CN114037910A - 一种无人机森林火灾检测*** - Google Patents
一种无人机森林火灾检测*** Download PDFInfo
- Publication number
- CN114037910A CN114037910A CN202111433843.7A CN202111433843A CN114037910A CN 114037910 A CN114037910 A CN 114037910A CN 202111433843 A CN202111433843 A CN 202111433843A CN 114037910 A CN114037910 A CN 114037910A
- Authority
- CN
- China
- Prior art keywords
- fire
- initial
- initial fire
- aerial vehicle
- unit
- 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
Links
- 238000001514 detection method Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Biodiversity & Conservation Biology (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种无人机森林火灾检测***,包括:无人机、图像处理单元、控制单元和火灾报警器,其中,所述无人机拍摄森林现场的图像,并传输给所述图像处理单元;所述图像处理单元对图像进行初期火灾目标检测,将检测结果发送给所述控制单元;所述控制单元判断检测结果是否发生火灾,若发生火灾,发送启动指令给所述火灾报警器,所述火灾报警器根据启动指令发出警报。本发明实现对于初期火灾的精确探测。
Description
技术领域
本发明涉及无人机森林火灾检测***。
背景技术
国内林火监测手段按空间位置可划分为卫星监测、航空监测,近地面观测和地面巡逻4个 层次,已基本形成立体林火监测体系。卫星监测具有时效性高、范围广、连续性强等优点,但是当前卫星还不具备穿透较厚云层探测云下高温热辐射能力,且卫星监测森林火灾容易受到云雾的遮挡和受卫星轨道的影响。航空监测主要通过航空护林飞机或无人驾驶飞机监测火情,反应速度快但机源紧张且成本极高。而近地面观测和地面巡逻观察范围有限,工作量大,效率低下。传统的图像处理火灾探测方法需要手动提取特征,且手动提取特征过分依赖人力,并且有识别精度低,检测速度慢,制作成本高,易受周围环境影响等问题。
发明内容
本发明的目的在于提供一种无人机森林火灾检测***,实现对于初期火灾的精确探测。
实现上述目的的技术方案是:
一种无人机森林火灾检测***,包括:无人机、图像处理单元、控制单元和火灾报警器,其中,
所述无人机拍摄森林现场的图像,并传输给所述图像处理单元;
所述图像处理单元对图像进行初期火灾目标检测,将检测结果发送给所述控制单元;
所述控制单元判断检测结果是否发生火灾,若发生火灾,发送启动指令给所述火灾报警器,所述火灾报警器根据启动指令发出警报。
优选的,还包括灭火装置,所述灭火装置接收启动指令,并根据启动指令启动,进行灭火。
优选的,所述图像处理单元基于yolo(yolo是一种轻量级的基于深度神经网络的对象识别和定位算法) v5建立初期火灾检测模型,通过初期火灾检测模型进行初期火灾目标检测,获取检测结果。
优选的,所述图像处理单元包括:数据获取单元、数据筛选单元、数据预处理单元和初期火灾目标探测模型生成单元,其中,
所述数据获取单元获取开源的火灾数据集;
所述数据筛选单元对火灾数据集中初期火灾数据进行标注,获得初期火灾数据集;
所述初期火灾目标探测模型生成单元根据获得的初期火灾数据集,并基于yolov5生成初期火灾目标探测模型;
所述数据预处理单元对火灾数据集进行增强处理,获得增强后的火灾数据集;
所述初期火灾目标探测模型生成单元利用增强后的火灾数据集对初期火灾目标探测模型进行训练,获得最终的初期火灾目标探测模型;
所述初期火灾目标探测模型生成单元利用最终的初期火灾目标探测模型对图像进行初期火灾目标检测,获得检测结果。
优选的,所述的增强处理包括缩放处理、色彩空间调整处理和马赛克增强处理。
本发明的有益效果是:本发明使用yolo v5图像识别模型能够很好的解决现存监测手段及图像处理手段中存在的识别精度低,检测速度慢,制作成本,易受周围环境影响高等问题。使用yolo v5探测模型对火灾数据集进行多重迁移学习得到yolo v5初期火灾检测模型,利用开源数据集进行实验的检测和分析同时进行实地考察实践以确定检测的准确性。基于yolo v5的图像识别模型搭配树莓派4b+等硬件,进行相应的实验以确保此火灾检测***的实用性和准确性。具有非常好的应用前景。
附图说明
图1是本发明的无人机森林火灾检测***的结构图;
图2是本发明中Backbone结构特征图变化过程。
具体实施方式
下面将结合附图对本发明作进一步说明。
请参阅图1,本发明的无人机森林火灾检测***,包括:无人机1、图像处理单元2、控制单元3、火灾报警器4、灭火装置5。
无人机1拍摄森林现场的图像,并传输给所述图像处理单元2;图像处理单元2对图像进行初期火灾目标检测,将检测结果发送给控制单元3。控制单元3判断检测结果是否发生火灾,若发生火灾,发送启动指令给火灾报警器4,火灾报警器4根据启动指令发出警报。灭火装置5接收启动指令,并根据启动指令启动,进行灭火。
图像处理单元2基于yolo v5建立初期火灾检测模型,通过初期火灾检测模型进行初期火灾目标检测,获取检测结果。具体地,图像处理单元2包括数据获取单元21、数据筛选单元22、数据预处理单元23和初期火灾目标探测模型生成单元24。
初期火灾可能存在没有烟雾的情况,且火焰面积较小,传统的火灾探测方法难以探测;并且初期火灾属于小样本数据集,类似环境下的初期火灾很难有较多的数据。
因此,数据获取单元21获取开源的火灾数据集。数据筛选单元22对火灾数据集中初期火灾数据进行标注,获得初期火灾数据集。初期火灾目标探测模型生成单元24根据获得的初期火灾数据集,并基于yolo v5生成初期火灾目标探测模型。数据预处理单元23对火灾数据集进行增强处理,获得增强后的火灾数据集。增强处理包括缩放处理、色彩空间调整处理和马赛克增强处理。
初期火灾目标探测模型生成单元24利用增强后的火灾数据集对初期火灾目标探测模型进行训练,获得最终的初期火灾目标探测模型;初期火灾目标探测模型生成单元24利用最终的初期火灾目标探测模型对图像进行初期火灾目标检测,获得检测结果。
Yolo V5 目标检测模型是基于卷积神经网络实现的深度学习网络,主要由Backbone(主干网络)、Neck(放在backbone和head之间的,是为了更好的利用backbone提取的特征)、Head (Head是获取网络输出内容的网络)三部分组成。Backbone 结构为跨阶段局部网络(CSPnet),由5个CSP(所谓的csp结构,目的就是进一步的特征融合)模块组成,共包括 72 层卷积核,为 3 × 3 的卷积层,用于提取特征。CSP模块将特征划分为两部分,再通过跨阶段层次结构将其合并,保证了准确率的同时减少了计算量,将 608 × 608 ×3的图像输入,经过 5 个 CSP 模块后会 输出 19 × 19 的特征图,如图 2 所示。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案也应该属于本发明的范畴,应由各权利要求所限定。
Claims (5)
1.一种无人机森林火灾检测***,其特征在于,包括:无人机、图像处理单元、控制单元和火灾报警器,其中,
所述无人机拍摄森林现场的图像,并传输给所述图像处理单元;
所述图像处理单元对图像进行初期火灾目标检测,将检测结果发送给所述控制单元;
所述控制单元判断检测结果是否发生火灾,若发生火灾,发送启动指令给所述火灾报警器,所述火灾报警器根据启动指令发出警报。
2.根据权利要求1所述的无人机森林火灾检测***,其特征在于,还包括灭火装置,所述灭火装置接收启动指令,并根据启动指令启动,进行灭火。
3. 根据权利要求1所述的无人机森林火灾检测***,其特征在于,所述图像处理单元基于yolo v5建立初期火灾检测模型,通过初期火灾检测模型进行初期火灾目标检测,获取检测结果。
4.根据权利要求3所述的无人机森林火灾检测***,其特征在于,所述图像处理单元包括:数据获取单元、数据筛选单元、数据预处理单元和初期火灾目标探测模型生成单元,其中,
所述数据获取单元获取开源的火灾数据集;
所述数据筛选单元对火灾数据集中初期火灾数据进行标注,获得初期火灾数据集;
所述初期火灾目标探测模型生成单元根据获得的初期火灾数据集,并基于yolo v5生成初期火灾目标探测模型;
所述数据预处理单元对火灾数据集进行增强处理,获得增强后的火灾数据集;
所述初期火灾目标探测模型生成单元利用增强后的火灾数据集对初期火灾目标探测模型进行训练,获得最终的初期火灾目标探测模型;
所述初期火灾目标探测模型生成单元利用最终的初期火灾目标探测模型对图像进行初期火灾目标检测,获得检测结果。
5.根据权利要求4所述的无人机森林火灾检测***,其特征在于,所述的增强处理包括缩放处理、色彩空间调整处理和马赛克增强处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433843.7A CN114037910A (zh) | 2021-11-29 | 2021-11-29 | 一种无人机森林火灾检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433843.7A CN114037910A (zh) | 2021-11-29 | 2021-11-29 | 一种无人机森林火灾检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037910A true CN114037910A (zh) | 2022-02-11 |
Family
ID=80139169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111433843.7A Pending CN114037910A (zh) | 2021-11-29 | 2021-11-29 | 一种无人机森林火灾检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037910A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223324A (zh) * | 2022-06-16 | 2022-10-21 | 中电云数智科技有限公司 | 一种烟雾实时监控方法及*** |
CN117523499A (zh) * | 2023-12-29 | 2024-02-06 | 广东邦盛北斗科技股份公司 | 基于北斗定位与感知的森林防火监测方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416963A (zh) * | 2018-05-04 | 2018-08-17 | 湖北民族学院 | 基于深度学习的森林火灾预警方法及*** |
CN110147758A (zh) * | 2019-05-17 | 2019-08-20 | 电子科技大学成都学院 | 一种基于深度学习的森林防火方法 |
CN111932812A (zh) * | 2020-07-28 | 2020-11-13 | 东北林业大学 | 一种基于无人机的智能森林防火*** |
US20210073692A1 (en) * | 2016-06-12 | 2021-03-11 | Green Grid Inc. | Method and system for utility infrastructure condition monitoring, detection and response |
CN112906481A (zh) * | 2021-01-23 | 2021-06-04 | 招商新智科技有限公司 | 一种基于无人机实现森林火情检测的方法 |
CN113435373A (zh) * | 2021-07-05 | 2021-09-24 | 西安科技大学 | 一种矿井火灾视频图像智能识别装置及方法 |
CN113657233A (zh) * | 2021-08-10 | 2021-11-16 | 东华大学 | 一种基于计算机视觉的无人机森林火灾烟雾探测方法 |
-
2021
- 2021-11-29 CN CN202111433843.7A patent/CN114037910A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210073692A1 (en) * | 2016-06-12 | 2021-03-11 | Green Grid Inc. | Method and system for utility infrastructure condition monitoring, detection and response |
CN108416963A (zh) * | 2018-05-04 | 2018-08-17 | 湖北民族学院 | 基于深度学习的森林火灾预警方法及*** |
CN110147758A (zh) * | 2019-05-17 | 2019-08-20 | 电子科技大学成都学院 | 一种基于深度学习的森林防火方法 |
CN111932812A (zh) * | 2020-07-28 | 2020-11-13 | 东北林业大学 | 一种基于无人机的智能森林防火*** |
CN112906481A (zh) * | 2021-01-23 | 2021-06-04 | 招商新智科技有限公司 | 一种基于无人机实现森林火情检测的方法 |
CN113435373A (zh) * | 2021-07-05 | 2021-09-24 | 西安科技大学 | 一种矿井火灾视频图像智能识别装置及方法 |
CN113657233A (zh) * | 2021-08-10 | 2021-11-16 | 东华大学 | 一种基于计算机视觉的无人机森林火灾烟雾探测方法 |
Non-Patent Citations (1)
Title |
---|
任锴;陈俊;叶宇煌;陈琪;: "基于SSD-MobileNet的火情检测预警***", 电气开关, vol. 58, no. 01, 15 February 2020 (2020-02-15), pages 34 - 38 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223324A (zh) * | 2022-06-16 | 2022-10-21 | 中电云数智科技有限公司 | 一种烟雾实时监控方法及*** |
CN117523499A (zh) * | 2023-12-29 | 2024-02-06 | 广东邦盛北斗科技股份公司 | 基于北斗定位与感知的森林防火监测方法及*** |
CN117523499B (zh) * | 2023-12-29 | 2024-03-26 | 广东邦盛北斗科技股份公司 | 基于北斗定位与感知的森林防火监测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112435207B (zh) | 一种基于天空地一体化的森林火灾监测预警方法 | |
CN106356757B (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN104966372B (zh) | 多数据融合的森林火灾智能识别***和方法 | |
CN104834920A (zh) | 一种无人机多光谱图像的智能林火识别方法及装置 | |
CN110673628B (zh) | 一种复合翼无人机油气管线巡检方法 | |
CN107728136A (zh) | 一种机场跑道异物监测和清除引导***及方法 | |
CN108957240A (zh) | 电网故障远程定位方法及*** | |
CN106335646A (zh) | 一种干扰式反无人机*** | |
CN202094531U (zh) | 适合于无人飞行器的输电线路巡检装置 | |
CN114037910A (zh) | 一种无人机森林火灾检测*** | |
CN114419825B (zh) | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 | |
CN109919058A (zh) | 一种基于Yolo V3的多源视频影像重点目标快速检测方法 | |
CN107977018A (zh) | 基于双目立体视觉和无人机的秸秆焚烧监测方法 | |
CN106297142A (zh) | 一种无人机山火勘探控制方法及*** | |
CN102255259A (zh) | 适合于无人飞行器的输电线路巡检装置 | |
CN111899452A (zh) | 基于边缘计算的森林防火预警*** | |
CN112216052A (zh) | 森林防火监测预警方法和装置及设备、存储介质 | |
CN103400463B (zh) | 一种基于二维图像的林火定位方法和装置 | |
CN112509265A (zh) | 一种基于多源遥感大数据融合的森林火灾监测方法 | |
CN106910311A (zh) | 一种电网山火实时广域同步卫星监测方法及监测*** | |
CN110334660A (zh) | 一种雾天条件下基于机器视觉的森林火灾监测方法 | |
CN109035665A (zh) | 一种新型森林火灾预警***及火灾预警方法 | |
CN109241902A (zh) | 一种基于多尺度特征融合的山体滑坡检测方法 | |
CN104715556A (zh) | 基于空中航拍的火情报警方法 | |
CN108682105A (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 |
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 |