一種無人機(jī)多光譜圖像的智能林火識別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計算機(jī)視覺領(lǐng)域，尤其是利用無人機(jī)航拍多光譜圖像進(jìn)行森林火點與煙霧檢測及智能火情分析與火災(zāi)等級識別的方法。
【背景技術(shù)】
[0002]森林火災(zāi)是森林資源減少的重要原因之一，它嚴(yán)重危害了生態(tài)環(huán)境，使國家承受巨大經(jīng)濟(jì)損失，也威脅人類生命安全。對森林資源缺乏的我國則更是如此，因此有效對森林資源實施監(jiān)控，防控森林火災(zāi)是一項具有重要意義且極其重要的工作。
[0003]目前，我國的林火監(jiān)測主要包括有人工地面巡護(hù)、了望臺監(jiān)測、遠(yuǎn)程視頻監(jiān)控、巡航飛機(jī)和氣象衛(wèi)星遙感監(jiān)測等方法。這些現(xiàn)有的技術(shù)手段存在以下不足:一是由于林區(qū)地形復(fù)雜、面積廣闊，只靠巡護(hù)人員監(jiān)測火情是不現(xiàn)實、不可靠的，了望臺的了望又受到許多地理條件和基礎(chǔ)設(shè)施的限制，而靠飛機(jī)巡邏觀察不僅耗資大，而且效率低；另一方面，林區(qū)地形復(fù)雜，缺乏供電和通訊設(shè)施等，造成了林區(qū)的火災(zāi)監(jiān)控開發(fā)的遲滯，其實用性、可推廣性受到了限制。
[0004]現(xiàn)有技術(shù)中已有基于無人機(jī)的森林火災(zāi)檢測。專利公開號為CN102496234A與CN104143248A的兩項專利分別利用無人機(jī)搭載紅外與可見光及紅外攝像設(shè)備實現(xiàn)森林火情檢測，但他們都只能對林火進(jìn)行簡單的檢測，不能同時對著火點、煙霧、火情、火災(zāi)等級等進(jìn)行深入的智能分析與識別。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題是:針對上述存在的問題，提供一種基于無人機(jī)拍攝的多光譜圖像的智能林火識別方法及裝置。
[0006]本發(fā)明中的無人機(jī)多光譜圖像的智能林火識別方法，包括:
步驟1:提取標(biāo)準(zhǔn)多光譜森林圖庫中圖像的特征值，提取無人機(jī)航拍得到的目標(biāo)森林區(qū)域的多光譜圖庫中圖像的特征值，利用兩種圖庫中各個圖像的特征值及標(biāo)簽值訓(xùn)練識別模型；所述標(biāo)簽值為含有火情或不含有火情；
步驟2:無人機(jī)實時獲取目標(biāo)森林區(qū)域的多光譜圖像并提取該圖像的特征值；
步驟3:將步驟2中的特征值輸入到訓(xùn)練后的識別模型中，識別模型計算得到該特征值對應(yīng)的標(biāo)簽值。
[0007]進(jìn)一步，所述識別模型為深度學(xué)習(xí)網(wǎng)絡(luò)模型。
[0008]進(jìn)一步，還包括步驟4:無人機(jī)將步驟2中獲取的目標(biāo)森林區(qū)域的多光譜圖像傳輸給監(jiān)控中心的服務(wù)器；監(jiān)控中心的工作人員人工判斷步驟2中獲取的目標(biāo)森林區(qū)域的多光譜圖像的標(biāo)簽值；將該圖像的標(biāo)簽值反饋給無人機(jī)；利用該圖像的特征及人工判斷得到的標(biāo)簽值訓(xùn)練所述識別模型。
[0009]進(jìn)一步，所述圖像特征包括溫度特征、煙霧特征及火焰特征；其中煙霧特征包括以下特征中的一種或多種:煙霧形狀特征、煙霧面積特征、煙霧紋理特征、煙霧輪廓特征；火焰特征包括以下特征中的一種或多種:火焰形狀特征、火焰面積特征、火焰紋理特征、火焰輪廓特征。
[0010]進(jìn)一步，所述標(biāo)簽值為不含有火情、一級強(qiáng)度的火情、二級強(qiáng)度的火情或三級強(qiáng)度的火情。
[0011]本發(fā)明還提供了一種無人機(jī)多光譜圖像的智能林火識別裝置，包括:
實時目標(biāo)森林區(qū)域的多光譜圖像特征提取模塊，用于接收無人機(jī)實時拍攝的目標(biāo)森林區(qū)域的多光譜圖像，并提取該圖像的特征；
煙火識別模塊，用于將實時目標(biāo)森林區(qū)域的多光譜圖像特征提取模塊輸出的特征輸入到訓(xùn)練后的識別模型中，識別模型計算得到該特征對應(yīng)的標(biāo)簽值；所述標(biāo)簽為含有煙火或不含有煙火。
[0012]進(jìn)一步，還包括識別模型離線訓(xùn)練模塊，用于提取標(biāo)準(zhǔn)多光譜森林圖庫中圖像的特征，提取無人機(jī)航拍得到的目標(biāo)森林區(qū)域的多光譜圖庫中圖像的特征，利用兩種圖庫中各個圖像的特征及標(biāo)簽值訓(xùn)練識別模型。
[0013]進(jìn)一步，還包括識別模型在線訓(xùn)練模塊，用于將所述無人機(jī)實時拍攝的目標(biāo)森林區(qū)域的多光譜圖像傳輸給監(jiān)控中心的服務(wù)器；接收監(jiān)控中心的工作人員人工判斷得到的該圖像的標(biāo)簽值；利用該圖像的特征及人工判斷得到的標(biāo)簽值訓(xùn)練所述識別模型。
[0014]綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是:
1、本發(fā)明利用深度學(xué)習(xí)方法，對無人機(jī)平臺提供的多光譜圖像進(jìn)行檢測，能有效準(zhǔn)確的實現(xiàn)森林著火點具體方位地點的探測。
[0015]2、本發(fā)明基于多光譜圖像對森林火情進(jìn)行探測，能快速有效地提取著火點、煙霧的溫度、形狀、面積、紋理等特征；而通過林火、煙霧等多特征的數(shù)據(jù)輸入為后續(xù)識別模型提供有力的判別依據(jù)。
[0016]3、本發(fā)明加入了在線訓(xùn)練模塊，不斷補(bǔ)充新的訓(xùn)練樣本對識別模型進(jìn)行有監(jiān)督的在線訓(xùn)練，使得識別模型隨著檢測的進(jìn)行其準(zhǔn)確度也不斷提高。
[0017]4、運用深度學(xué)習(xí)方法進(jìn)行林火煙霧檢測，不但可以對森林火災(zāi)中火點及煙霧進(jìn)行探測，而且可以對森林火災(zāi)等級進(jìn)行準(zhǔn)確判斷。
[0018]5、本發(fā)明既可運行于無人機(jī)平臺的嵌入式系統(tǒng)上，也可運行于與無人機(jī)進(jìn)行通聯(lián)的固定或者移動終端上，控制方式靈活多變，便于實施。
【附圖說明】
[0019]本發(fā)明將通過例子并參照附圖的方式說明，其中:
圖1為本發(fā)明一個具體實施例的方法流程圖；
圖2為本發(fā)明中采用的深度學(xué)習(xí)網(wǎng)絡(luò)模型結(jié)構(gòu)框圖。
【具體實施方式】
[0020]本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥的特征和/或步驟以外，均可以以任何方式組合。
[0021]本說明書中公開的任一特征，除非特別敘述，均可被其他等效或具有類似目的的替代特征加以替換。即，除非特別敘述，每個特征只是一系列等效或類似特征中的一個例子而已。
[0022]第一實施例
參見圖1，無人機(jī)在所監(jiān)控森林區(qū)域上空按照固定路線進(jìn)行巡航與林火監(jiān)控，是一種常規(guī)森林火災(zāi)監(jiān)控行為，使用本專利方法其實施流程如圖1所示，其具體實施步驟為:
A、識別模型離線準(zhǔn)備階段
1.收集含有森林火情的森林多光譜圖像及不含有森林火情的森林多光譜圖像，組成標(biāo)準(zhǔn)的多光譜森林圖庫。
[0023]2.在不同時段與氣候情況下，無人機(jī)對目標(biāo)森林區(qū)域進(jìn)行航拍，得到目標(biāo)森林區(qū)域的多光譜圖庫，并通過人工識別判斷每張圖像是否含有火情。
[0024]3.提取兩個圖庫中每張圖像的特征，利用圖像的特征及標(biāo)簽值訓(xùn)練識別模型。標(biāo)簽值為含有火情或不含有火情。
[0025]本實施例中采用的多光譜圖像的特征為溫度特征、煙霧特征及火焰特征；其中煙霧特征包括:煙霧形狀特征、煙霧面積特征、煙霧紋理特征、煙霧輪廓特征；火焰特征包括:火焰形狀特征、火焰面積特征、火焰紋理特征、火焰輪廓特征。
[0026]其中，溫度特征提取是在不同波段的光譜圖像中進(jìn)行的像素亮度提取。
[0027]煙霧特征的提取是先在圖像中利用煙霧在藍(lán)光至近紅外波段圖像中的反射率與陸地、植被以及水霧的差異來確定煙霧區(qū)域，然后再提取煙霧區(qū)域的形狀、面積、紋理及輪廓特征。
[00