YOLOV5火灾火焰烟雾检测数据集+代码+训练好的模型+标注好的数据+pyqt界面+代码。烟雾和火焰数据集和源码（包含视频和图片素材，可直接进行推理测试）。1、项目是训练过的，可直接进行推力测试。 2、项目包含烟雾和火焰的数据集，已标记好！ 3、如果想想重新训练也可以。 4、可以直接用训练好的权重pt文件进行推理 YOLOV5火灾火焰烟雾检测数据集+代码+训练好的模型+标注好的数据+pyqt界面+代码。烟雾和火焰数据集和源码（包含视频和图片素材，可直接进行推理测试）。1、项目是训练过的，可直接进行推力测试。 2、项目包含烟雾和火焰的数据集，已标记好！ 3、如果想想重新训练也可以。 4、可以直接用训练好的权重pt文件进行推理

火焰烟雾检测，只需要OPENCV C++，采用YOLO4TINY的模型，移植性好，速度快，免积分，大家可以看看哦

1、Darknet版yolov3烟雾检测训练模型，训练好的权重文件，包含smoke.data , smoke.names, yolov3 -smoke.cfg， yolov3 -smoke_best.weights权重文件，并包含训练loss曲线和map曲线图， 2、检测结果见：https://blog.csdn.net/weixin_51154380/article/details/124480876 3、并附有2000+烟雾检测数据集，标签为VOC格式

1、Darknet版YOLOv4烟雾检测训练模型，训练好的 权重文件，包含smoke.data , smoke.names, yolov4-smoke.cfg， yolov4-smoke_best.weights权重文件，并包含训练loss曲线和map曲线图， 2、检测结果见：https://blog.csdn.net/weixin_51154380/article/details/124480876 3、并附有2000+烟雾检测数据集，标签为VOC格式

1、YOLOv3训练好的烟雾检测模型，训练了yoov3-smoke.pt和YOLOvs3_tiny-smoke.pt。两个模型； 并包含4500多张标注好的烟雾数据集，标签格式为xml和txt两种，类别名为smoke，配置好环境后可以直接使用 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的

一、前言 　　现代建筑的特点是楼层不断加高，这主要是从缓解城市用地紧张的角度出发的，同时还便于集中供电、供热、供气，便于集中控制和管理。为了保障高层建筑安全可靠，必须设计出具有可靠性高、实时性好的火灾自动报警与消防系统，其要求是：（1）当有火情发生时，能以最快的速度检测报警，并能检测火情发生的具体地点；（2）经查实确认后，能及时的通报消防部门灭火；（3）系统本身应有自身故障检测的功能，保证自动报警系统功能完好；（4）较高的系统抗干扰能力，防止系统发生误报警。 　　火灾自动报警系统是由触发装置、火灾报警装置、火灾警报装置以及具有其它辅助功能装置组成的，它具有能在火灾初期，将燃烧产生的烟雾、热量

1、YOLOv5烟雾检测训练好的模型，可以直接使用，检测 的目标类别名称为smoke，并可以在可视化界面上直接运行，代码已集成好，直接运行就可展示可视化界面，可以通过界面上的 按钮选择图片进行烟雾检测，并且可以调用摄像头检测以及检测相关视频，使用简单，并附有使用说明 2、烟雾数据集下载：https://download.csdn.net/download/weixin_51154380/85190134 3、其他数据集参考：https://blog.csdn.net/weixin_51154380/article/details/124480876

1、YOLOv5训练好的烟雾检测模型，并包含4500多张标注好的烟雾数据集，标签格式为xml和txt两种，类别名为smoke，配置好YOLOv5环境后可以直接使用 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的

YOLOv3火焰烟雾识别训练结果，包含训练好的两个模型，安装好环境后可以直接使用， 类别名fire和smoke， 框架：pytorch; 代码：python

YOLOv5火焰烟雾识别训练结果，包含训练好的两个模型，安装好环境后可以直接使用， 类别名fire和smoke，包含标注好的数据集