Китайская модель PVFire-YOLO снижает число ложных тревог на солнечных станциях
Исследователи из китайской энергокомпании Hu năng Group разработали ИИ-модель PVFire-YOLO для обнаружения пламени и дыма на солнечных электростанциях. Решение позволяет точнее распознавать очаги возгорания и не путать блики солнца с огнём.
Разработчики создали датасет из 5824 изображений, включая 9107 объектов пламени и дыма. Модель на базе архитектуры YOLOv12 обучалась на реальных кадрах с дронов и камер, а также на синтетических данных. При тестировании на изображениях с яркими бликами процент ложных срабатываний упал с 4,3% до 3,1%.
В ходе тестов на 24 часах видео без пожаров число ложных тревог сократилось с 11,6 до 4,3 случаев на одну камеру в час. При использовании фильтрации через три кадра из пяти показатель снизился до 0,6 случая. Время от появления дыма до срабатывания тревоги сократилось с 12,4 до 7,1 секунды.
Скорость обработки достигла 79 кадров в секунду на видеокарте NVIDIA RTX 3090 и 21 кадра в секунду на модуле Jetson Orin Nano. По мнению исследователей, такие показатели позволяют использовать систему в режиме реального времени на распределённых объектах.
Для работы системы на солнечных станциях потребуется дополнительная проверка в разных климатических условиях. В будущем планируется объединить визуальные данные с инфракрасными тепловыми снимками.
Что поменялось
Количество ложных тревог на камерах снизилось с 11,6 до 4,3 случаев в час при использовании PVFire-YOLO.
Источники · 1
Текст подготовила языковая модель по материалам источников.



