[发明专利]基于深度学习的森林火灾预警方法及系统

说明书

本发明公开了一种基于深度学习的森林火灾预警方法及系统，属于消防安全领域，方法包括：S1，无人机实时感测行驶区域的温度、湿度信息，拍摄和传送行驶区域的森林图像至地面站；同步发送位置信息至地面站；S2，根据温度和湿度信息进行火灾预警判断，发送火灾预警信号至地面站；S3，地面站接收火灾预警信号并采用深度学习算法处理森林图像，获得是否预发生火灾或存在火灾结果；S4，将火灾信息发送给森林管理中心。感测温度和湿度信息并进行比较处理，直观判断该区域是否有发生火灾的可能性，当可能发生火灾时，通过深度学习算法对森林图像进行处理，能精确识别出火灾预发生情况和已发生情况，便于相关人员第一时间准确获知火灾情况。

技术领域

本发明涉及消防安全领域，特别是涉及一种基于深度学习的森林火灾预警方法及系统。

背景技术

森林火灾的定义是：在森林区域内，突发性的引起失去人为控制的大片林木的燃烧，而且蔓延速度非常快。森林防火是中国防灾减灾的重要组成部分，对森林资源的保护和优良生态环境的发展都有重大意义，对中国能源的发展具有重大影响。

森林防火监测主要采用人工缭望、远程视频监控、卫星遥感和无人机巡护的方式。人工缭望方式是在制高点设立缭望哨，值班人员24小时轮流值班，由于人为的疏忽和过失，会使得许多火情未能及早发现，延误扑火时间，造成严重后果。远程视频监控方式是在林区搭建大量的视频监控点，监控点配备摄像机，通过有线或无线网络将实时画面传送到监控中心，由中心人员实施监控。该方式不需直接派驻人员到林区现场，但在远距离上人工很难识别早期火情。尤其是可见光摄像机监控系统，在夜间，几乎没有可探测的光谱范围的光照，视频图像上几乎是漆黑一片，很难发现和判断林火。即便换成热红外视频监控，森林环境复杂，容易存在监控死点，从而造成隐患。卫星遥感方式是通过对遥感照片的处理后发现林火，但卫星只能发现较大区域的林火，在火灾早期无法发现；同时还存在遥感图像分辨率不足、灵活性差等问题。无人机空中巡护相对来说优点较为突出，且有较好的适应性和实时性。

现有技术中，在无人机上设置红外摄像仪或摄像头，通过对红外摄像仪的拍摄图像进行热像差值、烟雾分析等处理；或者通过摄像头拍摄视频进行图像处理，识别火灾的预发生或已发生情况。由于红外热成像仪靠温差成像，而一般目标温差都不大，因此红外热图像对比度低，使分辨细节能力变差，不能透过透明的障碍物看清目标；而常用的摄像头视频图像处理方法不能精确识别出火灾预发生情况和已发生情况。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于深度学习的森林火灾预警方法及系统。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种基于深度学习的森林火灾预警方法，该方法包括：

S1，无人机沿设定路线对森林进行巡检，实时感测行驶区域的温度和/或湿度信息，以及拍摄和传送行驶区域的森林图像至地面站；

同步发送行驶区域的位置信息至地面站；

S2，根据温度和湿度信息进行火灾预警判断，

当温度高于或等于温度报警阈值，和/或湿度低于或等于湿度报警阈值时，发送火灾预警信号至地面站，无人机悬停，实时拍摄和传送所处区域的森林图像至地面站；

当温度低于温度报警阈值，和/或湿度高于湿度报警阈值时，无人机沿设定路线继续对森林进行巡检；

S3，地面站接收火灾预警信号后，采用深度学习算法处理森林图像，判断森林图像对应区域是否预发生火灾或存在火灾，若预发生火灾或存在火灾，继续处理无人机发送的森林图像，获取火灾的实时情况，若非预发生火灾或不存在火灾，地面站发送继续巡检信号至无人机，无人机沿设定路线继续对森林进行巡检；

S4，地面站将火灾预警信号、是否有火灾、火灾实时情况以及位置信息发送给森林管理中心；

或者所述无人机沿设定路线等高飞行。