摘要

作为一种典型的森林“灾害”，火灾具有破坏性强、救援难度大的特点。火灾分割技术有助于消防人员准确掌握火势规模，并制定合理的扑救方案。为此，本文提出了一种基于深度学习的实时火灾分割方法。该方法是在DeepLabv3+基础上改进的版本，采用编码器-解码器结构网络。其编码器网络由深度卷积神经网络与空洞空间金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）组成。与原始DeepLabv3+不同，为提升分割速度，本文采用轻量级网络MobileNetV3构建新的深度卷积神经网络，并摒弃了空洞卷积机制，此举虽有效加快了运算速度，但可能对分割精度造成一定影响。为此，为弥补精度损失，在原始解码器网络的基础上，本文引入了两种不同层次的浅层特征，使网络能够融合更丰富的火灾特征信息。实验结果表明，该方法在综合性能上优于原始DeepLabv3+，尤其在分割速度方面显著提升，达到约59帧每秒（FPS），具备良好的实时性与实用性。