跃动天翼人工智能

近期项目测试报告——顺丰网点POC烟火检测测试报告（四）

5. 问题与优化建议

5.1 存在的问题

• 远距离小火检测需要持续优化：防止漏检会有误检，主要原因是1080p分辨率下，远距离小火苗为像素级小目标，比如上图动态的疑似小火苗。
• 低浓度烟雾检测会有误检：低浓度烟雾及烟雾+灰尘干扰场景下，算法难以区分低浓度烟雾与灰尘、雾气。
• 干扰物比较复杂多变：比如两个员工在持续传递灰色快递袋子如下图，动态的袋子模糊像烟雾，需要持续跟进优化。

5.2 优化建议

5.2.1 算法模型优化

• 针对烟雾优化：扩充烟雾数据集，增加低浓度烟雾、干扰样本的训练，优化烟雾特征提取算法，提升低浓度烟雾的检测准确率。
• 降低误检率：增加干扰物样本（红色包裹、灯光反光、灰尘雾气等）的训练，调整算法检测阈值，优化特征区分能力；新增算法二次过滤机制，重点针对动态特征进行校验；同时添加场地背景相关图片用于算法训练，让算法更贴合中转场实际场景，进一步减少误检现象。

5.2.3 系统功能优化

• 预警分级：根据烟火检测置信度、烟火大小，设置不同等级预警（一级预警：小火/低浓度烟雾，二级预警：中火/中浓度烟雾），便于工作人员分级处置。
• 异常提醒：增加摄像头故障、视频流中断的提醒功能，便于工作人员及时排查设备问题，保障系统持续运行。
• 算法更新：预留算法模型更新接口，定期更新训练数据集，优化算法性能，适应中转场场景变化。

6. 测试结论

本次针对顺丰中转场61路1080p摄像头烟火检测系统的测试，全面验证了系统的功能、性能、环境适应性、稳定性及兼容性，综合测试结果如下：

• 功能层面：本次测试采用“真实火焰+场内数据合成”方式，系统能有效检测真实及合成场景中的小火、烟雾目标，两者贴合度较高；但远距离小火、低浓度烟雾检测效果有待优化，干扰物误检率需进一步降低，可通过算法二次过滤、添加场地背景相关图片用于算法训练等方式改善误检问题，合成数据场景中暴露的问题与真实场景一致，可直接作为优化依据。
• 性能层面：系统能稳定处理61路1080p视频流并发检测，硬件资源占用合理，长期运行稳定性良好，满足中转场24小时不间断检测需求。
• 兼容性层面：系统与中转场现有摄像头、网络设备、预警设备兼容性良好，无需额外新增硬件，可依托现有资源直接部署。
• 可行性层面：经过优化后，系统能有效解决现有问题，进一步提升检测准确率、降低漏检率和误检率，满足顺丰中转场火灾防范的实际需求，具备上线部署的可行性。

综上，建议对系统进行针对性优化（算法模型、现场环境、系统功能），优化完成后可正式上线部署，为顺丰中转场提供可靠的烟火提前预警保障，防范初期火灾隐患。

测试单位：深圳市跃动天翼科技有限公司

测试日期：20260311-20260328