智慧化高点摄像山火烟雾检测数据集并按照低、中详细标注烟雾浓度。主要针对初期山火任何野火检测系统的最重要目标是在火势扩大之前及时检测到火灾。在初期阶段野火由非火焰性的燃烧烟雾组成热量相对较低。在这个阶段识别火灾能够提供最佳的抑制机会。在这个阶段通常看不到火焰因此任何旨在早期检测的野火检测系统必须集中在检测烟雾而不是火焰上。该数据集全部为山顶开阔区域架设的高点摄像头拍摄共2890张图像分辨率1920×1080标注采用json格式标注了每个烟雾的位置烟雾浓度等级低中高共1.1GB类别 图像数 标注数low smoke 低密度 2365 2726mid smoke 中密度 1227 1403high smoke 高密度 350 393智慧化高点摄像山火烟雾检测数据集一、数据集参数表项目详情数据集名称智慧化高点摄像山火烟雾检测数据集拍摄设备山顶高点监控摄像头适用场景山林初期野火、无明火早期火情检测图像总数2890张图像分辨率1920×1080数据大小1.1GB标注格式JSON格式标注内容烟雾位置、烟雾浓度等级低/中/高类别划分3类low smoke(低密度烟雾)、mid smoke(中密度烟雾)、high smoke(高密度烟雾)low smoke 低密度烟雾图像数2365张标注数2726个mid smoke 中密度烟雾图像数1227张标注数1403个high smoke 高密度烟雾图像数350张标注数393个核心特点聚焦初期山火以烟雾为识别目标无明火场景居多适配林区高点安防监控运行环境Python、OpenCV、PyTorch适配系统Windows、Linux二、数据集配置 YOLOv11 训练代码1. 环境安装命令pipinstallultralytics opencv-python torch2. 数据集配置文件mountain_smoke.yamlpath:./mountain_smoke_datasettrain:images/trainval:images/valnc:3names:[low smoke,mid smoke,high smoke]3. 完整训练代码fromultralyticsimportYOLOif__name____main__:# 加载轻量化模型 YOLOv11nmodelYOLO(yolov11n.pt)# 模型训练train_resultsmodel.train(datamountain_smoke.yaml,epochs30,imgsz1920,batch4,device0,workers2,projectmountain_fire_smoke,nameyolov11n_smoke_level,patience10,augmentTrue,hsv_h0.015,hsv_s0.7,hsv_v0.4,fliplr0.5,flipud0.2,mosaic1.0)# 模型精度验证metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.3f})print(fmAP0.5-0.95:{metrics.box.map:.3f})# 单张图片推理测试model.predict(test_smoke.jpg,saveTrue,conf0.25)4. 图像推理代码查看浓度等级坐标fromultralyticsimportYOLO modelYOLO(best.pt)resultsmodel.predict(test.jpg,conf0.25)forresinresults:forboxinres.boxes:cls_idint(box.cls[0])conffloat(box.conf[0])x1,y1,x2,y2map(int,box.xyxy[0])cls_namemodel.names[cls_id]print(f烟雾等级{cls_name}| 置信度{conf:.2f}| 坐标{x1},{y1},{x2},{y2})三、应用场景林区高点视频监控防火依托山顶立杆摄像头7×24小时自动监测早期山火烟雾实现火情前置预警。初期野火应急处置针对无明火、仅产生烟雾的萌芽阶段火情快速识别第一时间下达扑救指令遏制火势蔓延。全域山林智慧消防搭建区域一体化森林防火系统批量接入高点摄像头智能化分析烟雾浓度分级推送预警信息。自然保护区防火管控生态林区、森林公园、野外山地常态化防火监测替代人工巡山降低运维成本。火情分级预警管理根据低/中/高烟雾浓度划分风险等级匹配不同级别的应急响应方案。野外违规用火监测识别林区焚烧、野外用火产生的烟雾防范人为引发山火。