Gepubliceerd inBrand(2025),SF-YOLO(~Smoke and Fire-You Only Look Once) is een lichtgewicht real-time detectiemodel dat is ontworpen voornatuurlijke omgevingenbossen, velden, campings waar branden onvoorspelbaar kunnen ontbranden en zich kunnen verspreiden MDPI.com.
SF-YOLO is gebaseerd op de YOLOv11-backbone met een twee-pad residuele aandachtsmodule (C3k2) en een ingebouwde aandachtsmechanisme in de detectiekop.detectie van kleine voorwerpen, occlusie-scenario's en dubbelzinnige grenzen tussen vlam en rookHet model legt de nadruk op een lage rekenkracht, waardoor het kan worden ingezet op randtoestellen zoals drones of bewakingscamera's. MDPI.com.
In vergelijking met conventionele methoden verbetert SF-YOLO de detectie snelheid en nauwkeurigheid aanzienlijk in natuurlijke scènes in de echte wereld.de auteurs melden gunstige resultaten in de identificatie van rook/vlam en een laag vals alarmeringspercentage.
Ideale inzetomgevingen zijn onder meer:
Bewakingscamera's voor bosbranden
Drone-patrouilles
Bewaking van beschermde gebieden
Door vroegtijdige, zwakke vlammen- of rooksignalen te detecteren en op hardware met weinig vermogen te werken, wordt SF-YOLO een praktisch hulpmiddel voor vroegtijdige waarschuwing.
SF-YOLO voldoet aan een cruciale behoefte:schaalbare, betaalbare branddetectieDe focus op kleine afmetingen, onduidelijkheid van grenzen en verstopping van het milieu toont volwassenheid voor real-world implementatie.SF-YOLO kan de basis vormen van eenautonoom brandwachtnetwerk¢gemeenschappen waarschuwen voordat branden escaleren.
Gepubliceerd inBrand(2025),SF-YOLO(~Smoke and Fire-You Only Look Once) is een lichtgewicht real-time detectiemodel dat is ontworpen voornatuurlijke omgevingenbossen, velden, campings waar branden onvoorspelbaar kunnen ontbranden en zich kunnen verspreiden MDPI.com.
SF-YOLO is gebaseerd op de YOLOv11-backbone met een twee-pad residuele aandachtsmodule (C3k2) en een ingebouwde aandachtsmechanisme in de detectiekop.detectie van kleine voorwerpen, occlusie-scenario's en dubbelzinnige grenzen tussen vlam en rookHet model legt de nadruk op een lage rekenkracht, waardoor het kan worden ingezet op randtoestellen zoals drones of bewakingscamera's. MDPI.com.
In vergelijking met conventionele methoden verbetert SF-YOLO de detectie snelheid en nauwkeurigheid aanzienlijk in natuurlijke scènes in de echte wereld.de auteurs melden gunstige resultaten in de identificatie van rook/vlam en een laag vals alarmeringspercentage.
Ideale inzetomgevingen zijn onder meer:
Bewakingscamera's voor bosbranden
Drone-patrouilles
Bewaking van beschermde gebieden
Door vroegtijdige, zwakke vlammen- of rooksignalen te detecteren en op hardware met weinig vermogen te werken, wordt SF-YOLO een praktisch hulpmiddel voor vroegtijdige waarschuwing.
SF-YOLO voldoet aan een cruciale behoefte:schaalbare, betaalbare branddetectieDe focus op kleine afmetingen, onduidelijkheid van grenzen en verstopping van het milieu toont volwassenheid voor real-world implementatie.SF-YOLO kan de basis vormen van eenautonoom brandwachtnetwerk¢gemeenschappen waarschuwen voordat branden escaleren.