训练YOLOv7模型，开发AI火灾监测-人工智能-PHP中文网

训练YOLOv7模型，开发AI火灾监测

王林

发布： 2023-05-11 13:43:06

转载

1191人浏览过

1. 准备数据集

数据集使用的是开源图片，共 6k 张火灾图片，分别标注出浓烟和火两类。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

火

训练YOLOv7模型，开发AI火灾监测

浓烟

项目采用YOLO训练，我已经把数据转成YOLO格式，并分好了训练集和验证集，见dataset目录。

训练YOLOv7模型，开发AI火灾监测

2. 训练

训练过程参考YOLOv7官网文档即可。

修改data/coco.yaml文件，配置好训练数据的路径和类别。

下载预训练模型yolov7.pt，然后就可以开始训练了

训练YOLOv7模型，开发AI火灾监测

3. 火灾监测

训练完成后，在yolov7目录下的run目录中，找到生成的模型文件——best.pt。

我训练好的模型放在源码weights目录中，名为fire.pt，大家可以直接使用。

有了模型，我们用它开发一个监测程序了。

首先，需要自行下载 yolov7 源码到当前工程里。

魔乐社区

天翼云和华为联合打造的AI开发者社区，支持AI模型评测训练、全流程开发应用

102

查看详情

训练YOLOv7模型，开发AI火灾监测

然后，安装pytorch，并用pytorch加载训练好的yolov7模型。

fire_detector = torch.hub.load('./yolov7', 'custom', './weights/fire.pt', source='local')

登录后复制

源码中有一个火灾视频fire_video.mp4，可以用opencv读取该视频，用来测试检测效果。

ret, frame = cap.read()
results = self.fire_detector(img_cvt)
pd = results.pandas().xyxy[0]

# 绘制检测框
for obj in pd.to_numpy():
box_l, box_t = int(obj[0]), int(obj[1])
box_r, box_b = int(obj[2]), int(obj[3])
obj_name = obj[6]

if obj_name == 'smoke':
box_color = (0, 0, 255)
box_txt = '检测到浓烟'
else:
box_color = (0, 255, 0)
box_txt = '检测到大火'

frame = cv2.rectangle(frame, (box_l, box_t), (box_r, box_b), box_color, 2)
frame = cv2_add_chinese_text(frame, box_txt, (box_l, box_t-40), box_color, 25)

登录后复制

运行成功后，可以效果与文章开头中的视频一致。

可以把项目部署到嵌入式 GPU 上，如：jetson nano，来做实时检测。开发一个云通信服务，一旦发生火灾进行电话报警。

同时，还可以开发一个 APP ，将现场的视频流回传到服务器，APP可以实时看到监控效果，帮助决策。