中国市场;夏普;清晰;富士康
【作者】于昊
【作者单位】
【正文语种】中文
【中图分类】TM925
【相关文献】
1.海淀新商务格局逐渐清晰 [J], 张翰坤
2.新夏普的中国格局逐渐清晰 [J], 于昊
3.众银行携行业标准入局移动支付竞争格局逐渐清晰 [J], 蓝齐
4.钧瓷艺术的继承与创新浅谈中国电商行业未来十年的发展格局已逐渐清晰 [J], 刘力华
5.生鲜电商行业格局逐渐清晰 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。

商业周刊可能改变未来10年生活的发明商业周刊:可能改变未来10年生活的发明作者：商业周刊推荐人：张磊随着社会的发展,我们的美好生活将更加依赖于科技的进步.现在,每年都有很多的新发明涌现出来.美国的《商业周刊》列举了最有可能改变我们未来10年生活方式的20项重要发明.这些发明现在已现雏形,但是尚未商业化,或者还没有得到推广,它们将在未来10年内得以普及和流行. 1、高能充电电池未来的充电电池将具有电量大、充电快的特点,并将广泛应用于各种电器和交通工具. 2、海浪发电海浪中蕴藏着巨大的能源,但是世界上还没有一个商业化的海浪发电厂建成.现在只有一些沿海国家在进行研究,并取得了不错的进展,一些商业化的海浪发电厂将开始兴建. 3、微型医疗器械这些器械将改变体检的方式,未来人们可以吞服这些胶囊大小的微型器械,让它们进入人体为我们检查身体. 4、立体打印机你想要什么,这种打印机就可以帮你打印出来.这将改变未来的购物方式,或许我们到超市需要购买的只是原料了. 5、智能手机视频聊天、看电视、听音乐、拍照、上网、查阅地图、玩游戏,许多电子类娱乐未来都可以通过一部智能手机来完成. 6、生物燃料除了太阳能和风能外,生物燃料成为洁净能源中的第三颗“明星”,未来不少交通工具都会使用这种燃料. 7、电动汽车在未来10年内,电动汽车将成为陆地上的主流交通工具,清洁和噪音小的特性将成为它得以推广的巨大优势. 8、按需娱乐你想看什么电视节目,只要付费就能看到,不受时段和地域的限制.现在还做不到这一点,新一代互联网技术可以让人们梦想成真. 9、纳米线路纳米技术的发展将让电器中的线路板变得更加微小、集成度更大,电器将变得更加轻便、成本更低、性能更稳定. 10、癌症治疗仪现在还没有完全治愈癌症的方法,但是已经出现了一些辅助治疗癌症的仪器.随着这些仪器的完善,癌症终将被攻克. 11、专注玩具集中注意力,瓶子中的小球就飘浮起来.这不是魔术道具,而是让许多家长乐意为孩子购买的“专注玩具”.它可以通过脑电波来控制,这有利于提高孩子的注意力. 12、身体发电每个便携式小电器的充电器都不相同,一出门就得带一大堆充电器.而通过身体运动发电的技术可以让你摆脱这些充电器的困扰,走到哪里都可以为电器充电. 13、共享网络现在,可以不断补充编写的互动百科网站(如百度和维基),已经成为网民查阅资料的重要途径.随着免费共享网络技术的成熟,未来人们可以通过网络共享音频和视频资料. 14、虚拟社区社会交往不必总是在现实生活中进行,网络“虚拟社区”将会变得越来越流行,老板甚至可以通过虚拟社区来向不在同一城市的雇员分派工作. 15、全球银行金融危机的来临,让人们意识到建立全球银行的重要性,这不但需要各国在政策上协调,也需要技术上的跟进. 16、项目经营现在,大多数人还习惯于在一家固定的公司上班.然而,在欧美国家,一些老板已经发明了“项目经营”的发展模式.如果你拉到一个项目,就可以找一些人来工作;项目结束,大家就解散,去新的项目组工作. 17、共享交通自行车、轿车不必每个人都拥有一辆,信息社会的发展将让交通工具减少而不是增多.大家可以通过网络共享交通信息,来租借自行车或与人拼车,欧美一些大城市正在发展这样的网络来解决交通拥堵的问题. 18、治疗老年痴呆世界在未来10年将步入老龄化社会,老年痴呆将成为家庭和社会的沉重负担.未来10年,治疗老年痴呆的药物和仪器将因为需求增多而大量出现. 19、集装箱房屋利用集装箱改装房屋,这个发明可以解决数亿贫穷家庭的居住问题.目前,一个使用面积30平方米的集装箱房屋售价不到1万美元. 20、无线互联网现在大部分上网还要以数据线和电脑相连.随着无线互联网技术的成熟,未来人们打开电脑就可以上网“冲浪”.。