[发明专利]一种火点检测方法、装置及存储介质

说明书

本发明提供了一种火点检测方法、装置及存储介质，方法包括：获取多通道的历史遥感图像数据；构建基于卷积神经网络的火点检测模型，并采用所述历史遥感图像数据训练所述火点检测模型，获得训练后的火点检测模型；获取多通道的实时遥感图像数据，将所述实时遥感图像数据输入所述训练后的火点检测模型，提取各个通道的特征信息，结合各个通道的所述特征信息和所述实时遥感图像数据对火点进行检测。本发明的技术方案结合多通道的实时遥感图像数据对火点进行检测，大幅提高了检测精度，并且检测效率高。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种火点检测方法、装置及存储介质。

背景技术

随着全球变暖等环境问题日益严重，森林火灾等自然灾害的发生频率越来越高，造成的损失越来越严重。由于森林和草原等野外环境，发生火情时，仅靠工作人员巡查很难第一时间发现火情，并且森林和草原等野外环境发生火灾时，火势蔓延很快，若不能迅速扑灭，造成的损失和扑救难度都会大幅增加。

为了能够在火灾发生前期及时进行处理，防止造成更大的损失，需要对野外环境进行监测，在发生火灾时迅速检测火点。目前，常采用以下几种方法来检测火点：

第一，基于AVHRR(Advanced Very High Resolution Radiometer，甚高分辨率扫描辐射计)系统开发的基于阈值的检测算法，通过夜间检测来减少虚假警报，但是检测过程中分辨率较低，并且仅适用于森林林区，应用范围小；

第二，针对GOES-11(静止环境观测卫星-11)和GOES-12(静止环境观测卫星-12)采集的数据开发的检测算法，通过掩蔽的方法去除云层，能够区分水陆复合体，但是召回率较高，会引入较多的虚假警报；

第三，基于MODIS(Moderate-resolution Imaging Spectroradiometer，中分辨率成像光谱仪)提出的一种基于阈值的火灾检测算法，用于解决由于小片森林砍伐和浓烟遮盖大火导致的遗漏的问题，但是检测精度和检测效率较低；

第四，通过检测白天和晚上的生物量燃烧等热异常来检测火点，但是涉及的光谱带很少，检测精度和检测效率较低。

发明内容

本发明解决的问题是如何提高火点检测的检测精度和检测效率。

为解决上述问题，本发明提供一种火点检测方法、装置及存储介质。

第一方面，本发明提供了一种火点检测方法，包括：

获取多通道的历史遥感图像数据。

构建基于卷积神经网络的火点检测模型，并采用所述历史遥感图像数据训练所述火点检测模型，获得训练后的火点检测模型。

获取多通道的实时遥感图像数据，将所述实时遥感图像数据输入所述训练后的火点检测模型，提取各个通道的特征信息，结合各个通道的所述特征信息和所述实时遥感图像数据对火点进行检测。

第二方面，本发明提供了一种火点检测装置，包括：

获取模块，用于获取多通道的历史遥感图像数据。

构建模块，用于构建基于卷积神经网络的火点检测模型，并采用所述历史遥感图像数据训练所述火点检测模型，获得训练后的火点检测模型。

检测模块，用于获取多通道的实时遥感图像数据，将所述实时遥感图像数据输入所述训练后的火点检测模型，提取各个通道的特征信息，结合各个通道的所述特征信息和所述实时遥感图像数据对火点进行检测。

第三方面，本发明提供了一种火点检测装置，包括处理器和存储器。

所述存储器，用于存储计算机程序。

所述处理器，用于当执行所述计算机程序时，实现如上所述的火点检测方法。