据报道，2021年全国消防救援队伍共接报火灾74.8万起，死亡1987人，受伤2225人，直接财产损失67.5亿元。传统靠人工报警的方法存在人员管理难、场地数量多且分散等问题，无法有效发现险情降低火灾损失。为了保障民众的生命财产安全，应用 AI 技术及时、自动检测监控区域内的烟雾和火灾至关重要。

　　然而，在实际产业中，由于发生火灾的环境复杂多样、干扰因素较多，对模型检测的精度具有一定的影响。另外，有很多物体和烟火较为相似，比如红色的灯光，容易造成模型误检。

　　针对如上问题，实践范例库开源了《火灾烟雾检测》方案，提供了从数据准备、技术方案、模型训练优化到模型部署的全流程可复用方案，提供误检率低至1.1%的模型优化方案，有效解决了复杂环境下烟火检测问题，降低产业落地门槛，适用于城市住宅、加油站、公路、森林等火灾高发场景。

　　算法包含火焰检测和烟雾检测两个场景算法。火焰检测可检测画面中的明火并予以报警；由于火灾在早期通常以烟雾的形式表现出来，烟雾检测是对于火灾进行早期检测处理，在最初火灾发生时给予人们报警，使我们可以及时的进行灭火处理。算法可应用于厂区生产车间、仓库、森林及其它需要消防管控的场景。

　　· 算法准确率高、误报率低

　　符合相关约束条件时，常规场景下可达到检测率（召回率）95%+，每天每百路视频的误报次数不超过10次。由于发生火灾的环境复杂多样、干扰因素较多，且存在很多物体与烟火较为相似，例如红色的灯光、云朵等，容易造成误报。博思廷烟火检测算法增加了“误报过滤模块”，可有效过滤灯光、反光、水雾、云、白墙等类似烟火的物体造成的误报；

　　· 检测目标适应性强

　　红色、橙色、黄色的火焰，以及不规则的烟雾均能检测；

　　· 检测全面

　　包含适用于小范围火焰的火焰检测、大范围的火焰分割以及适用场景更广泛的烟雾检测；

　　· 场景适应性好

　　能够应用于多种场景、多种角度的监控场景；

　　· 过程可追溯

　　可实现对烟雾和火焰的实时监测和自动告警，并将相关视频和图像进行保存，记录全过程，做到有据可循；

　　· 全程智能化展示

　　可在闭环终端上实现全程智能化展示，事中“实时视频”标记告警目标的画面位置，事后“告警截图、告警短视频”上均有告警目标的位置展示。