1. 研究目的与意义
火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一。
对于火灾，在我国古代，人们就总结出防为上，救次之，戒为下的经验。
随着社会的不断发展，在社会财富日益增多的同时，导致发生火灾的危险性也在增多， 火灾的危害性也越来越大。
2. 课题关键问题和重难点
1. 样本采集和处理，火苗种类和不同场景的表现方式不同，图片采集、标记、处理工作量大，耗时长。
2. YOLO v4 运行环境的搭建，随着YOLO v4 的普及目前可供YOLO v4 运行的环境也是多种多样，从中选择和搭建一个合适且能正常运行的环境较为困难。
3. YOLO v4 训练模型不仅需要良好的硬件配置还需要时间，在训练过程中还可能出现错误，需要及时解决，训练出一个良好的模型也有一定的难度。
3. 国内外研究现状（文献综述）
基于CNN的SAR图像变化检测方法[1] 一般来说，SAR变化检测方法可以被分成两类：图像代数方法和分类比较法。
图像代数方法是基于像素级别的变化检测方法。
然而，图像代数方法只能得到区域的变化情况，不能区分变化区域的类别。
4. 研究方案
（一）项目研究目标及主要内容 （1）数据集制作1.准备数据集：收集5000张图片，包括各种介质燃烧的火苗，并做好分类处理。
2.数据集标注：使用labelImg工具（2）训练模型1.目前目标检测最常用的三个模型：Faster R-CNN、SSD、YOLO系列。
在这里选择YOLOv4,主要原因如下：YOLO v4是一个简单且高效的目标检测算法，该算法降低了训练门槛，同时简化以及优化了一些最新提出的算法，包括（CBN，PAN，SAM），从而使Yolo-V4能够在一块GPU上就可以训练起来。
5. 工作计划
第1周：基本资料查阅、相关资料阅读学习，并完成不少于3000字的外文文献翻译；第2周：继续查阅相关资料，论证设计的可行性，研究设计方案和设计思路。
确定设计方案和关键技术，拟定采取的解决措施，完成毕业设计开题报告；第3周：指导教师审阅开题报告，提出修改意见，学生整改毕业设计开题报告；第4周：掌握深度学习YOLO算法的基本原理，熟悉其目标检测的具体步骤；第5周：理解YOLO的网络参数，掌握包括YOLO深度学习模型的建立、训练及使用方法等；第6周：根据设计指标要求，收集项目中需要的训练数据集，并进行样本标记，开展模型训练，准备中期检查； 第7周：继续进行模型训练，开展算法测试和算法改进，使之适应施工现场目标识别特点；第8周：将算法模型部署在嵌入式平台上，同时列写毕业论文大纲，准备起草论文；第9周：进行系统的整体调试，整理资料，完成撰写毕业论文的工作；第10周：修改并完善毕业论文； 第11周：提交毕业论文终稿及相应的查重报告；第12周：指导教师审阅毕业论文，修改后准备毕业答辩；第13周：毕业设计答辩及成绩评定。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
