基于噪声自监督的安全生产红外图像智能感知检测方法

本发明涉及计算机视觉与智能感知技术领域，特别是基于噪声自监督的安全生产红外图像智能感知检测方法。本方法通过整合多源红外图像数据集构建训练集，以模拟真实环境中的数据分布差异，构建基于U‑Net架构的深度学习模型，该模型集成了注意力特征融合模块和噪声引导表示学习模块，分别实现多尺度特征的自适应融合和噪声不敏感特征的学习，采用交并比、准确率和虚警率等指标对模型性能进行系统评估，将优化后的模型部署于安全生产监控系统，本发明能够在粉尘、温湿度变化等复杂环境下保持稳定的检测性能，同时提升对小目标边缘轮廓的感知精度，实现了单一模型对多场景的直接适配，有效提升了模型在复杂噪声环境下的泛化能力和检测精度。