YOLO11-BSCS: усовершенствованная оптимизированная по вниманию система для обнаружения пламени и дыма в режиме реального времени в мобильных роботах по уходу за пожилыми

Почему пожарная безопасность для пожилых требует более умных помощников

Все больше пожилых людей живут дома с ограниченной подвижностью и часто проводят много времени в одиночестве. Небольшое кухонное пламя или струйка дыма могут быстро перерасти в смертельно опасный пожар, особенно для тех, кто медленно передвигается или пользуется вспомогательными средствами. В этом исследовании рассматривается, как дать мобильным роботам-помощникам более острое зрение, чтобы они вовремя обнаруживали пламя и дым в помещениях и могли предупредить и вывести уязвимых пожилых людей в безопасное место.

Роботы, присматривающие за домом

Исследователи сосредоточились на мобильных роботах, предназначенных для помощи инвалидам-пожилым в повседневной жизни. Помимо переноски предметов или компании, такие роботы могут патрулировать комнаты со встроенными камерами, выступая в роли движущихся охранников безопасности. Пожары представляют собой серьёзный риск в подобных условиях: многие смертельные случаи связаны с поздним обнаружением. В отличие от стационарных датчиков дыма, мобильный робот может направить взгляд прямо на плиту, розетки и другие опасные места, даже в загромождённых или изменяющихся помещениях. Чтобы быть действительно полезной, однако, его система зрения должна обнаруживать маленькие ранние очаги пламени и едва заметный дым в реальном времени при ограниченных вычислительных ресурсах на борту.

Обучение робота видеть огонь и дым

Современные роботы для наблюдения за пожаром опираются на глубинное обучение, когда модель учится распознавать паттерны по тысячам изображений вместо того, чтобы следовать вручную заданным правилам. Команда развивает недавнюю систему зрения под названием YOLO11s, известную быстротой сканирования изображений за один проход. Они создали улучшенную версию, названную YOLO11 BSCS, настроенную специально для обнаружения пламени и дыма в помещениях. Для обучения собрали большую коллекцию изображений из лабораторных баз, интернета и тщательно инсценированных бытовых сцен — кухонь, спален и квартир для пожилых. Кадры фиксируют пламя и дым в разных размерах, под разными углами и при разном освещении; набор данных расширили поворотами, добавлением шума и преобразованием в оттенки серого, чтобы модель выдерживала размытые или необычные ракурсы.

Придаём роботу более чёткий фокус и более быструю обработку

Ключевое усовершенствование YOLO11 BSCS заключается в трёх обновлениях, которые вместе делают робота и более точным, и более эффективным. Во-первых, модуль внимания помогает системе сосредоточиться на важных визуальных областях, таких как тонкие языки пламени или лёгкий дым на фоне беспорядка, вместо того чтобы одинаково обрабатывать каждый пиксель. Во-вторых, переработанный набор свёрток убирает повторяющуюся или малоценную информацию по пространству и цветовым каналам. Это снижает количество внутренних вычислений, ускоряя работу без потери полезных деталей. В-третьих, команда улучшила способ, которым модель учится строить ограничивающие рамки вокруг опасностей, используя правило обучения, лучше балансирующее положение, размер и форму рамки, так что детекции точнее совпадают с реальными областями пламени и дыма.

Тестирование новой системы зрения

Чтобы проверить практическую значимость изменений, авторы сравнили YOLO11 BSCS с известными моделями обнаружения, в том числе несколькими версиями YOLO и широко используемым Faster R-CNN. Все системы обучали и тестировали на одних и тех же наборах изображений пожаров в помещениях, и каждый эксперимент повторяли несколько раз с разными случайными стартами для получения стабильных результатов. Улучшенная модель показывает более высокую точность, то есть меньше ложных срабатываний, и более высокую полноту, то есть меньше пропущенных опасностей. Её общий скоринговый показатель, который сочетает оба параметра, оказался выше оригинального YOLO11s на несколько процентных пунктов, при этом модель использует меньше параметров, чем многие конкуренты. Дополнительные испытания на новых изображениях из ранее не виденных комнат показали, что система стабильно обнаруживает пламя и дым, что указывает на хорошую обобщаемость вне тренировочного набора.

Что это значит для более безопасного ухода на дому

Проще говоря, исследование показывает, что тщательно настроенная система зрения может помочь мобильным роботам по уходу раньше и надёжнее замечать пожар и дым, не требуя громоздкого компьютерного оборудования. YOLO11 BSCS позволяет роботу быстро сканировать комнаты, фиксировать маленькие или частично скрытые очаги пламени и дыма и поддерживать своевременные тревоги или указания для жильцов, которым может быть трудно выбраться самостоятельно. Хотя необходимы дополнительные испытания на реальных устройствах и расширение системы на другие угрозы, это исследование указывает на будущее, где мобильные помощники тихо патрулируют наши дома, обеспечивая дополнительный уровень безопасности для одних из самых уязвимых членов общества.

Цитирование: Wang, Y., Wang, Y., Wei, Z. et al. YOLO11-BSCS: an enhanced attention-optimized framework for real-time indoor flame and smoke detection in elderly care mobile robots. Sci Rep 16, 14956 (2026). https://doi.org/10.1038/s41598-026-45957-5

Ключевые слова: обнаружение пожара в помещениях, роботы для ухода за пожилыми, распознавание дыма, глубокое обучение для зрения, мониторинг безопасности в реальном времени