CN110975191A - 一种无人机灭火方法 - Google Patents

一种无人机灭火方法 Download PDF

Info

Publication number
CN110975191A
CN110975191A CN201911342137.4A CN201911342137A CN110975191A CN 110975191 A CN110975191 A CN 110975191A CN 201911342137 A CN201911342137 A CN 201911342137A CN 110975191 A CN110975191 A CN 110975191A
Authority
CN
China
Prior art keywords
fire
unmanned aerial
aerial vehicle
fire extinguishing
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911342137.4A
Other languages
English (en)
Inventor
尹伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201911342137.4A priority Critical patent/CN110975191A/zh
Publication of CN110975191A publication Critical patent/CN110975191A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62C—FIRE-FIGHTING
    • A62C3/00—Fire prevention, containment or extinguishing specially adapted for particular objects or places
    • A62C3/02—Fire prevention, containment or extinguishing specially adapted for particular objects or places for area conflagrations, e.g. forest fires, subterranean fires
    • A62C3/0228—Fire prevention, containment or extinguishing specially adapted for particular objects or places for area conflagrations, e.g. forest fires, subterranean fires with delivery of fire extinguishing material by air or aircraft
    • A62C3/025—Fire extinguishing bombs; Projectiles and launchers therefor
    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62C—FIRE-FIGHTING
    • A62C37/00—Control of fire-fighting equipment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
    • B64D1/02—Dropping, ejecting, or releasing articles
    • B64D1/04—Dropping, ejecting, or releasing articles the articles being explosive, e.g. bombs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/20—Remote controls

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供的一种无人机灭火方法，包括控制中心接收侦查无人机实时传输的火场信息；控制中心设置灭火无人机群航线信息；控制中心控制灭火无人机群从基地飞至火场投放灭火弹；控制中心控制灭火无人机群返回基地；当火场的火势继续蔓延，控制中心重复执行上述第三、第四个步骤；本发明提供的方法，具有如下优点：能够实时昼夜交替监测；采用集群灭火，能根据着火情况调整投弹方式；采用深度卷积神经网络进行火情特征分类识别，图像处理速度快延迟短，火情识别准确度高；无人机控制高效快捷，能够一键起飞、一键投弹、一键返航。

Description

一种无人机灭火方法
技术领域
本发明涉及森林消防技术领域，尤其涉及一种无人机灭火方法。
背景技术
我国森林资源较为贫乏，森林覆盖率约为13％左右，人均森林占有面积仅为世界平均值的1/6，但森林大火每年都有发生，如何解决森林防火的问题，又成为林业工作的重中之重。国内在此方面的应用需求也日益增加，对森林保护的投入逐渐加大，而使用无人机***对森林火情监测国内还处于初始阶段。
因此，如何将无人机应用到森林资源监测，对火情早发现、早预报、早扑救，变有灾为无灾、变大灾为小灾已成为森林防火工作的一项迫在眉睫、亟待解决的重大课题；无人机中低空监测***具有机动快速、使用成本低、维护操作简单等技术特点，具有对地快速实时巡察监测能力，是一种新型的中低空实时可见光成像和红外成像快速获取***。在对车、人无法到达地带的资源环境监测、森林火灾监测及救援指挥等方面具有其独特的优势。而后期的灭火实地实施就得依靠消防员借助灭火设备进行人力扑灭，对人员伤亡造成的损失不可估量。
发明内容
本发明的实施例提供了一种无人机灭火方法，用于解决现有技术中存在的技术问题。
为了实现上述目的，本发明采取了如下技术方案。
一种无人机灭火方法，包括：
控制中心接收侦查无人机实时传输的火场信息；
控制中心设置灭火无人机群航线信息；
控制中心控制灭火无人机群从基地飞至火场投放灭火弹；
控制中心控制灭火无人机群返回基地；
当火场的火势继续蔓延，控制中心重复执行上述第三、第四个步骤。
优选地，控制中心接收的侦查无人机实时传输的火场信息为侦查无人机通过深度卷积神经网络处理获得的目标火情图像；
侦查无人机通过深度卷积神经网络处理获得目标火情图像包括：
侦查无人机实时获取火场图像；
侦查无人机基于火场图像，通过多次卷积运算，获得目标火情特征；
侦查无人机基于目标火情特征，获得目标火情图像，并发送至控制中心。
优选地，侦查无人机基于火场图像，通过多次卷积运算，获得目标火情特征包括：
在火场图像中针对目标火情设置初始特征边界框；
计算目标火情与初始特征边界框的相对偏差，获得目标火情特征。
优选地，侦查无人机基于火场图像，通过多次卷积运算，获得目标火情特征包括：
基于火场图像获得火情候选区域；
对火情候选区域进行选择，获得目标候选区域；
通过与目标候选区域像素相匹配的卷积层，对目标候选区域进行分类回归运算，获得目标火情特征。
优选地，控制中心控制灭火无人机群从基地飞至火场投放灭火弹包括：
控制中心向灭火无人机群发送航线信息；
控制中心控制灭火无人机群从基地飞至火场的火情区域；
控制中心接收灭火无人机实时传输的火场信息；
控制中心控制灭火无人机群保持或转换投弹队形；
控制中心控制灭火无人机群向火场投弹。
优选地，控制中心接收的灭火无人机群实时传输的火场信息为灭火无人机群通过深度卷积神经网络处理获得的目标火情图像；
灭火无人机群通过深度卷积神经网络处理获得目标火情图像包括：
灭火无人机群实时获取火场图像；
灭火无人机群基于火场图像，通过多次卷积运算，获得目标火情特征；
灭火无人机群基于目标火情特征，获得目标火情图像，并发送至控制中心。
优选地，灭火无人机群基于火场图像，通过多次卷积运算，获得目标火情特征包括：
在火场图像中针对目标火情设置初始特征边界框；
计算目标火情与初始特征边界框的相对偏差，获得目标火情特征。
优选地，灭火无人机群基于火场图像，通过多次卷积运算，获得目标火情特征包括：
基于火场图像获得火情候选区域；
对火情候选区域进行选择，获得目标候选区域；
通过与目标候选区域像素相匹配的卷积层，对目标候选区域进行分类回归运算，获得目标火情特征。
优选地，控制中心控制灭火无人机群从基地飞至火场投放灭火弹包括：
控制中心向灭火无人机群发送航线信息，该航线信息包括：
灭火无人机群从基地到火场的路线信息，灭火无人机群到达火场后的投弹队形信息，灭火无人机群投弹时机，灭火无人机群从火场到基地的路线信息。
优选地，控制中心控制灭火无人机群从基地飞至火场投放灭火弹还包括：
控制中心控制灭火无人机群通过矩形或正方形或圆形的投弹队形向火场投放灭火弹。
由上述本发明的实施例提供的技术方案可以看出，本发明提供的一种无人机灭火方法，包括控制中心接收侦查无人机实时传输的火场信息；控制中心设置灭火无人机群航线信息；控制中心控制灭火无人机群从基地飞至火场投放灭火弹；控制中心控制灭火无人机群返回基地；当火场的火势继续蔓延，控制中心重复执行上述第三、第四个步骤；本发明提供的方法，具有如下优点：能够实时昼夜交替监测；采用集群灭火，能根据着火情况调整投弹方式；采用深度卷积神经网络进行火情特征分类识别，图像处理速度快延迟短，火情识别准确度高。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种无人机灭火方法的处理流程图；
图2为本发明提供的一种无人机灭火方法的***架构示意图；
图3为本发明提供的一种无人机灭火方法的控制中心的功能示意图；
图4为本发明提供的一种无人机灭火方法的无人机的功能示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
参见图1，本发明提供的一种无人机灭火方法，包括如下步骤：
控制中心接收侦查无人机实时传输的火场信息；
控制中心设置灭火无人机群航线信息；
控制中心控制灭火无人机群从基地飞至火场投放灭火弹；
控制中心控制灭火无人机群返回基地；
当火场的火势继续蔓延，控制中心重复执行上述第三、第四个步骤，直至火情得到有效控制或着火区域被消灭。
在本发明提供的实施例中，整个***包括如下所需设备：侦查无人机一架或多架，灭火无人机多架(含灭火弹抛投设备)，作为控制中心的地面站操作***(含数据链路收发***)，遥控设备(应急迫降和调试设备使用)，无人机机务设备包括锂电池、充电器若干和载具，还包括操作人员。
进一步的，在一些优选实施例中，控制中心接收的侦查无人机实时传输的火场信息为侦查无人机通过自带的红外成像探头或吊舱采集获得，优选具有深度卷积神经网络处理能力的设备获得目标火情图像，其过程包括如下子步骤：
侦查无人机实时获取火场图像；
侦查无人机基于火场图像，通过多次卷积运算，获得目标火情特征；
侦查无人机基于目标火情特征，获得目标火情图像，并发送至控制中心。
在目前的使用深度卷积神经网络进行检测的方式中，优选处理速度较快的网络，下面列举两个实施例，用于示例性地显示处理过程。
实施例一：
采用SSD(Single Shot MultiBox Detector)模型进行处理；SSD是使用单个的卷积神经网络对图像进行卷积后，在特征图像的每一个位置处预测一系列不同尺寸和长宽比的边界框；在测试阶段，该网络对每一个边界框中分别包含各个类别的物体的可能性进行预测，并且对边界框进行调整以适应目标物体的形状；
SSD在训练时只需要一幅输入图像和该图像中出现的物体的边界框；在不同的卷积层输出是不同尺度的特征图像(如上图中的和)，在若干层的特征图像上的每一个位置处，计算若干个(如4个)默认边界框内出现各个目标物体的置信度和目标物体的真实边界框相对于默认边界框的偏差；
在本实施例中，其包括如下子步骤：
在火场图像中针对目标火情设置初始特征边界框；
计算目标火情与初始特征边界框的相对偏差，获得目标火情特征；
采用SSD模型进行图像处理摒弃了生成候选区域的中间步骤，处理速度快并且准确率高。
实施例二：
采用SDP-CRC模型进行处理，其原理是在处理不同尺度的目标和提高对候选区域的计算效率上提出了两个策略；第一个策略是基于候选区域尺度的池化，即ScaleDepartment Pooling(SDP)；在CNN的框架中，由于输入图像要经过多次卷积，那些尺寸小的物体在最后一层的卷积输出上的特征不能很好的描述该物体；如果用前面某一层的特征，则能够更好的描述小物体，用靠后的层的特征，则能更好地描述较大的物体；因此SDP的想法是根据物体大小选择合适的卷积层上的特征来描述该物体；例如一个候选区域的高度在0-64个像素之间，则使用第三个卷积层上(例如VGG中的Conv3)的特征进行pooling作为分类器和边框回归器的输入特征，如果候选区域高度在128个像素以上，则使用最后一个卷积层(例如VGG中的Conv5)的特征进行分类和回归；
第二个策略是使用舍弃负样本的级联分类器，即Cascaded RejectionClassifer，CRC。Fast RCNN的一个瓶颈是有很多的候选区域，对成千上万个候选区域都进行完整的分类和回归计算十分耗时；CRC可以用来快速地排除一些明显不包含某个物体的候选区域，只将完整的计算集中在那些极有可能包含某个物体的候选区域；该文章中使用了AdaBoost的方法，按顺序使用每一个卷积层的特征，由一些级联的弱分类器来排除负样本；在最后一层卷积的特征图像上，留下来的那些候选区域再进行分类和回归；
在本实施例中，其通过如下子步骤实施：
基于火场图像获得火情候选区域；
对火情候选区域进行选择，获得目标候选区域；
通过与目标候选区域像素相匹配的卷积层，对目标候选区域进行分类回归运算，获得目标火情特征。
本领域技术人员应能理解上述深度卷积神经网络的应用类型仅为举例，其他现有的或今后可能出现的深度卷积神经网络应用类型如R-CNN、Fast R-CNN、Faster R-CNN、ION、HyperNet、YOLO、G-CNN可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。
进一步的，在一些优选实施例中，上述的控制中心控制灭火无人机群从基地飞至火场投放灭火弹包括：
控制中心向灭火无人机群发送航线信息；
控制中心控制灭火无人机群从基地飞至火场的火情区域；
控制中心接收灭火无人机实时传输的火场信息；
控制中心控制灭火无人机群保持或转换投弹队形；
控制中心控制灭火无人机群向火场投弹；
当通信链路中断时，灭火无人机群执行预设的返航的指令。
与侦查无人机交互方式相同的，控制中心接收的灭火无人机群实时传输的火场信息为灭火无人机群通过深度卷积神经网络处理获得的目标火情图像；具体也可以通过SSD、SDP-CRC进行处理；
例如在一些实施例中，包括如下子步骤：
在火场图像中针对目标火情设置初始特征边界框；
计算目标火情与初始特征边界框的相对偏差，获得目标火情特征；
在另一些实施例中：
基于火场图像获得火情候选区域；
对火情候选区域进行选择，获得目标候选区域；
通过与目标候选区域像素相匹配的卷积层，对目标候选区域进行分类回归运算，获得目标火情特征。
进一步的，在一些优选实施例中，上述的控制中心控制灭火无人机群从基地飞至火场投放灭火弹包括：
控制中心向灭火无人机群发送航线信息，该航线信息包括：
灭火无人机群从基地到火场的路线信息(包括起飞指令，起飞控制参数，如起飞顺序离场队形等，火场位置信息)，灭火无人机群到达火场后的投弹队形信息，灭火无人机群投弹时机，灭火无人机群从火场到基地的路线信息；上述针对各个过程的控制输出可以通过集成若干“热键”的方式，实现一键起飞、一键返航、一键投弹的效果；
该航线信息的作用是使无人机群能够自主完成起飞、灭火和返航，并且不受通信链路中断的影响。
在本发明提供的优选实施例中，灭火无人机群的投弹队形包括但不限于矩形、方形和圆形，以覆盖住着火区域为最佳效果。
在本发明提供的优选实施例中，如图2和4所示，无人机与控制中心可以采用4G或5G网络通信，无人机采用六旋翼、最大载荷15KG，成熟稳定的伞形结构设计，飞控采用联合开发、联合生产的天途航空成熟、安全、稳定的双冗余、工业级无人机飞控；机身采用碳纤维搭配高强度工业铝材，机身强度高，结构稳定、动力强劲、操作灵活、可搭配降落伞安全组件，飞行时间＞30-50分钟，无人机最大抗风起降能力可达6级；灭火无人机群单次出动10架以内；无人机基地距离火场10KM以内；无人机监视探头或吊舱采用30倍可见光跟踪吊舱集成深度卷积神经网络视觉检测跟踪算法和先进的驱动控制算法，采用了机械增稳技术，增稳精度±0.02°，能实现对移动目标的快速检测和跟踪锁定，热红外成像***可以做到昼夜交替监控；
如图3所示，控制中心及无人机基地包含地面站，集成无人机控制、图传画面接收、航线规划、数据存储等多个功能模块。极大地简化了传统飞手所需的操作，操作者仅需在地图上点选飞行目的地，无人机即可自动前往目的地执行任务，配合高性能的数图一体数据链，能够接收到30公里外的高清现场画面，延时低于45毫秒。
综上所述，本发明提供的一种无人机灭火方法，具有如下优点：
(1)能够实时昼夜交替监测；
(2)采用集群灭火，能根据着火情况调整投弹方式；
(3)采用深度卷积神经网络进行火情特征分类识别，图像处理速度快延迟短，火情识别准确度高；
(4)控制中心能够对无人机的起飞、投弹、返航相应的参数进行预编辑，并通过“热键”的方式输出控制，实现一键起飞、一键返航、一键投弹。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或***实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种无人机灭火方法，其特征在于，包括：
控制中心接收侦查无人机实时传输的火场信息；
控制中心设置灭火无人机群航线信息；
控制中心控制灭火无人机群从基地飞至火场投放灭火弹；
控制中心控制灭火无人机群返回基地；
当火场的火势继续蔓延，控制中心重复执行上述第三、第四个步骤。
2.根据权利要求1所述的无人机灭火方法，其特征在于，控制中心接收的侦查无人机实时传输的火场信息为侦查无人机通过深度卷积神经网络处理获得的目标火情图像；
所述的侦查无人机通过深度卷积神经网络处理获得目标火情图像包括：
侦查无人机实时获取火场图像；
侦查无人机基于火场图像，通过多次卷积运算，获得目标火情特征；
侦查无人机基于目标火情特征，获得目标火情图像，并发送至控制中心。
3.根据权利要求2所述的无人机灭火方法，其特征在于，所述的侦查无人机基于火场图像，通过多次卷积运算，获得目标火情特征包括：
在火场图像中针对目标火情设置初始特征边界框；
计算目标火情与初始特征边界框的相对偏差，获得目标火情特征。
4.根据权利要求2所述的无人机灭火方法，其特征在于，所述的侦查无人机基于火场图像，通过多次卷积运算，获得目标火情特征包括：
基于火场图像获得火情候选区域；
对火情候选区域进行选择，获得目标候选区域；
通过与目标候选区域像素相匹配的卷积层，对目标候选区域进行分类回归运算，获得目标火情特征。
5.根据权利要求1所述的无人机灭火方法，其特征在于，所述的控制中心控制灭火无人机群从基地飞至火场投放灭火弹包括：
控制中心向灭火无人机群发送航线信息；
控制中心控制灭火无人机群从基地飞至火场的火情区域；
控制中心接收灭火无人机实时传输的火场信息；
控制中心控制灭火无人机群保持或转换投弹队形；
控制中心控制灭火无人机群向火场投弹。
6.根据权利要求5所述的无人机灭火方法，其特征在于，控制中心接收的灭火无人机群实时传输的火场信息为灭火无人机群通过深度卷积神经网络处理获得的目标火情图像；
所述的灭火无人机群通过深度卷积神经网络处理获得目标火情图像包括：
灭火无人机群实时获取火场图像；
灭火无人机群基于火场图像，通过多次卷积运算，获得目标火情特征；
灭火无人机群基于目标火情特征，获得目标火情图像，并发送至控制中心。
7.根据权利要求6所述的无人机灭火方法，其特征在于，所述的灭火无人机群基于火场图像，通过多次卷积运算，获得目标火情特征包括：
在火场图像中针对目标火情设置初始特征边界框；
计算目标火情与初始特征边界框的相对偏差，获得目标火情特征。
8.根据权利要求6所述的无人机灭火方法，其特征在于，所述的灭火无人机群基于火场图像，通过多次卷积运算，获得目标火情特征包括：
基于火场图像获得火情候选区域；
对火情候选区域进行选择，获得目标候选区域；
通过与目标候选区域像素相匹配的卷积层，对目标候选区域进行分类回归运算，获得目标火情特征。
9.根据权利要求1所述的无人机灭火方法，其特征在于，所述的控制中心控制灭火无人机群从基地飞至火场投放灭火弹包括：
控制中心向灭火无人机群发送航线信息，该航线信息包括：
灭火无人机群从基地到火场的路线信息，灭火无人机群到达火场后的投弹队形信息，灭火无人机群投弹时机，灭火无人机群从火场到基地的路线信息。
10.根据权利要求1至9任一所述的无人机灭火方法，其特征在于，所述的控制中心控制灭火无人机群从基地飞至火场投放灭火弹还包括：
控制中心控制灭火无人机群通过矩形或正方形或圆形的投弹队形向火场投放灭火弹。
CN201911342137.4A 2019-12-24 2019-12-24 一种无人机灭火方法 Pending CN110975191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911342137.4A CN110975191A (zh) 2019-12-24 2019-12-24 一种无人机灭火方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911342137.4A CN110975191A (zh) 2019-12-24 2019-12-24 一种无人机灭火方法

Publications (1)

Publication Number Publication Date
CN110975191A true CN110975191A (zh) 2020-04-10

Family

ID=70075819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911342137.4A Pending CN110975191A (zh) 2019-12-24 2019-12-24 一种无人机灭火方法

Country Status (1)

Country Link
CN (1) CN110975191A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090205845A1 (en) * 2008-02-16 2009-08-20 Fire Termination Equipment, Incorporated System and method for extinguishing wildfires
CN106355809A (zh) * 2016-11-09 2017-01-25 宁波大红鹰学院 一种林火预警与应急处理***
CN107029374A (zh) * 2017-04-28 2017-08-11 成都谍翼科技有限公司 集群控制消防方法及装置
CN108241349A (zh) * 2018-01-15 2018-07-03 梁晓龙 消防无人机集群***及消防方法
CN108545192A (zh) * 2018-05-18 2018-09-18 深圳市易飞方达科技有限公司 无人机投弹***及方法
CN108564065A (zh) * 2018-04-28 2018-09-21 广东电网有限责任公司 一种基于ssd的电缆隧道明火识别方法
CN109448307A (zh) * 2018-11-12 2019-03-08 哈工大机器人（岳阳）军民融合研究院 一种火源目标的识别方法和装置
KR20190037819A (ko) * 2017-09-29 2019-04-08 (주)세이프어스드론 산불 진화용 무인 비행체를 이용한 산불 진화 시스템
CN109635991A (zh) * 2018-10-19 2019-04-16 北京邮电大学 一种森林火灾中规划无人机群救援的优化方法及***
CN109815917A (zh) * 2019-01-28 2019-05-28 孙刘云 一种消防无人机进行火源目标识别的方法
CN110263654A (zh) * 2019-05-23 2019-09-20 深圳市中电数通智慧安全科技股份有限公司 一种火焰检测方法、装置及嵌入式设备
CN110443969A (zh) * 2018-05-03 2019-11-12 中移(苏州)软件技术有限公司 一种火点检测方法、装置、电子设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090205845A1 (en) * 2008-02-16 2009-08-20 Fire Termination Equipment, Incorporated System and method for extinguishing wildfires
CN106355809A (zh) * 2016-11-09 2017-01-25 宁波大红鹰学院 一种林火预警与应急处理***
CN107029374A (zh) * 2017-04-28 2017-08-11 成都谍翼科技有限公司 集群控制消防方法及装置
KR20190037819A (ko) * 2017-09-29 2019-04-08 (주)세이프어스드론 산불 진화용 무인 비행체를 이용한 산불 진화 시스템
CN108241349A (zh) * 2018-01-15 2018-07-03 梁晓龙 消防无人机集群***及消防方法
CN108564065A (zh) * 2018-04-28 2018-09-21 广东电网有限责任公司 一种基于ssd的电缆隧道明火识别方法
CN110443969A (zh) * 2018-05-03 2019-11-12 中移(苏州)软件技术有限公司 一种火点检测方法、装置、电子设备及存储介质
CN108545192A (zh) * 2018-05-18 2018-09-18 深圳市易飞方达科技有限公司 无人机投弹***及方法
CN109635991A (zh) * 2018-10-19 2019-04-16 北京邮电大学 一种森林火灾中规划无人机群救援的优化方法及***
CN109448307A (zh) * 2018-11-12 2019-03-08 哈工大机器人（岳阳）军民融合研究院 一种火源目标的识别方法和装置
CN109815917A (zh) * 2019-01-28 2019-05-28 孙刘云 一种消防无人机进行火源目标识别的方法
CN110263654A (zh) * 2019-05-23 2019-09-20 深圳市中电数通智慧安全科技股份有限公司 一种火焰检测方法、装置及嵌入式设备

Similar Documents

Publication Publication Date Title
CN108241349B (zh) 消防无人机集群***及消防方法
CN110364031A (zh) 地面传感器网络中无人机集群的路径规划和无线通信方法
CN106909169A (zh) 一种全自动电力巡线无人机***
CN107300927A (zh) 一种无人机基站选址与巡逻路径优化方法及装置
CN108806162A (zh) 一种无人机平台的森林防火灭火***及方法
CN109787679A (zh) 基于多旋翼无人机的警用红外搜捕***及方法
CN105242686A (zh) 一种无人机航拍***和航拍方法
CN106709498A (zh) 一种无人机拦截***
CN104715556B (zh) 基于空中航拍的火情报警方法
CN104200600A (zh) 基于火情分析的消防监控***
CN104062980A (zh) 一种无人机机载全景监测***
CN112346476B (zh) 一种无人机自动巡检***及方法
Petrovski et al. Application of detection reconnaissance technologies use by drones in collaboration with C4IRS for military interested
EP3762294B1 (en) Dynamic race course using an aircraft system swarm
Martinez et al. State of the art and future trends on unmanned aerial vehicle
KR102267764B1 (ko) 군집 드론 기반 광대역 정찰 감시 시스템 및 이를 이용한 광대역 정찰 감시 방법
CN110975191A (zh) 一种无人机灭火方法
Jie et al. Necessity analysis and scheme of constructing ultra-low-altitude defense system in megacities
Magnuson 'Coin of the Realm': Military'Swimming In Sensors and Drowning in Data'
CN218416377U (zh) 一种无人机组网通信***
CN205388709U (zh) 一种无人机航拍控制***
Medrano et al. UAS: IoT on-line sensors for power line inspection
CN113970931A (zh) 一种基于多无人机的监控装置和方法
Sánchez Bou et al. The coming revolution: the use of drones in plant conservation
Dolph et al. Position Correlated Vision Dataset from Multirotor and Fixed-wing sUAS of General Aviation, Fixed-wing sUAS, Multirotor sUAS, and Birds

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200410