[发明专利]一种基于无人机实现森林火情检测的方法

说明书

本说明书一个或多个实施例提供一种基于无人机实现森林火情检测的方法，利用森林和火焰的样本图片，对其进行分类并对所在区域进行标注，基于分类和标注结果进行提取，并训练出检测模型和分类模型，再利用训练出的模型对森林图像进行检测，得到可能的火灾区域，再对可能的火灾区域进行再次识别，最终得出火灾发生区域的位置坐标，通过计算机视觉的深度学习技术，学习火的深层特征，能够适应不同的光照、不同的树种等多种不确定因素，同时有较高的识别准确率和时效性，具有很大的应用价值，有效降低了森林安防中人为监管的难度。

技术领域

本说明书一个或多个实施例涉及森林火灾防控技术领域，尤其涉及一种基于无人机实现森林火情检测的方法。

背景技术

根据国家统计局公布的最新数据显示，我国的森林面积在逐年增加，截至2018年我国的森林覆盖率达到了23％，但是伴随而来的是每年的森林火灾次数近几年也呈现逐渐增加的趋势，每年因为火灾事故除了造成上亿元的经济损失外，还造成了人员的伤亡，如果可以在林火发生初期就及时检测到，就可以减少经济损失和安全事故的发生。

随着计算机视觉领域研究的不断深入，安防领域也可以借助研究的成果实现无人监督和预警了。比如森林火灾领域，如果森林面积大或者路途崎岖等，可能有安全隐患，可以通过无人机实现定点定时巡航，通过计算机视觉技术实时分析获取的图景，并对可能的火灾点进行预警并发送位置坐标通知安防人员进行相应的防火措施，可防患于未然。

传统的森林火情检测最开始采用的是红外传感器，因为红外传感器的电路简单，制作方便，但是缺点是受光线的影响太大，尤其在森林中光照不同时，可能会有误测，而且不能测距，响应也比较慢。在卷积神经网络出现后，可以通过摄像头采集森林图片，对图像进行分析，将图像进行按RGB分量进行灰度处理，通过获取火焰的边缘特征和颜色特征，进行火的检测。但是在一些树叶的颜色和火比较相近的区域，会有误识别的情况，比如枫树林、红色的塑料袋、红色的小动物等。目前比较常用的是目标检测算法，早期的目标检测算法，是通过卷积、池化等元操作获取图像的浅层特征，因为硬件设备的限制，无法把网络做得更深更复杂，所以在森林这种比较复杂的应用场景下，有一定的局限性，检测的准确性较低。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于无人机实现森林火情检测的方法，以解决检测森林火情准确性低的问题。

基于上述目的，本说明书一个或多个实施例提供了一种基于无人机实现森林火情检测的方法，包括以下步骤：

使用无人机采集森林和火焰的样本图片，包括各种森林背景，各种时间和光照环境下多张图片；使用各种火焰、浓烟的图片和所采集的图片合成数据集；

对样本图片进行预处理和分类，并对样本图片中目标所在区域进行标注，并将数据集划分为训练集和测试集；

基于标注对分类过的样本图片进行检测模型和分类模型训练，得到可用的检测模型参数和分类模型参数；

采集无人机拍摄的森林图像；

利用训练好的检测模型对采集到的森林图像进行检测，得到森林图像中可能的火灾区域；

对检测出可能的火灾区域，使用分类模型进行再次识别，并判断是否发生了火灾，计算出火灾发生区域的位置坐标。

优选地，进行检测模型和分类模型训练还包括：将数据集按8:2的比例分为训练集和测试集，利用训练集中的样本训练检测模型参数和分类模型参数，利用测试集中的样本测试检测模型和分类模型的效果。

优选地，采集无人机拍摄的森林图像后，本方法还包括，对采集到的森林图像进行预处理，包括：

使用火焰、浓烟图片和所采集的图片进行随机位置，随机大小和伸缩、高斯加噪，随机剪栽，旋转，左右互换等各种方法生成数据集。