[发明专利]一种基于特征金字塔网络的秸秆燃烧检测方法

说明书

本发明提供一种基于特征金字塔网络的秸秆燃烧检测方法，包括数据集采集模块、数据集处理模块、图像处理模块和图像显示及报警模块，数据集采集模块获取烟雾检测的视频帧数据集，数据集处理模块对标准数据集中标准图像注释的数据集进行处理，图像处理模块对FPN和Faster R‑CNN模型结构进行训练后对摄像头实时获取的图像进行检测，图像显示及报警模块对显示有烟雾的区域进行报警。本发明极大地降低了人力成本，提高识别准确率，减少了计算量和计算成本，降低了对图像处理性能的要求，并可提高实时性，是检测秸秆燃烧的最高效的技术方案，具有极大的价值。

技术领域

本发明涉及图像识别技术进行秸秆燃烧检测领域，特别是一种基于特征金字塔网络的秸秆燃烧检测方法。

背景技术

中国作为农业大国，随着农作物的产量提高，秸秆的总量迅速增加，多数地区仍采用秸秆焚烧的方式进行处理。秸秆焚烧属于低温焚烧，其烟气中含有大量的一氧化碳、二氧化碳、氮氧化物、光化学氧化剂和悬浮颗粒物等造成大气污染，且会在一定程度上加重雾霾的发生。不仅如此，各地区每到收获的季节因为焚烧秸秆而引发火灾的事情时有发生。因此，对秸秆燃烧情况进行实时检测十分之必要，但是人力检测费时费力，且不能实时检测。

随着近年来机器学习技术的发展，通过神经网络算法对摄像头获取的视频进行秸秆燃烧实时检测，现有技术关于秸秆燃烧产生的烟雾检测的方法主要包含两个方向，一方面是传统的视频烟雾检测方法，主要是根据烟雾的颜色，纹理和运动等特征进行提取，然后使用分类器对特征向量进行训练和分类。然而，由于烟雾的形态多变，并且检测的环境比较复杂，人工设计的特征提取和识别的效果并不理想，很难达到实际需求；另一方面，现有的基于深度卷积神经网络进行秸秆燃烧产生的烟雾检测，如利用高斯混合模型对烟雾图像进行处理，得到烟雾图像的运动区域，利用暗通道去雾算法对图像进行处理，以得到无烟图像模型，获取烟雾图像和无烟图像模型之间的差值图像，对差值图像进行二值化处理，以得到疑似烟雾区域，获取运动区域和疑似烟雾区域之间的交集区域，将交集区域输入训练好的深度学习分类模型中，以得到最终的烟雾识别结果，方法比较繁琐，耗时较长，难以进行实时的检测和报警。

中国专利CN109100467A“一种基于低空遥感的秸秆焚烧监控装置和系统”是通过蓄电池向压缩机供电，通过检测棒对吸附块上吸附的秸秆焚烧物质进行检测，分析模块进行分析，把信号传递给数据处理模块，判断是否为秸秆焚烧产生的粉尘空气。这种方法使用比较局限，室外的空间很大，并且焚烧秸秆的区域不固定，到处安装这种设备的成本较高，准确率不高，难以达到实时报警。中国专利CN109389185A“使用三维卷积神经网络的视频烟雾识别方法”通过利用预训练好的Faster R-CNN模型对目标帧进行烟雾的初步识别定位，得到疑似烟雾区域的结果框及其烟雾评分，并提取目标帧前后一定数量的视频帧组成视频序列，再进行三维特征提取输入至SVM分类器，由SVM分类器判断为烟雾或非烟雾的分类结果。这种方法比较繁琐，还要提取一定数量的视频帧，耗费计算资源，难以达到实时检测的效果。随着近年来对Faster R-CNN的深入研究，Tsung-Yi Lin、Kaiming He等人在论文《Feature Pyramid Networks for Object Detection》中介绍了FPN(Feature PyramidNetwork)，即特征金字塔网络，把低分辨率、高语义信息的高层特征和高分辨率、低语义信息的低层特征进行自上而下的侧边连接，使得所有尺度下的特征都有丰富的语义信息，极大地提高了小目标的检测精度。

发明内容

本发明所要解决的技术问题是提供一种基于特征金字塔网络的秸秆燃烧检测方法，能够通过摄像头拍摄的视频实时检测秸秆燃烧情况，并及时发出警告。解决了秸秆燃烧检测准确率不高、不能实时报警的问题。

为解决上述技术问题，本发明所采用的技术方案是：一种基于特征金字塔网络的秸秆燃烧检测方法，包括数据集采集模块、数据集处理模块、图像处理模块和图像显示及报警模块，实现的步骤为：

S1.数据集采集模块通过摄像头获取烟雾检测的视频帧数据集；