CN116153016B - 一种多传感器融合森林火灾实时监测与预警装置及其方法 - Google Patents
一种多传感器融合森林火灾实时监测与预警装置及其方法 Download PDFInfo
- Publication number
- CN116153016B CN116153016B CN202310436213.8A CN202310436213A CN116153016B CN 116153016 B CN116153016 B CN 116153016B CN 202310436213 A CN202310436213 A CN 202310436213A CN 116153016 B CN116153016 B CN 116153016B
- Authority
- CN
- China
- Prior art keywords
- image
- assembly
- real
- target area
- thermal imaging
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 title claims abstract description 33
- 238000001931 thermography Methods 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 230000005856 abnormality Effects 0.000 claims abstract description 22
- 230000005855 radiation Effects 0.000 claims description 44
- 239000007789 gas Substances 0.000 claims description 28
- 230000004907 flux Effects 0.000 claims description 26
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 24
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 13
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 13
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 12
- 239000001569 carbon dioxide Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000031700 light absorption Effects 0.000 claims description 6
- 238000002835 absorbance Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000009965 odorless effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Power Engineering (AREA)
- Fire-Detection Mechanisms (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种多传感器融合森林火灾实时监测与预警装置及其方法，装置包括：部署在待监测森林区域的热成像组件、图像采集组件和空气检测组件；部署在监测站的处理模块；方法包括：S1、通过热成像组件和图像采集组件判断森林区域是否存在异常；S2、通过空气检测组件判定森林区域是否存在异常；S3、若S1存在异常或S2存在异常，则输出低风险警报；若S1存在异常且S2存在异常，则输出高风险警报；本发明采用了热成像组件、图像采集组件和空气检测组件三种不同的传感器进行监测，并进行了多传感器融合，可以互相验证、相互协作，提高检测的准确性和可靠性。
Description
技术领域
本发明涉及物联网监测领域，具体涉及一种多传感器融合森林火灾实时监测与预警装置及其方法。
背景技术
森林火灾是一种常见的自然灾害，容易给人类社会造成巨大的财产损失和人员伤亡，因此必须及时扑灭，而扑灭火灾最好的时间便是在火灾初期，因此针对森林进行火灾监控便非常重要。
现有的森林火灾检测一般采用人工巡检或者无人机巡检，存在效率低、范围有限、无法覆盖全面等问题，不能满足大规模的监测需求，特别是在夜间和复杂环境下的监测效果较差。
现有的采用较多的还有热成像技术：热成像技术是一种通过红外线成像仪对物体表面的温度分布进行检测和成像的技术，可以用于森林火灾的实时监测和预警。但是热成像技术在复杂的背景下（如有树枝、叶子等遮挡）可能存在缺陷，难以准确判断目标是否为火灾。
发明内容
本发明所要解决的技术问题是对森林火灾的检测不及时或不准确，目的在于提供一种多传感器融合森林火灾实时监测与预警装置及其方法，能够及时发现森林火灾，并在火灾初期发出预警。
本发明通过下述技术方案实现：
第一方面，一种多传感器融合森林火灾实时监测与预警装置，包括：部署在待监测森林区域的热成像组件、图像采集组件和空气检测组件；部署在监测站的处理模块；
所述热成像组件、所述图像采集组件和所述空气检测组件通过无线通信技术与所述处理模块通信连接；
所述热成像组件、所述图像采集组件和所述空气检测组件均连接有供电组件，所述供电组件包括：蓄电池、太阳能组件和/或风能组件，所述太阳能组件与所述蓄电池电连接，所述风能组件与所述蓄电池电连接，所述蓄电池与所述热成像组件、所述图像采集组件和所述空气检测组件电连接，且所述蓄电池为所述热成像组件、所述图像采集组件和所述空气检测组件供电。
具体地，所述热成像组件和所述图像采集组件均设置在摄像机内，所述摄像机部署在森林区域内，所述摄像机配置有可见光通道和红外通道；
所述空气检测组件包括氧气检测组件、一氧化碳检测组件、二氧化碳检测组件，其部署在森林区域内。
第二方面，一种多传感器融合森林火灾实时监测与预警方法，基于如上所述的一种多传感器融合森林火灾实时监测与预警装置，所述方法包括：
S1、通过热成像组件和图像采集组件判断森林区域是否存在异常；
S2、通过空气检测组件判定森林区域是否存在异常；
S3、若S1存在异常或S2存在异常，则输出低风险警报；若S1存在异常且S2存在异常，则输出高风险警报。
具体地，步骤S1具体包括：
S11、通过热成像组件对森林区域进行实时监控，并获取目标区域；
S12、计算目标区域的热辐射通量，同时设定第一阈值和第二阈值，所述第一阈值为正常热辐射通量阈值，所述第二阈值为火灾热辐射通量阈值；
S13、若目标区域的热辐射通量大于第二阈值，则判定目标区域存在异常；若目标区域的热辐射通量位于第一阈值和第二阈值之间，则判定目标区域为待定状态；若目标区域的热辐射通量小于第一阈值，则判定目标区域正常；
S14、若目标区域为待定状态，则启动图像采集组件，并通过图像采集组件采集目标区域的实时图像；通过热成像组件获取目标区域的红外图像；
S15、融合实时图像和红外图像，并输出融合后的待判断图像，并通过人工对待判断图像进行判断确定是否存在异常。
进一步，进行步骤S15后，输出需要进行人工判断的预警信号；
S16、若进行了人工判断，则根据人工判断结果确定是否存在异常；若在设定时间内未进行人工判断，则确定为存在异常。
具体地，步骤S11的具体方法包括：
通过热成像组件获取红外图像，并提取红外图像中的感兴趣区域，所述感兴趣区域为温度异常区域；
对感兴趣区域进行灰度化获得灰度图像，I=0.299G+0.587R+0.114B，其中I为灰度值，R、G、B分别为RGB三个通道的像素值；
设定二值化阈值，将灰度图像二值化获得二值图像，并对二值图像进行形态学处理获得处理图像；
获取所有连通区域，所述连通区域为连通的前景像素区域；
计算连通区域对应的几何属性和灰度属性，并根据先验知识设定筛选条件；
将满足筛选条件的标记为目标区域，不满足筛选条件的标记为非目标区域。
具体地，步骤S12中，目标区域的热辐射通量的计算方法包括：
获取目标区域的灰度图像；
计算目标区域的平均灰度值：/>，其中，N为目标区域中像素点的数量，/>为第i个像素点的灰度值；
确定热成像组件的放大系数和偏移系数/>，并计算目标区域的开尔文温度T：/>，其中，/>为辐射强度，/>为目标区域表面发射率，/>为普朗克辐射常数，/>为普朗克位移常数；
获取目标区域的热辐射通量Q，，其中/>为斯特凡-玻尔兹曼常数，S为目标区域的总面积。
具体地，步骤S15中融合图像的获取方法包括：
S151、获取目标区域的红外图像和实时图像，并对红外图像和实时图像进行灰度化；确定红外图像的平均灰度值和实时图像的平均灰度值/>；
S152、对红外图像和实时图像分别进行变换：
对图像进行非子采样小波变换，将图像分解为低频子带和高频子带；
对高频子带执行非二次采样定向滤波器组，获得多个具有不同方向特征的高频子带；
S153、对红外图像的低频子带和实时图像的低频子带进行低频融合：，其中，/>为融合后的低频子带，/>为红外图像的低频子带，/>为实时图像的低频子带，/>为拉普拉斯卷积核；
S154、对红外图像的高频子带和实时图像的高频子带进行高频融合：，/>，/>；
其中，为融合后的高频子带，/>为实时图像中第i个像素点的灰度值，/>为红外图像中第i个像素点的灰度值，/>为实时图像中第i个像素点的像素清晰度，为红外图像中第i个像素点的像素清晰度；
S155、执行步骤S152的反变换，将和/>融合后获得待判断图像。
可选地，步骤S2中使用的空气检测组件包括：激光发生器、激光接收器和空气腔，所述激光发生器和所述激光接收器分别设置在所述空气腔的两侧，所述激光发生器的射出激光穿过所述空气腔被所述激光接收器接收；
所述激光发生器和所述激光接收器均与处理模块电连接，所述处理模块用于调节激光发生器的激光波长、发射强度。
具体地，步骤S2的具体步骤包括：
通过激光发生器确定激光的入射强度；通过激光接收器确定激光的透射强度；
获得吸光度，获得待检测气体的吸光系数K；
计算获得被测气体的浓度，，其中L为空气腔内的吸光光程；
设定浓度阈值，通过浓度阈值与被测气体浓度之间的关系判定是否正常。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明采用了热成像组件、图像采集组件和空气检测组件三种不同的传感器进行监测，并进行了多传感器融合，可以互相验证、相互协作，提高检测的准确性和可靠性。
采用了无线通信技术，实现了传感器与处理模块之间的无线数据传输，实现远程监测和控制，方便快捷。
本方案采用了蓄电池、太阳能组件和/或风能组件等绿色能源供电，具有环保节能的优点，且可以保证传感器的长时间稳定工作。
本方案可以实现对森林火灾的实时监测和预警，能够及时发现异常情况并作出相应的响应，从而有效地避免和减少火灾的发生和扩散。
附图说明
附图示出了本发明的示例性实施方式，并与其说明一起用于解释本发明的原理，其中包括了这些附图以提供对本发明的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分，并不构成对本发明实施例的限定。
图1是根据本发明所述一种多传感器融合森林火灾实时监测与预警方法的流程示意图。
图2是根据本发明所述的实施例三的流程示意图。
实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分。
在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本发明。
实施例一
一种多传感器融合森林火灾实时监测与预警装置，包括：部署在待监测森林区域的热成像组件、图像采集组件和空气检测组件；部署在监测站的处理模块；
热成像组件和图像采集组件均设置在摄像机内，摄像机部署在森林区域内，即摄像机配置有可见光通道和红外通道；摄像机和空气检测组件通过无线通信技术与处理模块通信连接；
热成像组件负责捕捉红外热图像，可以检测到发生火灾时的温度异常。图像采集组件则负责捕捉实时图像，提供现场的实际画面，可以人为的判断是否异常。空气检测组件通过检测空气中的某些气体浓度（例如一氧化碳和二氧化碳）来评估火灾发生的可能性。
热成像组件、图像采集组件和空气检测组件均连接有供电组件，供电组件包括：蓄电池、太阳能组件和/或风能组件，太阳能组件与蓄电池电连接，风能组件与蓄电池电连接，蓄电池与热成像组件、图像采集组件和空气检测组件电连接，且蓄电池为热成像组件、图像采集组件和空气检测组件供电。
为了给这些传感器组件提供电力，它们都连接有供电组件。供电组件包括蓄电池、太阳能组件和/或风能组件。太阳能组件和风能组件分别通过太阳能和风能为蓄电池充电，然后蓄电池为热成像组件、图像采集组件和空气检测组件提供电力。这样，即使在没有电网接入的偏远森林区域，监测***也能持续稳定地运行。
热成像组件可以更广泛地监测森林的温度情况，通过捕捉红外辐射来检测温度，当森林中的某个区域的温度异常升高时，热成像组件可以迅速发现并报告给处理模块。
图像采集组件负责捕捉实时图像，它们可以实时获取森林的实景图像。当处理模块接收到热成像组件的异常报告时，摄像头可以提供现场画面，辅助判断是否发生了火灾。
空气检测组件包括氧气检测组件、一氧化碳检测组件、二氧化碳检测组件，其部署在森林区域内。这些组件通过测量森林中的气体浓度来评估火灾发生的可能性。在火灾过程中，氧气会被消耗，一氧化碳和二氧化碳浓度会显著增加。通过监测这些气体浓度的变化，空气检测组件可以发现火灾并向处理模块发送警报。
通过结合这三个组件的数据，处理模块可以更准确地判断火灾发生的概率。在实际应用中，还可以根据不同森林区域的特点，调整这些组件的部署和数量，以达到更优的监测效果。同时，可以考虑将其他传感器（如湿度传感器、风速传感器等）纳入监测***，进一步提高火灾预警的准确性和及时性。
实施例二
一种多传感器融合森林火灾实时监测与预警方法，基于如上的一种多传感器融合森林火灾实时监测与预警装置，如图1所示，方法包括：
S1、通过热成像组件和图像采集组件判断森林区域是否存在异常；热成像组件负责捕捉红外辐射，监测森林区域的温度变化。图像采集组件则负责获取实时图像，展示森林实景。两者协同工作，共同判断森林区域是否存在异常，如火灾发生的迹象。
S2、通过空气检测组件判定森林区域是否存在异常；空气检测组件测量森林区域内氧气、一氧化碳和二氧化碳的浓度。当火灾发生时，氧气消耗增加，一氧化碳和二氧化碳浓度上升。通过监测这些气体浓度的变化，可以判断森林区域是否存在异常。
S3、若S1存在异常或S2存在异常，说明有一定的火灾风险，则输出低风险警报；若S1存在异常且S2存在异常，说明火灾风险较高，则输出高风险警报。
通过这种多传感器融合的方法，可以更准确地判断森林火灾发生的概率，并根据风险程度输出相应的警报，有助于森林火灾的及时发现和扑灭。
实施例三
本实施例对实施例二中的步骤S1进行具体的说明，如图2所示，具体步骤包括：
S11、通过热成像组件对森林区域进行实时监控，并获取目标区域；热成像组件负责捕捉红外辐射，实时监控森林区域，并根据红外辐射获取可能存在异常的目标区域。热成像组件利用红外热像仪捕捉目标区域的红外辐射。这使得***能够在不受光照条件影响的情况下实时监测森林区域，如夜间或浓雾天气。获取目标区域的目的是确定可能存在火灾风险的区域，从而将有限的资源集中在关键区域。
S12、计算目标区域的热辐射通量，热辐射通量是目标区域内热能的传输速率，同时设定第一阈值和第二阈值，第一阈值为正常热辐射通量阈值，第二阈值为火灾热辐射通量阈值；通过计算热辐射通量，可以评估目标区域的温度变化和火灾风险。设定第一阈值和第二阈值有助于确定目标区域的状态，从而避免误报和漏报。
S13、若目标区域的热辐射通量大于第二阈值，则判定目标区域存在异常；若目标区域的热辐射通量位于第一阈值和第二阈值之间，则判定目标区域为待定状态；若目标区域的热辐射通量小于第一阈值，则判定目标区域正常；
S14、若目标区域为待定状态，则启动图像采集组件，并通过图像采集组件采集目标区域的实时图像；通过热成像组件获取目标区域的红外图像；在目标区域状态不确定的情况下，启动图像采集组件采集实时图像，这有助于提供更多信息以便更准确地判断目标区域的状态。结合红外图像和实时图像可以有效降低误报率，减少不必要的警报。
S15、融合实时图像和红外图像，并输出融合后的待判断图像，并通过人工对待判断图像进行判断确定是否存在异常。在目标区域状态不确定的情况下，启动图像采集组件采集实时图像，这有助于提供更多信息以便更准确地判断目标区域的状态。结合红外图像和实时图像可以有效降低误报率，减少不必要的警报。
进行步骤S15后，输出需要进行人工判断的预警信号；意味着，如果在经过多传感器融合后，***仍无法确定目标区域是否存在火灾，那么就需要人工干预，以作出更准确的判断。
S16、若进行了人工判断，则根据人工判断结果确定是否存在异常；若在设定时间内未进行人工判断，则确定为存在异常。
当接收到预警信号后，人工判断员会根据实际情况分析融合后的待判断图像。人工判断员可以是监测站的工作人员，或者是其他相关部门的专业人士，他们具有丰富的实践经验和火灾识别能力。在进行人工判断后，他们会作出判断结果，并将这个结果返回给处理模块。处理模块会根据人工判断的结果来确定是否存在异常，即是否发生火灾。
在实际操作中，人工判断可能会受到时间和人力资源的限制。为了确保在紧急情况下能够尽快作出响应，***设定了一个时间阈值。如果在设定时间内未进行人工判断，处理模块将默认目标区域存在异常。这样做的目的是为了防止因为人工判断的延误导致火灾扩散，尽早采取应对措施。当然，在实际应用中，设定时间阈值的具体数值需要根据实际情况和需求进行调整。
下面对步骤S11的具体方法进行说明，方法包括：
S111、通过热成像组件获取红外图像，并提取红外图像中的感兴趣区域，感兴趣区域为温度异常区域；
S112、对感兴趣区域进行灰度化获得灰度图像，I=0.299G+0.587R+0.114B，其中I为灰度值，R、G、B分别为RGB三个通道的像素值；
S113、设定二值化阈值，将灰度图像二值化获得二值图像，并对二值图像进行形态学处理获得处理图像；通过设定一个适当的阈值，我们可以将灰度图像转换为只包含黑白两种像素值的二值图像。接着，对二值图像进行形态学处理，如腐蚀、膨胀、开运算和闭运算等，以去除噪声和平滑目标边缘。
S114、获取所有连通区域，连通区域为连通的前景像素区域；连通区域是指在二值图像中，具有相同像素值（例如前景像素，值通常为1或255）并且在空间上相互连接的像素集合。在这里，前景像素通常表示温度较高的区域，可能是火源。
a、遍历二值图像的每个像素。
b、当找到一个前景像素时（例如值为1或255），从该像素开始进行连通区域搜索。可以使用深度优先搜索（DFS）或广度优先搜索（BFS）算法来查找与当前像素相邻的所有前景像素。相邻的定义可以是4邻域（上、下、左、右）或8邻域（包括对角线方向）。
c、将找到的相邻前景像素归为一个连通区域，并将它们从原始图像中移除或标记为已访问。
d、继续遍历二值图像，重复步骤b和c，直到所有像素都被访问过。
S115、计算连通区域对应的几何属性和灰度属性，并根据先验知识设定筛选条件；对于每个连通区域，我们计算其几何属性（如面积、周长等）和灰度属性（如灰度均值、灰度方差等）。根据已知的火灾特征和先验知识，我们设定一系列筛选条件，以进一步区分目标区域和非目标区域。
S116、将满足筛选条件的标记为目标区域，不满足筛选条件的标记为非目标区域。满足筛选条件的连通区域被认为是潜在的火源，标记为目标区域。这些目标区域需要进一步分析和监测。不满足筛选条件的连通区域被认为是正常的，无需特别关注，标记为非目标区域。
对于步骤S12中，目标区域的热辐射通量的计算方法包括：
S121、获取目标区域的灰度图像。
S122、计算目标区域的平均灰度值：/>，其中，N为目标区域中像素点的数量，/>为第i个像素点的灰度值；在热成像组件获取的红外图像中，每个像素点的灰度值表示热辐射强度的相对大小。灰度值越高，表示该像素点的热辐射强度越大，温度也相对较高。
S123、确定热成像组件的放大系数和偏移系数/>，并计算目标区域的开尔文温度T：/>，其中，/>为辐射强度，/>为目标区域表面发射率，/>为普朗克辐射常数，/>为普朗克位移常数；
热成像仪的放大系数和偏移系数是根据热成像仪的特性和校准数据得到的两个参数。它们用于将灰度值转换为实际的辐射强度。
辐射强度表示物体表面发出的热辐射能量。通过放大系数和偏移系数，可以将灰度值转换为辐射强度。
S124、获取目标区域的热辐射通量Q，，其中/>为斯特凡-玻尔兹曼常数，S为目标区域的总面积。
对于步骤S15中融合图像的获取方法包括：
S151、获取目标区域的红外图像和实时图像，并对红外图像和实时图像进行灰度化；确定红外图像的平均灰度值和实时图像的平均灰度值/>；
S152、对红外图像和实时图像分别进行变换：
对图像进行非子采样小波变换，将图像分解为低频子带（包含图像的粗略信息）和高频子带（包含图像的细节信息）；低频子带包含图像的大部分能量，代表图像的整体结构信息；高频子带包含图像的细节信息，如边缘和纹理等。
对高频子带执行非二次采样定向滤波器组，获得多个具有不同方向特征的高频子带；可以分析和保留图像中不同方向的细节信息。
S153、对红外图像的低频子带和实时图像的低频子带进行低频融合：，其中，/>为融合后的低频子带，/>为红外图像的低频子带，/>为实时图像的低频子带，/>为拉普拉斯卷积核；将两个图像的整体结构信息进行融合，以便在融合后的图像中同时体现红外图像和实时图像的基本形态。使得融合后的图像既具有红外图像的热辐射信息，又具有实时图像的可见光信息。
S154、对红外图像的高频子带和实时图像的高频子带进行高频融合：，/>，/>；
其中，为融合后的高频子带，/>为实时图像中第i个像素点的灰度值，/>为红外图像中第i个像素点的灰度值，/>为实时图像中第i个像素点的像素清晰度，为红外图像中第i个像素点的像素清晰度；
将两个图像的细节信息进行融合，以便在融合后的图像中同时体现红外图像和实时图像的边缘和纹理等特征。
S155、执行步骤S152的反变换，将和/>融合后获得待判断图像。将低频子带和高频子带融合后，再通过反变换恢复成原始图像的空间分辨率。这样就可以获得待判断图像，其中包含了红外图像和实时图像的融合信息。
实施例四
步骤S2中使用的空气检测组件包括：激光发生器、激光接收器和空气腔，激光发生器和激光接收器分别设置在空气腔的两侧，激光发生器的射出激光穿过空气腔被激光接收器接收；
激光发生器和激光接收器均与处理模块电连接，处理模块用于调节激光发生器的激光波长、发射强度。
激光发生器负责发射激光，这些激光在特定的波长和发射强度下能够穿透空气腔内的气体。当激光穿过空气腔时，其中的气体会对激光产生吸收作用，从而改变激光的强度。激光接收器位于空气腔的另一侧，用于接收穿过空气腔的激光。
处理模块与激光发生器和激光接收器电连接。它负责调节激光发生器的激光波长和发射强度，以便在不同的测量条件下获得最佳的检测效果。通过测量激光在穿过空气腔后的强度变化，处理模块可以计算出空气腔内各种气体的浓度，进而判断森林区域内是否存在异常气体成分。
步骤S2的具体步骤包括：
通过激光发生器确定激光的入射强度；激光发生器发出一束激光，其入射强度表示激光射入空气腔之前的初始强度。
通过激光接收器确定激光的透射强度；激光在穿过空气腔内的气体后，其强度会因为气体的吸收而发生变化。激光接收器测量经过气体吸收后的激光强度，即透射强度。
获得吸光度，获得待检测气体的吸光系数K；吸光系数（K）是一个特定气体在特定波长下的物理参数，表示该气体对光的吸收能力，吸光系数可以从文献资料或实验测量中获得。
计算获得被测气体的浓度，，其中L为空气腔内的吸光光程。
在计算被测气体浓度后，将其与预先设定的浓度阈值进行比较。这个阈值通常是根据气体的安全标准或环境要求来设定的。通过比较浓度阈值和被测气体浓度，我们可以判断森林区域内的气体状态是否正常，从而评估火灾风险。
一氧化碳（CO）：一氧化碳是一种无色无味的有毒气体，火灾过程中会产生大量的一氧化碳。通常，如果空气中的一氧化碳浓度超过50ppm（即50毫克/立方米），就可能存在火灾隐患。
二氧化碳（CO2）：二氧化碳是一种无色无味的气体，在正常情况下，空气中的二氧化碳浓度约为400ppm。火灾过程中，二氧化碳的浓度会显著上升。通常，如果空气中的二氧化碳浓度超过1000ppm，可能存在火灾隐患。
氧气（O2）：氧气是空气中的主要成分之一，正常情况下，空气中的氧气浓度约为20.9%。火灾过程中，氧气的浓度会降低。通常，如果空气中的氧气浓度低于19.5%，可能存在火灾隐患。
实施例五
一种多传感器融合森林火灾实时监测与预警终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种天线接口单元测试方法的步骤。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的执行程序等。
存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件、或其他易失性固态存储器件。
一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种多传感器融合森林火灾实时监测与预警方法的步骤。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令数据结构,程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储技术,CD-ROM、DVD或其他光学存储﹑磁带盒﹑磁带﹑磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的***存储器和大容量存储设备可以统称为存储器。
在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本发明，而并非是对本发明的范围进行限定。对于所属领域的技术人员而言，在上述发明的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本发明的范围内。
Claims (8)
1.一种多传感器融合森林火灾实时监测与预警方法，其特征在于，基于一种多传感器融合森林火灾实时监测与预警装置，所述装置包括：部署在待监测森林区域的热成像组件、图像采集组件和空气检测组件；部署在监测站的处理模块；
所述热成像组件、所述图像采集组件和所述空气检测组件通过无线通信技术与所述处理模块通信连接；
所述热成像组件、所述图像采集组件和所述空气检测组件均连接有供电组件，所述供电组件包括：蓄电池、太阳能组件和/或风能组件，所述太阳能组件与所述蓄电池电连接，所述风能组件与所述蓄电池电连接，所述蓄电池与所述热成像组件、所述图像采集组件和所述空气检测组件电连接，且所述蓄电池为所述热成像组件、所述图像采集组件和所述空气检测组件供电；
所述方法包括：
S1、通过热成像组件和图像采集组件判断森林区域是否存在异常；
S2、通过空气检测组件判定森林区域是否存在异常；
S3、若S1存在异常或S2存在异常，则输出低风险警报；若S1存在异常且S2存在异常，则输出高风险警报；
其中，步骤S1具体包括：
S11、通过热成像组件对森林区域进行实时监控，并获取目标区域；
S12、计算目标区域的热辐射通量，同时设定第一阈值和第二阈值，所述第一阈值为正常热辐射通量阈值，所述第二阈值为火灾热辐射通量阈值；
S13、若目标区域的热辐射通量大于第二阈值，则判定目标区域存在异常；若目标区域的热辐射通量位于第一阈值和第二阈值之间，则判定目标区域为待定状态；若目标区域的热辐射通量小于第一阈值，则判定目标区域正常；
S14、若目标区域为待定状态，则启动图像采集组件，并通过图像采集组件采集目标区域的实时图像；通过热成像组件获取目标区域的红外图像；
S15、融合实时图像和红外图像，并输出融合后的待判断图像，并通过人工对待判断图像进行判断确定是否存在异常。
2.根据权利要求1所述的一种多传感器融合森林火灾实时监测与预警方法，其特征在于，进行步骤S15后，输出需要进行人工判断的预警信号；
S16、若进行了人工判断，则根据人工判断结果确定是否存在异常；若在设定时间内未进行人工判断，则确定为存在异常。
3.根据权利要求1所述的一种多传感器融合森林火灾实时监测与预警方法，其特征在于，步骤S11的具体方法包括：
通过热成像组件获取红外图像，并提取红外图像中的感兴趣区域，所述感兴趣区域为温度异常区域；
对感兴趣区域进行灰度化获得灰度图像，I=0.299G+0.587R+0.114B，其中I为灰度值，R、G、B分别为RGB三个通道的像素值；
设定二值化阈值，将灰度图像二值化获得二值图像，并对二值图像进行形态学处理获得处理图像；
获取所有连通区域，所述连通区域为连通的前景像素区域；
计算连通区域对应的几何属性和灰度属性，并根据先验知识设定筛选条件；
将满足筛选条件的标记为目标区域，不满足筛选条件的标记为非目标区域。
4.根据权利要求3所述的一种多传感器融合森林火灾实时监测与预警方法，其特征在于，步骤S12中，目标区域的热辐射通量的计算方法包括：
获取目标区域的灰度图像；
计算目标区域的平均灰度值：/>，其中，N为目标区域中像素点的数量，/>为第i个像素点的灰度值；
确定热成像组件的放大系数和偏移系数/>，并计算目标区域的开尔文温度T：，其中，/>为辐射强度，/>为目标区域表面发射率，/>为普朗克辐射常数，/>为普朗克位移常数；
获取目标区域的热辐射通量Q，，其中/>为斯特凡-玻尔兹曼常数，S为目标区域的总面积。
5.根据权利要求1所述的一种多传感器融合森林火灾实时监测与预警方法，其特征在于，步骤S15中融合图像的获取方法包括：
S151、获取目标区域的红外图像和实时图像，并对红外图像和实时图像进行灰度化；确定红外图像的平均灰度值和实时图像的平均灰度值/>；
S152、对红外图像和实时图像分别进行变换：
对图像进行非子采样小波变换，将图像分解为低频子带和高频子带；
对高频子带执行非二次采样定向滤波器组，获得多个具有不同方向特征的高频子带；
S153、对红外图像的低频子带和实时图像的低频子带进行低频融合：，其中，/>为融合后的低频子带，/>为红外图像的低频子带，/>为实时图像的低频子带，/>为拉普拉斯卷积核；
S154、对红外图像的高频子带和实时图像的高频子带进行高频融合：，/>，/>；
其中，为融合后的高频子带，/>为实时图像中第i个像素点的灰度值，/>为红外图像中第i个像素点的灰度值，/>为实时图像中第i个像素点的像素清晰度，/>为红外图像中第i个像素点的像素清晰度；
S155、执行步骤S152的反变换，将和/>融合后获得待判断图像。
6.根据权利要求1所述的一种多传感器融合森林火灾实时监测与预警方法，其特征在于，步骤S2中使用的空气检测组件包括：激光发生器、激光接收器和空气腔，所述激光发生器和所述激光接收器分别设置在所述空气腔的两侧，所述激光发生器的射出激光穿过所述空气腔被所述激光接收器接收；
所述激光发生器和所述激光接收器均与处理模块电连接，所述处理模块用于调节激光发生器的激光波长、发射强度。
7.根据权利要求6所述的一种多传感器融合森林火灾实时监测与预警方法，其特征在于，步骤S2的具体步骤包括：
通过激光发生器确定激光的入射强度；通过激光接收器确定激光的透射强度/>；
获得吸光度，获得待检测气体的吸光系数K；
计算获得被测气体的浓度，，其中L为空气腔内的吸光光程；
设定浓度阈值，通过浓度阈值与被测气体浓度之间的关系判定是否正常。
8.根据权利要求1所述的一种多传感器融合森林火灾实时监测与预警方法，其特征在于，所述热成像组件和所述图像采集组件均设置在摄像机内，所述摄像机部署在森林区域内，所述摄像机配置有可见光通道和红外通道；
所述空气检测组件包括氧气检测组件、一氧化碳检测组件、二氧化碳检测组件，其部署在森林区域内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310436213.8A CN116153016B (zh) | 2023-04-23 | 2023-04-23 | 一种多传感器融合森林火灾实时监测与预警装置及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310436213.8A CN116153016B (zh) | 2023-04-23 | 2023-04-23 | 一种多传感器融合森林火灾实时监测与预警装置及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116153016A CN116153016A (zh) | 2023-05-23 |
| CN116153016B true CN116153016B (zh) | 2023-07-28 |
Family
ID=86374027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310436213.8A Active CN116153016B (zh) | 2023-04-23 | 2023-04-23 | 一种多传感器融合森林火灾实时监测与预警装置及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116153016B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116433035B (zh) * | 2023-06-13 | 2023-09-15 | 中科数创(临沂)数字科技有限公司 | 一种基于人工智能的建筑电气火灾风险评估预测方法 |
| CN117250319B (zh) * | 2023-11-14 | 2024-03-01 | 北京中科航星科技有限公司 | 一种多气体环境无人机监测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108378450A (zh) * | 2018-03-08 | 2018-08-10 | 公安部天津消防研究所 | 一种燃爆事故感知与风险预测预警智能消防头盔实现方法 |
| CN113808378A (zh) * | 2021-10-25 | 2021-12-17 | 应急管理部沈阳消防研究所 | 一种图像型感温火灾探测器抗热干扰性能试验装置及方法 |
| GB202117938D0 (en) * | 2021-08-07 | 2022-01-26 | Kelly Andrew Leslie | An intelligent, policy-based computational modelling method & system for building fires |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4023201A (en) * | 1976-04-26 | 1977-05-10 | Infrared Surveys, Incorporated | Infrared thermography for determining equipment temperatures in oil well fires |
| RU2276808C2 (ru) * | 2004-04-29 | 2006-05-20 | Закрытое акционерное общество "НПО Космического Приборостроения" | Устройство круглосуточного обнаружения и мониторинга развития очагов пожаров в регионе |
| US8493212B2 (en) * | 2007-06-15 | 2013-07-23 | Icore and Associates, LLC | Passive microwave system and method for protecting a structure from fire threats |
| CN102855726B (zh) * | 2012-08-25 | 2017-09-05 | 镇江市金舟船舶设备有限公司 | 可视化相阵火灾报警*** |
| US11298575B2 (en) * | 2018-04-10 | 2022-04-12 | Flashpoint Fire Equipment, Inc. | Systems and methods for training firefighters |
| CN110898351A (zh) * | 2018-09-18 | 2020-03-24 | 株洲中车时代电气股份有限公司 | 一种电气柜防火***及方法 |
| FR3087985B1 (fr) * | 2018-10-31 | 2023-12-15 | Univ De Corse P Paoli | Dispositif de caracterisation d'un incendie et procede associe de determination de flux radiatifs |
| US11521479B2 (en) * | 2020-05-08 | 2022-12-06 | Qualcomm Incorporated | Fire warning system and devices |
| CN113283276A (zh) * | 2020-12-30 | 2021-08-20 | 四川弘和通讯有限公司 | 一种联动热成像自学习火点检测方法及*** |
| CN113866112A (zh) * | 2021-09-27 | 2021-12-31 | 唐山市智明电子科技有限公司 | 一种便携式气体传感*** |
| CN114724337B (zh) * | 2022-03-31 | 2023-08-22 | 旭宇光电（深圳）股份有限公司 | 基于光伏电池供电的远程智能监测预警***及方法 |
| CN115762033B (zh) * | 2022-11-17 | 2024-04-26 | 湘潭大学 | 基于5g通信技术的森林火灾监测与响应*** |
-
2023
- 2023-04-23 CN CN202310436213.8A patent/CN116153016B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108378450A (zh) * | 2018-03-08 | 2018-08-10 | 公安部天津消防研究所 | 一种燃爆事故感知与风险预测预警智能消防头盔实现方法 |
| GB202117938D0 (en) * | 2021-08-07 | 2022-01-26 | Kelly Andrew Leslie | An intelligent, policy-based computational modelling method & system for building fires |
| CN113808378A (zh) * | 2021-10-25 | 2021-12-17 | 应急管理部沈阳消防研究所 | 一种图像型感温火灾探测器抗热干扰性能试验装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116153016A (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116153016B (zh) | 一种多传感器融合森林火灾实时监测与预警装置及其方法 | |
| US11835676B2 (en) | Early-warning fire detection system based on a multivariable approach | |
| US11692900B2 (en) | Apparatuses and methods for anomalous gas concentration detection | |
| US11218628B2 (en) | Method and system for identifying light source and application thereof | |
| US10914653B2 (en) | Infrared imaging systems and methods for oil leak detection | |
| US9250135B2 (en) | MWIR sensor for flame detection | |
| Krstinić et al. | Histogram-based smoke segmentation in forest fire detection system | |
| CN106646651A (zh) | 一种火灾火点检测方法 | |
| Burnett et al. | A low-cost near-infrared digital camera for fire detection and monitoring | |
| CN108648400A (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 | |
| KR102585066B1 (ko) | 단독형 화재 경보기와 가시광선 카메라를 이용하는 융합형 화재 경보 시스템 | |
| CN114664048B (zh) | 一种基于卫星遥感监测的火情监测及火灾预警方法 | |
| CN112001327A (zh) | 一种阀厅设备故障识别方法及*** | |
| KR102174606B1 (ko) | 센서 일체형 ｉｐ 네트워크 카메라, 그리고 이를 이용한 감시 시스템 | |
| 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 | |
| US8165340B2 (en) | Methods for gas detection using stationary hyperspectral imaging sensors | |
| JP4440010B2 (ja) | 電気設備点検方法及び装置 | |
| CN116307740B (zh) | 基于数字孪生城市的起火点分析方法及***、设备及介质 | |
| CN117079082A (zh) | 一种智能视觉图像目标物的检测方法、装置及dmc设备 | |
| CN117037065A (zh) | 火焰烟雾浓度检测方法、装置、计算机设备和存储介质 | |
| KR20210036173A (ko) | 적외선 스펙트럼 이미징 카메라 분석기법을 활용한 실시간 누출가스 감지 장치 및 방법 | |
| Komar et al. | Performance of UV and IR sensors for inspections of power equipment | |
| CN111297336B (zh) | 一种基于红外和太赫兹的体温测量方法、装置及安检设备 | |
| JP2021156824A (ja) | 粉塵測定装置および粉塵測定方法 | |
| TWI812896B (zh) | 熱像儀健康監測 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |