[发明专利]火灾监测方法、装置、设备及介质

说明书

本发明实施例一种火灾监测方法、装置、设备及介质，该方法包括：准备神经网络模型，以用于监测火灾发生概率；将一种或多种实时环境特征信息以及反馈信号输入神经网络模型，所述反馈信号是通过对神经网络模型的当前和/或先前输出结果进行处理而得到的；基于所述神经网络模型的输出结果，得到火灾发生概率；以及基于所述火灾发生概率，判断是否发生火灾。由此，通过神经网络模型对多元数据进行分析，得出火灾发生概率，并且，通过将神经网络模型的输出结果引入神经网络模型的输入端作为反馈信号，极大地提升了神经网络模型的响应速度。

技术领域

本发明涉及防火监测技术领域，尤其涉及一种用于森林火灾监测的火灾监测方法、装置、设备及介质。

背景技术

森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害。传统的森林火灾监测方案从空间上可分为：地面巡护，瞭望监测，飞机巡护和卫星遥感监测等。

目前，森林防火越来越借助于高技术手段，如红外探火仪、双光谱红外扫描相机、热成像仪等，以提高火灾检查效率，减少人员伤亡，提高监测准确率。但是，目前在森林火灾监测领域仍存在一定问题，例如，监测成本较高、对设备精度要求很高、难以推广、监测数据单一、监测效果较差、误报率较高等等。

虽然有些系统引入了神经网络进行森林火灾的监测，但其多采用常规BP神经网络，但常规BP神经网络在森林防火领域训练速度慢，且由于森林火灾渐进发展的特性，系统报警延时较长，对预防及早期控制火灾不利。

综上所述，仍然需要一种快速且高精准的森林火灾监测方案。

发明内容

本发明实施例提供了一种火灾监测方法、装置、设备及介质，通过神经网络模型对多元数据进行分析，得出火灾发生概率，并且通过将神经网络的输出结果引入神经网络的输入端作为反馈信号，极大地提升了神经网络的响应速度。

第一方面，本发明实施例提供了一种火灾监测方法，该方法包括：准备用于监测火灾发生概率的神经网络模型；将一种或多种实时环境特征信息以及反馈信号输入所述神经网络模型，经由所述神经网络模型分析处理生成结果信息，所述反馈信号是通过对神经网络模型的当前和/或先前输出结果进行处理而得到；基于所述神经网络模型生成的结果信息，得到火灾发生概率；以及，基于所述火灾发生概率，判断是否发生火灾。

第二方面，本发明实施例提供了一种火灾监测装置，装置包括：模型准备单元，用于准备神经网络模型；输入单元，用于将一种或多种实时环境特征信息以及反馈信号输入所述神经网络模型，经由所述神经网络模型分析处理生成结果信息，所述反馈信号是通过对神经网络模型的当前和/或先前输出结果进行处理而得到的；输出单元，基于所述神经网络模型生成的结果信息，得到火灾发生概率；以及，判定单元，基于所述火灾发生概率，判断是否发生火灾。

第三方面，本发明实施例提供了一种计算设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。

本发明实施例提供的火灾监测方法、装置、设备及介质，通过神经网络模型对多元数据进行分析，得出火灾发生概率。并且，通过将神经网络的输出结果引入神经网络的输入端作为反馈信号，极大地提升了神经网络的响应速度。进一步地，通过引入具有积分特性的反馈信号，避免尖峰脉冲干扰引发的误判，提高了火灾监测的告警准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。