[发明专利]一种基于自适应目标检测的森林火灾烟雾自动识别方法

说明书

本发明属于人工智能在林业工程的应用领域，具体涉及一种基于自适应目标检测的森林火灾烟雾自动识别方法，旨在提供一种在满足实时性检测条件下具有高识别精度的森林火灾烟雾检测方法。具体包括在预先建立的森林火灾烟雾图像数据库中获取标定后的图像数据作为目标训练图像；将目标训练图像输入预定义的火灾烟雾检测识别模型，通过模型中的区域候选网络进行图像特征提取；选取预先建立的指标模型库中的指标，对图像特征提取的识别精度进行评估。本发明以改进的自适应目标检测网络为主体，有效的提高了森林火灾烟雾特征的提取能力，从而实现实时性且高精度的森林火灾烟雾的检测识别。

技术领域

本发明涉及一种基于自适应目标检测的森林火灾烟雾自动识别方法，属于人工智能在林业工程的应用领域。

背景技术

森林火灾对经济、生态环境均构成了极大的威胁，对林业保护产生的危害极大，及时准确的发现森林火灾，是减小火灾危害的重要手段，也对森林火灾预警和扑救工作有着极其重要的意义。

火灾烟雾是森林火灾发生早期的一种显著现象，对火灾烟雾进行监测识别能够在火灾发生初期监测到火灾，将火灾遏制于摇篮。基于图像处理的检测方法智能化水平高且安全性高，目前已逐渐替代了传统的物理探测器，但图像检测方法效率低、准确率差、误报率高，基于人工智能的应用可以有效解决上述问题。

发明内容

为了解决上述问题，本发明基于火灾检测的特殊性及必要性，对其实时性及准确率都有较高的要求，提出一种自适应目标检测的森林火灾烟雾自动识别方法，既可以满足实时性检测要求，也可以保证高识别精度。

本发明的目的是采用下述技术方案实现的：

一种基于自适应目标检测的森林火灾烟雾自动识别方法，包括：

在预先建立的森林火灾烟雾图像数据库中获取标定后的图像数据作为目标训练图像；

将所述目标训练图像输入预定义的火灾烟雾检测识别模型，通过模型中的区域候选网络进行图像特征提取；

选取预先建立的指标模型库中的指标，对所述图像特征提取的识别精度进行评估。

优选的，所述建立森林火灾烟雾图像数据库包括：

确定建立森林火灾烟雾图像数据库的数据来源，采集图像数据，并对图像数据进行标定；

基于结构化查询语言，以存储图像路径的方式对标定后的图像数据进行存储，获得森林火灾烟雾图像数据库。

进一步地，所述森林火灾烟雾图像数据库的数据来源包括：网络真实森林草原火灾视频、实地监测视频、ImageNet数据库图像、火灾监测设备制造厂家及相关政府部门途径获取的森林火灾烟雾监测视频和图像信息；所述图像信息包括云、雾和霾的非烟雾干扰图像。

进一步地，所述对数据库中的图像数据进行标定之前还包括：基于远视距、近视距不同占比，在数据入库之前对分辨率清晰度不高的图像进行剔除。

进一步地，所述对图像数据进行标定包括：对图像中烟雾、云、雾及霾的特征区域进行提取标定。

优选的，所述火灾烟雾检测识别模型基于自适应目标检测网络进行构建；其中，所述目标检测网络为Faster R-CNN模型；

所述火灾烟雾检测识别模型包括：Faster R-CNN模型和设置于Faster R-CNN模型的区域候选网络中的多个部件感知模块；

所述区域候选网络，用于生成候选区域；

所述部件感知模块，用于锚框的自适应生成。

进一步地，所述通过火灾烟雾检测识别模型中的区域候选网络进行图像特征提取包括：

通过Faster R-CNN模型中区域候选网络生成候选区域；所述候选区域由锚框组成；