风险评估在任何工作场所相关,然而,在处理易燃或危险物质时,在处理易燃或危险物质时,在这种情况下,这种情况都有程度的不可预测性可能是不够的。这的一个例子是喷射火灾的冲击,火焰的热量可以达到附近的设备,并显着增加Domino效应与灾难性结果的概率。因此,从风险管理的角度来看,这种火灾事故的表征是重要的。一种这样的表征将是火焰中不同辐射区的分割,因此本文提出了有关几种传统计算机视觉和深度学习分割方法来解决此具体问题的探索性研究。还探讨了使用丙烷喷射火灾的数据集丙烷喷射火灾训练和评估不同地区的分布以及寻求缓解数据不平衡的不同丢失功能的分布。此外,不同的指标与专家执行的手动排名相关联,以便对专家的标准密切相关的评估。 Hausdorff距离和调整后的随机索引是具有最高相关性的度量,并且从UNET架构获得了具有加权交叉熵损耗的最佳结果。这些结果可用于未来的研究,以从分割面具中提取更多几何信息,或者甚至可以在其他类型的火灾事故中实施。
translated by 谷歌翻译