一种基于传感器与深度学习的森林火情预警方法技术

本发明专利技术涉及一种基于传感器与深度学习的森林火情预警方法，针对目标森林区域所划分的各个子区域，应用传感检测分析方式，获得各子区域分别对应的火情风险等级，再结合各火情风险等级的预设权重，确定各子区域分别在巡视周期时长T内被无人机巡视次数，进而据此由无人机对各子区域进行视频巡视，实现传感检测下各子区域对应火情风险等级的检测，以及视频监测下对应已发生火情标签的疑似烟雾区域的火情识别；整个方案设计将传感检测与深度学习相结合，从多重角度进行分析，能够有效提高火情检测效率与准确率。测效率与准确率。测效率与准确率。

【技术实现步骤摘要】
一种基于传感器与深度学习的森林火情预警方法


[0001]本专利技术涉及一种基于传感器与深度学习的森林火情预警方法，属于森林智能防火检测


技术介绍

[0002]一直以来，森林火灾严重威胁着生态系统的安全，对森林结构也造成了巨大的破坏。依靠传感器，可以做到对森林火灾进行预测，但是无法做到及时监测火灾；依靠深度学习,可以做到对森林火灾进行实时监测，但是无法做到提前预测火灾，并且传感检测容易受到光照、雾霾等因素的影响导致误判，而且当遭遇极端天气时，摄像仪甚至无法拍摄出清晰的视频。因此，现有技术关于森林火情的检测，还有待进一步设计，提高实际火情检测准确性。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种基于传感器与深度学习的森林火情预警方法，采用全新设计逻辑，能够有效提高火情检测效率与准确率。
[0004]本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于传感器与深度学习的森林火情预警方法，基于目标森林区域所划分的各个子区域，以及各子区域内分别所设覆盖区域的传感器组，传感器组包括红外成像仪、空气湿度传感器、雨量检测传感器、气体烟雾传感器、气体成分分析仪、风速仪、温度传感器，按如下步骤A至步骤C，实现无人机在巡视周期时长T内对各子区域的视频监测；
[0005]步骤A.基于不易发生火情风险等级、易发生火情风险等级、已发生火情风险等级的火情风险等级划分标准，分别针对各个子区域，执行如下步骤A1至步骤A4，获得各子区域分别对应火情风险等级划分标准下的火情风险等级，然后进入步骤B；
[0006]步骤A1.基于预设气象因素下所预设定义划分的非极端天气、以及极端天气，若当前时刻子区域的天气为非极端天气，则进入步骤A2；若当前时刻子区域的天气为极端天气，则进入步骤A3；
[0007]步骤A2.获得子区域中红外成像仪、温度传感器的实时检测结果，并应用预训练好以子区域中红外成像仪、温度传感器检测结果为输入，子区域所对应火情风险等级为输出的第一火情等级分类模型，获得子区域所对应的火情风险等级；
[0008]步骤A3.获得子区域中气体烟雾传感器、气体成分分析仪的实时检测结果，并应用预训练好以子区域中气体烟雾传感器、气体成分分析仪检测结果为输入，子区域所对应火情风险等级为输出的第二火情等级分类模型，获得子区域所对应的火情风险等级，然后进入步骤A4；
[0009]步骤A4.判断子区域所对应火情风险等级是否为不易发生火情风险等级，是则获得子区域中空气湿度传感器、雨量检测传感器的实时检测结果，并应用预训练好以子区域中空气湿度传感器、雨量检测传感器检测结果为输入，子区域所对应火情风险等级为输出
的第三火情等级分类模型，获得并更新子区域所对应的火情风险等级；否则不做进一步处理；
[0010]步骤B.基于不易发生火情风险等级、易发生火情风险等级、已发生火情风险等级三个等级依次所对应由小至大的预设权重，分别针对各个子区域，按如下公式：
[0011][0012]获得无人机在巡视周期时长T内分别对各子区域的巡视时长A
i
，其中，1≤i≤I，1≤i'≤I，I表示目标森林区域中子区域的数量，a
i
表示目标森林区域中第i个子区域所对应火情风险等级的权重，a
i'
表示目标森林区域中第i'个子区域所对应火情风险等级的权重，然后进入步骤C；
[0013]步骤C.按预设子区域单次巡视时长，获得各子区域分别在巡视周期时长T内被无人机巡视次数，由无人机在巡视周期时长T内对各子区域分别执行各次视频监测。
[0014]作为本专利技术的一种优选技术方案：所述无人机分别对各子区域的各次视频监测中，执行如下步骤i至步骤iv；
[0015]步骤i.分别针对视频监测所获子区域的各视频帧，执行图像增强处理，更新各个视频帧，然后进入步骤ii；
[0016]步骤ii.分别针对视频监测所获子区域的各有雾的视频帧，应用暗通道先验图像，执行去雾处理，更新该各个视频帧，然后进入步骤iii；
[0017]步骤iii.分别针对视频监测所获子区域的视频，分别针对各组相邻两视频帧，应用帧差法，提取视频中的疑似烟雾区域图像，即获得子区域视频中的各个疑似烟雾区域图像，然后进入步骤iv；
[0018]步骤iv.分别针对各个疑似烟雾区域，应用预训练好以疑似烟雾区域图像为输入，疑似烟雾区域图像所对应是否为已发生火情标签为输出的火情识别模型，实现对疑似烟雾区域的火情识别。
[0019]作为本专利技术的一种优选技术方案：所述步骤i中，分别针对视频监测所获子区域的各视频帧，按如下操作依次执行，执行图像增强处理，更新各个视频帧；
[0020]操作：
[0021]1)提取视频帧中RGB三通道的灰度图；
[0022]2)分别获取各张灰度图中每个像素点的灰度值；
[0023]3)分别针对各个不同灰度值i
c
，按如下公式：
[0024][0025]统计灰度值i
c
在其所属灰度图像中像素点个数的占比P(i
c
)，其中，其中，c表示RGB各通道，N(i
c
)表示灰度值i
c
在其所属灰度图像中像素点个数，m表示灰度值i
c
所属灰度图像中的像素点总数；
[0026]4)分别针对各个不同灰度值i
c
，按如下公式：
[0027][0028]计算获得灰度值i
c
所对应的灰度值概率S(i
c
)，即获得各个不同灰度值i
c
分别对应的灰度值概率S(i
c
)，0≤S(i
c
)≤1；
[0029]5)分别针对各个不同灰度值i
c
，按如下公式：
[0030]R(i
c
)＝Round[S(i
c
)
×
255][0031]获得灰度值i
c
所对应的新灰度值R(i
c
)，即获得各个不同灰度值i
c
分别对应的新灰度值R(i
c
)，其中，Round表示四舍五入函数；
[0032]6)根据各个不同灰度值i
c
分别对应的新灰度值R(i
c
)，分别针对各张灰度图，将灰度图中各像素点的灰度值分别替换为其所对应的新灰度值，更新各张灰度图；
[0033]7)将三张灰度图重构成一张RGB图像，完成直方图均衡化，实现图像增强处理。
[0034]作为本专利技术的一种优选技术方案：所述步骤ii中，分别针对视频监测所获子区域的各有雾的视频帧，应用暗通道先验图像，按如下操作依次执行，执行去雾处理，更新各个视频帧；
[0035]操作：
[0036]1)针对有雾的视频帧中各像素点的像素值执行归一化，更新该有雾的视频帧；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于传感器与深度学习的森林火情预警方法，其特征在于：基于目标森林区域所划分的各个子区域，以及各子区域内分别所设覆盖区域的传感器组，传感器组包括红外成像仪、空气湿度传感器、雨量检测传感器、气体烟雾传感器、气体成分分析仪、风速仪、温度传感器，按如下步骤A至步骤C，实现无人机在巡视周期时长T内对各子区域的视频监测；步骤A.基于不易发生火情风险等级、易发生火情风险等级、已发生火情风险等级的火情风险等级划分标准，分别针对各个子区域，执行如下步骤A1至步骤A4，获得各子区域分别对应火情风险等级划分标准下的火情风险等级，然后进入步骤B；步骤A1.基于预设气象因素下所预设定义划分的非极端天气、以及极端天气，若当前时刻子区域的天气为非极端天气，则进入步骤A2；若当前时刻子区域的天气为极端天气，则进入步骤A3；步骤A2.获得子区域中红外成像仪、温度传感器的实时检测结果，并应用预训练好以子区域中红外成像仪、温度传感器检测结果为输入，子区域所对应火情风险等级为输出的第一火情等级分类模型，获得子区域所对应的火情风险等级；步骤A3.获得子区域中气体烟雾传感器、气体成分分析仪的实时检测结果，并应用预训练好以子区域中气体烟雾传感器、气体成分分析仪检测结果为输入，子区域所对应火情风险等级为输出的第二火情等级分类模型，获得子区域所对应的火情风险等级，然后进入步骤A4；步骤A4.判断子区域所对应火情风险等级是否为不易发生火情风险等级，是则获得子区域中空气湿度传感器、雨量检测传感器的实时检测结果，并应用预训练好以子区域中空气湿度传感器、雨量检测传感器检测结果为输入，子区域所对应火情风险等级为输出的第三火情等级分类模型，获得并更新子区域所对应的火情风险等级；否则不做进一步处理；步骤B.基于不易发生火情风险等级、易发生火情风险等级、已发生火情风险等级三个等级依次所对应由小至大的预设权重，分别针对各个子区域，按如下公式：获得无人机在巡视周期时长T内分别对各子区域的巡视时长A
i
，其中，1≤i≤I，1≤i'≤I，I表示目标森林区域中子区域的数量，a
i
表示目标森林区域中第i个子区域所对应火情风险等级的权重，a
i'
表示目标森林区域中第i'个子区域所对应火情风险等级的权重，然后进入步骤C；步骤C.按预设子区域单次巡视时长，获得各子区域分别在巡视周期时长T内被无人机巡视次数，由无人机在巡视周期时长T内对各子区域分别执行各次视频监测。2.根据权利要求1所述一种基于传感器与深度学习的森林火情预警方法，其特征在于：所述无人机分别对各子区域的各次视频监测中，执行如下步骤i至步骤iv；步骤i.分别针对视频监测所获子区域的各视频帧，执行图像增强处理，更新各个视频帧，然后进入步骤ii；步骤ii.分别针对视频监测所获子区域的各有雾的视频帧，应用暗通道先验图像，执行去雾处理，更新该各个视频帧，然后进入步骤iii；步骤iii.分别针对视频监测所获子区域的视频，分别针对各组相邻两视频帧，应用帧差法，提取视频中的疑似烟雾区域图像，即获得子区域视频中的各个疑似烟雾区域图像，然
后进入步骤iv；步骤iv.分别针对各个疑似烟雾区域，应用预训练好以疑似烟雾区域图像为输入，疑似烟雾区域图像所对应是否为已发生火情标签为输出的火情识别模型，实现对疑似烟雾区域的火情识别。3.根据权利要求2所述一种基于传感器与深度学习的森林火情预警方法，其特征在于：所述步骤i中，分别针对视频监测所获子区域的各视频帧，按如下操作依次执行，执行图像增强处理，更新各个视频帧；操作：1)提取视频帧中RGB三通道的灰度图；2)分别获取各张灰度图中每个像素点的灰度值；3)分别针对各个不同灰度值i
c
，按如下公式：统计灰度值i
c
在其所属灰度图像中像素点个数的占比P(i
c
)，其中，其中，c表示RGB各通道，N(i
c
)表示灰度值i
c
在其所属灰度图像中像素点个数，m表示灰度值i
c
所属灰度图像中的像素点总数；4)分别针对各个不同灰度值i
c
，按如下公式：计算获得灰度值i
c
所对应的灰度值概率S(i
c
)，即获得各个不同灰度值i
c
分别对应的灰度值概率S(i
c
)，0≤S(i
c
)≤1；5)分别针对各个不同灰度值i
c
，按如下公式：R(i
c
)＝Round[S(i
c
)<...

【专利技术属性】
技术研发人员：郭迎庆，陈刚，凌梓洋，蔡卓城，王译那，徐赵东，卢泓方，吴莹，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：