[发明专利]一种火情监测方法及系统有效
申请号: | 202210423874.2 | 申请日: | 2022-04-22 |
公开(公告)号: | CN114550104B | 公开(公告)日: | 2022-08-05 |
发明(设计)人: | 张超;张波;万亚东 | 申请(专利权)人: | 科大天工智能装备技术(天津)有限公司;北京科技大学 |
主分类号: | G06V20/52 | 分类号: | G06V20/52;G06V10/46;G06V10/82;G06N3/04;G08B17/12 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 杜阳阳 |
地址: | 300308 天津市东丽区*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 火情 监测 方法 系统 | ||
1.一种火情监测方法,其特征在于,包括:
构建火情监测数据集,所述火情监测数据集中包括包含烟雾的监测图像、包含火苗的监测图像和包含电火花的监测图像;
构建形变自适应网络;
采用所述火情监测数据集,以监测图像为输入,以火情的位置和类别为输出训练所述形变自适应网络,获得火情监测模型;所述火情的类别包括烟雾、火苗和电火花;
采用所述火情监测模型对待监测区域实时获取的监测图像进行火情监测;
所述形变自适应网络包括用于提取监测目标特征的骨干网络、第一形变自适应模块、第二形变自适应模块和第三形变自适应模块,还包括依次连接的区域建议网络、ROIPooling层和检测头;所述骨干网络用于输出尺寸依次减小的特征图C1、特征图C2、特征图C3、特征图C4和特征图C5;所述第一形变自适应模块用于将特征图C5进行2倍的上采样后与特征图C4进行通道维度拼接,获得特征图DA-Md-5,特征图C5进行2倍的上采样后与特征图C4尺寸相同,将特征图DA-Md-5依次进行卷积核为1*3的卷积操作以及卷积核为3*1的卷积操作获得特征图DA-Md-51,将特征图DA-Md-5依次进行卷积核为3*3的卷积操作以及卷积核为5*5的卷积操作获得特征图DA-Md-52,将特征图DA-Md-51和特征图DA-Md-52进行逐像素加和获得特征图DA4;所述第二形变自适应模块用于将特征图DA4进行2倍的上采样后与特征图C3进行通道维度拼接,获得特征图DA-Md-4,特征图DA4进行2倍的上采样后与特征图C3尺寸相同,将特征图DA-Md-4依次进行卷积核为1*3的卷积操作以及卷积核为3*1的卷积操作获得特征图DA-Md-41,将特征图DA-Md-4依次进行卷积核为3*3的卷积操作以及卷积核为5*5的卷积操作获得特征图DA-Md-42,将特征图DA-Md-41和特征图DA-Md-42进行逐像素加和获得特征图DA3;所述第三形变自适应模块用于将特征图DA3进行2倍的上采样后与特征图C2进行通道维度拼接,获得特征图DA-Md-3,特征图DA3进行2倍的上采样后与特征图C2尺寸相同,将特征图DA-Md-3依次进行卷积核为1*3的卷积操作以及卷积核为3*1的卷积操作获得特征图DA-Md-31,将特征图DA-Md-3依次进行卷积核为3*3的卷积操作以及卷积核为5*5的卷积操作获得特征图DA-Md-32,将特征图DA-Md-31和特征图DA-Md-32进行逐像素加和获得特征图DA2;特征图DA4、特征图DA3和特征图DA2依次输入所述区域建议网络;
将中低层特征图DA2、DA3和DA4依次输入Faster RCNN网络中的区域建议网络、ROIPooling层和检测头中,输出目标位置矩形框的火情监测结果图像,并发出火情预警信号。
2.根据权利要求1所述的火情监测方法,其特征在于,所述包含电火花的监测图像为基于工业相机在不同背景下拍摄的电火花图像。
3.根据权利要求1所述的火情监测方法,其特征在于,所述骨干网络采用ResNet101。
4.根据权利要求1所述的火情监测方法,其特征在于,所述采用所述火情监测模型对待监测区域实时获取的监测图像进行火情监测,具体包括:
当所述火情监测模型输出的监测结果中包括火情的位置和类别,则发出火情预警信号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科大天工智能装备技术(天津)有限公司;北京科技大学,未经科大天工智能装备技术(天津)有限公司;北京科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210423874.2/1.html,转载请声明来源钻瓜专利网。