本项目面向 校园安全监控与智慧安防领域，旨在利用深度学习与计算机视觉技术，实现对校园环境中火灾和烟雾的智能检测与预警。
传统火灾报警系统主要依赖烟雾传感器或温度传感器，存在 响应速度慢、覆盖范围有限、误报率较高 等问题。而通过结合视频监控系统与深度学习目标检测技术，可以实现 基于图像的实时火灾烟雾识别，从而提前发现潜在火灾风险。
该系统可广泛应用于以下场景：
高校教学楼监控系统
学生宿舍安全监控
图书馆、实验室等重点区域
校园公共场所的视频监控系统
通过将 人工智能检测模型与可视化监控平台相结合，系统能够实现火灾风险的 实时识别与智能预警，有效提升校园安全管理水平。
本系统主要实现以下核心功能：
1. 火灾与烟雾实时识别
基于深度学习目标检测模型，对视频监控画面中的 火焰与烟雾目标进行实时识别。
2. 视频流实时检测
系统能够接入监控摄像头视频流，对视频画面进行持续检测和分析。
3. 智能预警机制
当系统检测到疑似火焰或烟雾目标时，自动触发 报警提示，提醒相关人员及时处理。
4. 可视化监控平台
通过 Web 管理平台展示：
实时视频监控画面
检测结果
报警信息
方便管理人员进行远程监控。
5. 目标检测结果展示
系统会在视频画面中 实时标注检测框（Bounding Box），显示火焰或烟雾的识别结果，提高系统的可解释性。
在该项目中，我主要负责 系统整体设计、模型训练以及前后端开发与系统集成，具体工作包括：
深度学习模型构建
基于 YOLO 目标检测框架构建火焰与烟雾检测模型
对数据集进行标注与数据预处理
训练并优化模型，提高检测准确率与实时性能
模型部署与推理系统开发
将训练好的模型部署到系统中进行实时推理
实现视频流的实时检测功能
后端系统开发
使用 Spring Boot 构建系统后端
编写检测服务接口（RESTful API）
实现模型推理服务与系统逻辑处理
前端系统开发
使用 Vue 构建 Web 可视化监控平台
实现实时视频展示与检测结果展示
开发报警信息显示界面
系统集成与优化
实现前后端通信与数据交互
优化系统运行效率，保证实时检测性能
评论