基于HDM-Net的射流轨迹分割模型

作     者：全晴 酒康 陈姚节 

作者机构：武汉科技大学计算机科学与技术学院 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2025年

学科分类：12[管理学] 03[法学] 08[工学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0837[工学-安全科学与工程] 0838[工学-公安技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0306[法学-公安学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：装备发展部“慧眼行动”项目(62602010214) 

主　　题：智能射流系统 射流轨迹提取 语义分割 混合空洞卷积 改进MobileNetV2 

摘      要：随着城市化进程加快和高层建筑的增多，传统的灭火设备逐渐难以满足现代消防需求，而智能射流系统凭借其精准控制和远程操作，成为消防装备的重要选择之一。针对射流数据集中普遍存在的像素占比不平衡、落点分散及边缘模糊等问题，本文提出了一种改进的射流轨迹分割模型（Hybrid Dilation Convolution MobileNetV2 Network,HDM-Net）。首先，选取MobileNetV2网络的前七层作为基线模型，并引入了四层混合空洞卷积，以扩大感受野捕捉更丰富的上下文信息。其次，通过并行卷积块的设计，编码细粒度特征，进一步细化分割结果中的射流轨迹边缘区域。最后，构建了一个解码器，以融合不同层次的多尺度特征。在射流数据集上的大量实验结果表明，该方法在精确率（Precision）、召回率（Recall）、F值和平均交并比（m IOU）多项指标上均优于多个相关分割任务的基线模型，这一结果验证了所提出的网络能够显著提升射流轨迹分割的准确性。