科学技术与应用

基于轻量化 GPT 的火焰目标智能识别技术研究

赵 贺斌

重庆安全技术职业学院

DOI: https://doi.org/10.59429/kxjsyy.v3i1.13263

Keywords: 轻量化 GPT；火焰识别；智能监测；YOLO 验证；边缘计算

---

Abstract

火焰识别在早期火灾监测体系中位置关键，而在光照剧烈变化、背景杂乱或火源微弱等情境下，传统识别模 型常出现响应迟缓或判定失准的问题。轻量化 GPT 模型因具备更强的全局特征捕捉能力与语义表达能力，借助结构 压缩与注意力机制精简，使其能够在边缘设备上保持较高识别精度与较低计算消耗。为适应火焰形态动态多变、边 缘模糊及颜色纹理复杂的特征需求，研究围绕模型结构调整、特征编码方式重构及推理效率提升展开，并构建系统 级验证方案；在多场景测试中，以 YOLO 系列模型为参照基线，开展性能对比，结果表明轻量化 GPT 在复杂场景 的特征理解与鲁棒性方面具有更优表现，为火灾智能预警系统的工程落地提供了可靠技术路径。

---

References

[1] 汤健，杨薇薇，夏恒等 . 基于扩散模型图像增强与多类特征融合的火焰燃烧状态智能识别[J]. 北京工业大学学报，2025,51(12):1502-1514.

[2] 陈川，邓成中，武昕坤等 . 基于火焰识别与定位的智能消防炮系统设计[J]. 消防科学与技术，2015,34(09):1207-1209.

[3] 赵阳，刘俊蕾，付旭峰等 . 基于卷积神经网络的火焰智能识别研究[J]. 自动化技术与应用，2023,42(11):64-67.DOI:10.20033/j.1003-7241.(2023)11-0064-04.

[4] 刘杰，赵明辉，王文明等 . 基于改进 YOLOv3 的输煤系统烟雾火焰识别研究[J]. 机械工程与自动化，2025,54(05):73-75.

[5] 王勇，邵志敏，王震等 . 基于 YOLO-CAGSC 的变电站智能边缘火焰检测算法[J]. 计算机应用，2025,45(S2):335-340.