【技术实现步骤摘要】
本专利技术涉及森林消防安全领域中林火复燃探测，特别是一种基于多光谱图像的林火复燃高空监测预警方法及装置。
技术介绍
1、林火复燃指在森林草原等植被底层的枯枝落叶堆积物的阴燃现象，多发于森林火灾中的扑救区域。由于环境潮湿、缺氧，枯枝落叶的阴燃显示出蔓延持久缓慢、燃烧隐蔽、温差跨度大和释放大量烟气等特点，相比于地表火和树冠火难以准确监测。针对林火复燃监测预警难题，目前尚无专用可量化手段，多以热辐射特征的测量和观测为主，如国际上多基于遥感影像和卫星或无人机搭载的多光谱传感器，通过分析红外辐射和可见光数据监测林火状况。国内通过遥感方式进行林火复燃探测的研究较少，多采用人工携带便携式红外测温设备探寻地下火的火场边界，或安装传感器进行插钎探测和气体监测判断是否有复燃现象发生。然而，目前国内外研究多针对已发生甚至蔓延的森林草原火灾进行遥感实时监测，尚未涉及枯落物或灰烬覆盖下复燃情况的实时监测预警。
技术实现思路
1、鉴于上述问题，本专利技术提出一种克服上述问题或者至少部分地解决上述问题的基于多光谱图像的林火复燃高空监测预警方法及装置。
2、本专利技术提供了一种基于多光谱图像的林火复燃高空监测预警方法，所述方法包括：
3、步骤s1，通过无人机搭载的多光谱相机目标监视区域的场景数据；
4、步骤s2，根据辐射亮度关联函数搭建多波段林火复燃探测物理模型；
5、步骤s3，基于所述场景数据对无人机俯拍区域进行高温异常区检测标记；
6、步骤s4，建立
7、步骤s5，搭建多波段林火复燃探测深度学习模型；
8、步骤s6，结合所述多波段林火复燃探测物理模型和多波段林火复燃探测深度学习模型的结果，预测所述目标监视区域的林火复燃发生的机率。
9、可选地，所述步骤s2，根据辐射亮度关联函数搭建多波段林火复燃探测物理模型包括：
10、建立测温系统在两个波段处的输出电压之比与两个波段辐射亮度之比间的函数关系；
11、根据所述函数关系搭建多波段林火复燃探测物理模型。
12、可选地，所述步骤s3，基于所述场景数据对无人机俯拍区域进行高温异常区检测标记包括：
13、采用遍历的方式，以像素点为单位获取所述场景数据中无人机俯拍区域内每个位置的温度，形成温度矩阵；
14、采用聚类的方式，对温度矩阵中温度信息进行处理，将温度值高于矩阵中高于设定值以上的区域标注为高温区域。
15、可选地，所述步骤s4，建立表层—深层温度深度对照关系数据集包括：
16、步骤s4-1，搭建林火模拟实验箱，箱内铺设有锯末模拟森林枯落物，实验箱两侧分别使用发热器和热电偶插入每层锯末中心；
17、步骤s4-2，控制搭载多光谱相机的无人机升至指定区域，使用多光谱相机采集下方实验箱区域，建立与数据采集端的无线连接；
18、步骤s4-3，调整实验箱内加热器调整至指定温度，模拟不同程度林火复燃情况发生；
19、步骤s4-4，记录五个位置热电偶的数据；
20、步骤s4-5，记录无人机上多光谱相机采集的不同波段图像；
21、步骤s4-6，对不同高温点及表面与热源的距离进行记录；
22、步骤s4-7，调整实验箱内加热器至不同温度，重复步骤s4-1～步骤s4-6，整理每次实验记录，形成表层—深层温度深度对照关系数据集。
23、可选地，所述步骤s5，搭建多波段林火复燃探测深度学习模型包括：
24、步骤s5-1，对于无人机传回的不同中、长波段多光谱图像及相邻波段多光谱图像进行卷积操作；
25、步骤s5-2，对步骤s5-1中的结果进行平均值池化操作；
26、步骤s5-3，将步骤s5-2中的结果交叉相加，共享两个波段之间的特征，再次进行卷积操作，得到对应的结果；
27、步骤s5-4，对步骤s5-3中的结果进行平均值池化操作；
28、步骤s5-5，将步骤s5-4中的结果交叉相加，共享两个波段之间的特征，进行全连接操作，得到对应的结果；
29、步骤s5-6，在多光谱相机中获取的所有波段上重复步骤s5-1-步骤s5-5的操作；
30、步骤s5-7，将步骤s5-6中的所有波段对的结果相加，综合两个波段间的特征，再次进行三次全连接操作，降低特征维度。
31、本专利技术还提供了一种基于多光谱图像的林火复燃高空监测预警装置，包括一个或多个处理器以及存储有程序指令对非暂时性计算机可读存储介质，当所述一个或多个处理器执行所述程序指令时，所述一个或多个处理器用于实现根据上述任一项所述的方法。
32、本专利技术还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述任一项所述的方法。
33、本专利技术还提供了一种计算设备，其特征在于，所述计算设备包括处理器以及存储器：
34、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
35、所述处理器用于根据所述程序代码中的指令执行上述任一项所述的方法。
36、本专利技术提出了一种基于多光谱图像的林火复燃高空监测预警方法及装置，该技术通过无人机搭载的多光谱相机，采集光谱遥感图像中的光谱数据，一方面建立物理模型：采集并测算火源或积热形成的高温区发出的热辐射经过覆盖层的泥土、枯落物、燃灰吸收后在地表形成的特定波段光谱图像强度变化量；另一方面建立深度学习模型：搭建双流卷积分类网络，学习无人机传回的不同波段的图像特征。最后使用机器学习算法，结合物理模型测算的地表温度和深度学习模型得到的包含地表温度及火源深度信息的特征向量判断表下火复燃的发生的机率。
37、本专利技术的方案能够有效对林火复燃现象进行监测，具有快速、准确、无人值守等特点，与传统方法相比具有更高的准确性和效率。研究成果可为森林火灾监测和森林消防救援人员应急响应提供支持和指导，也可以为其他领域的遥感图像处理和分类提供借鉴和参考。
38、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
39、根据下文结合附图对本专利技术具体实施例的详细描述，本领域技术人员将会更加明了本专利技术的上述以及其他目的、优点和特征。
本文档来自技高网...【技术保护点】
1.一种基于多光谱图像的林火复燃高空监测预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤S2，根据辐射亮度关联函数搭建多波段林火复燃探测物理模型包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤S3，基于所述场景数据对无人机俯拍区域进行高温异常区检测标记包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤S4，建立表层—深层温度深度对照关系数据集包括：
5.根据权利要求1所述的方法，其特征在于，所述步骤S5，搭建多波段林火复燃探测深度学习模型包括：
6.一种基于多光谱图像的林火复燃高空监测预警装置，其特征在于，包括一个或多个处理器以及存储有程序指令对非暂时性计算机可读存储介质，当所述一个或多个处理器执行所述程序指令时，所述一个或多个处理器用于实现根据权利要求1-5中任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的方法。
8.一种计算设备，其特征在于
...【技术特征摘要】
1.一种基于多光谱图像的林火复燃高空监测预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤s2，根据辐射亮度关联函数搭建多波段林火复燃探测物理模型包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤s3，基于所述场景数据对无人机俯拍区域进行高温异常区检测标记包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤s4，建立表层—深层温度深度对照关系数据集包括：
5.根据权利要求1所述的方法，其特征在于，所述步骤s5，搭...
【专利技术属性】
技术研发人员：张曦，李泊宁，王力，李晓旭，
申请(专利权)人：应急管理部沈阳消防研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。