logo
el estandarte
Detalles del blog
Created with Pixso. Hogar Created with Pixso. Blog Created with Pixso.

SF-YOLO: Detección ligera de humo y fuego para escenas naturales

SF-YOLO: Detección ligera de humo y fuego para escenas naturales

2025-07-31

Publicado enFuegoEn el año 2025,SF-YOLOEl sistema de detección de humo y fuego (Smoke and Fire-You Only Look Once) es un modelo ligero de detección en tiempo real diseñado paralos entornos naturales‘bosques, campos, campamentos’ donde los incendios pueden estallar y extenderse de forma impredecible Es un sitio web..

Diseño del modelo

SF-YOLO está basado en la base de YOLOv11 con un módulo de atención residual de dos vías (C3k2) y un mecanismo de atención integrado en la cabeza de detección.Detección de objetos pequeños, escenarios de oclusión y límites ambiguos de llama/humoEl modelo hace hincapié en la baja demanda computacional, lo que hace que pueda desplegarse en dispositivos periféricos como drones o cámaras de vigilancia. Es un sitio web..

Desempeño

En comparación con los métodos convencionales, SF-YOLO mejora significativamente la velocidad de detección y la precisión en escenas naturales del mundo real.Los autores informan resultados favorables en la identificación de humo/llama y bajos índices de falsas alarmas.

Aplicaciones

Los entornos de despliegue ideales incluyen:

  • cámaras de vigilancia de incendios forestales

  • Patrullaje con drones

  • Monitoreo de las zonas protegidas

Mediante la detección temprana de señales débiles de llama o humo y el funcionamiento con hardware de baja potencia, SF-YOLO se convierte en una herramienta práctica para la alerta temprana.

Análisis

SF-YOLO satisface una necesidad crítica:detección de incendios escalable y asequibleEn la actualidad, la tecnología de la Internet de las Cosas (IoT) se utiliza en el desarrollo de sistemas de tecnología de la información y la comunicación.SF-YOLO puede servir de base para unared autónoma de vigilancia de incendiosAlertar a las comunidades antes de que los incendios aumenten.

el estandarte
Detalles del blog
Created with Pixso. Hogar Created with Pixso. Blog Created with Pixso.

SF-YOLO: Detección ligera de humo y fuego para escenas naturales

SF-YOLO: Detección ligera de humo y fuego para escenas naturales

2025-07-31

Publicado enFuegoEn el año 2025,SF-YOLOEl sistema de detección de humo y fuego (Smoke and Fire-You Only Look Once) es un modelo ligero de detección en tiempo real diseñado paralos entornos naturales‘bosques, campos, campamentos’ donde los incendios pueden estallar y extenderse de forma impredecible Es un sitio web..

Diseño del modelo

SF-YOLO está basado en la base de YOLOv11 con un módulo de atención residual de dos vías (C3k2) y un mecanismo de atención integrado en la cabeza de detección.Detección de objetos pequeños, escenarios de oclusión y límites ambiguos de llama/humoEl modelo hace hincapié en la baja demanda computacional, lo que hace que pueda desplegarse en dispositivos periféricos como drones o cámaras de vigilancia. Es un sitio web..

Desempeño

En comparación con los métodos convencionales, SF-YOLO mejora significativamente la velocidad de detección y la precisión en escenas naturales del mundo real.Los autores informan resultados favorables en la identificación de humo/llama y bajos índices de falsas alarmas.

Aplicaciones

Los entornos de despliegue ideales incluyen:

  • cámaras de vigilancia de incendios forestales

  • Patrullaje con drones

  • Monitoreo de las zonas protegidas

Mediante la detección temprana de señales débiles de llama o humo y el funcionamiento con hardware de baja potencia, SF-YOLO se convierte en una herramienta práctica para la alerta temprana.

Análisis

SF-YOLO satisface una necesidad crítica:detección de incendios escalable y asequibleEn la actualidad, la tecnología de la Internet de las Cosas (IoT) se utiliza en el desarrollo de sistemas de tecnología de la información y la comunicación.SF-YOLO puede servir de base para unared autónoma de vigilancia de incendiosAlertar a las comunidades antes de que los incendios aumenten.