[发明专利]基于边缘计算的森林防火预警系统

说明书

本发明公开了基于边缘计算的森林防火预警系统，包括图像数据采集系统、传统图像处理系统、深度学习网络、边缘设备、以及云端服务器，本发明的有益效果是：本发明所述基于边缘计算的森林防火监控预警系统，注重采取边缘计算的方式，缓解了山区森林防火监测中网络通信高延迟所带来的技术困难，通过本发明方法，实现了对森林防火的实时监测，在这一个物联网的时代，充分利用边缘计算的优势，实现边缘侧的有效性，只将最有价值的边缘侧信息传回服务器，相对其他方法，大大降低了计算成本和能源损耗，同时也充分利用了人工智能给人类带来的便利，降低了人工资源的消耗。

技术领域：

本发明属于图像处理、图像分类、深度学习领域，特别涉及基于边缘计算的森林防火预警系统。

背景技术：

森林一般处于偏远山区，稳定的通信和电力供应较为困难，森林航空巡护技术和卫星遥感技术受航线和时间制约，监测观察的范围相对较小，且成本较高，在交通不便、人烟稀少的偏远山区，无法进行地面巡护，对于火焰监测，较多人使用红外摄像头进行高热点的着火点进行探测，但对于森林山火而言，着火点一般距离监控点较远，而山火一般伴随的是浓烟，由于茂密树木的遮挡，无法对着火点的热源进行及时探测。

发明内容：

本发明的目的就在于为了解决上述问题而提供基于边缘计算的森林防火预警系统。

为了解决上述问题，本发明提供了一种技术方案：

基于边缘计算的森林防火预警系统，包括图像数据采集系统、传统图像处理系统、深度学习网络、边缘设备、以及云端服务器，所述图像数据采集通过若干网络摄像头组成，所述边缘设备由图像处理木块以及无线通信模块构成，所述传统图像处理系统通过颜色过滤模块以及运动检测模块组成，所述深度学习分类网络内设特征提取系统以及二分类系统，包括以下步骤：

步骤一：将监控识别设备架设在山区及森林的输电塔及通信塔上，通过摄像头获得实时图像，使用边缘计算设备利用计算机视觉的方法，实时监控山区或森林的火情，一旦发生火情，利用边缘设备的4G或5G模块，将实时的图像上传至云端服务器，再由火险监控中心的管理人员确认是否发生火情，并及时处置。

步骤二：搭建实时山火监测系统的数据采集模块。由三路摄像头为一组实现全方位无死角的实时图像的采集，每一路摄像头分管120度的监测区域，将每一路摄像头挂接在交换机中，边缘设备通过交换机直接读取摄像头的RTSP流图像信息；

步骤三：对于每一路输入的图像，采取传统图像目标检测方法与深度学习的分类网络相结合的思想，进行级联检测火焰与烟雾；

步骤四：对于传统的目标检测方法，主要应用图像运动信息与颜色过滤的方式，滤除不是火焰或烟雾的部分，留下可疑区域，将所有可疑图像区域进行融合；

步骤五：基于传统图像方法的烟雾、火焰检测，将可疑图像区域送入基于深度学习的分类网络，进一步判定该场景下是否有烟雾或者山火，如果判定有山火，则将图像通过边缘设备的4G或5G模块输送给云服务器，进而山火监测中心的工作人员可得到及时的信息并做出快速响应。

作为优选，将边缘设备挂接在森林、山区的输电塔及通信塔上，同时架设三路摄像头为一组的监控系统。

作为优选，所述步骤五中所采取的烟雾、山火识别算法为传统图像算法与深度学习的分类网络结合的级联监测器。

作为优选，传统算法主要使用颜色过滤与运动检测相结合，对山火与烟雾进行粗过滤，所述粗过滤的检测框采用深度学习中的Resnet50网络来提取粗过滤后的图像特征，基于卷积神经网络的特征输出结果，再进行二分类。

作为优选，所述步骤五中传统图像算法与深度学习算法结合的烟雾、山火识别算法包括以下流程：

步骤101：获取监控视频图像；