基于深度学习的无人机森林火情智能识别监测系统

本发明属于森林火灾防范监测，具体涉及一种基于深度学习的无人机森林火情智能识别监测系统。

背景技术：

1、森林火灾是指发生在林区的火灾，森林火灾通常由自然因素或人为活动引起，如雷击、气象条件、干旱、输电线路故障、放火等，森林火灾具有破坏性强、传播迅猛、扑救困难等特点。

2、为避免森林火灾需要采取措施预防和减缓森林火灾的发生和蔓延，常见的森林火灾防范措施有监测预警、火源控制、灭火设施建设、消防队伍建设、草地和林木管理等，来预防和控制森林火灾，最大限度地保护森林资源和生态环境。

3、目前，传统的森林防火监测预警存在以下局限性：

4、1.地面巡护监测范围有限：地面巡护需要人员进入森林进行巡逻，监测范围受到时间、人力和资源的限制，无法涵盖大范围的森林地区，尤其是交通不便的地方难以达到；

5、2.人工观察准确率低：人工观察容易受到主观判断和视觉观测的局限，准确率较低，误报和漏报的情况较为普遍，且人工观察无法实现二十四小时全天候监测，容易忽略夜间和恶劣天气条件下的火情；

6、3.监测死角存在：瞭望台观察受到地形地势的限制，存在监测死角，无法全面覆盖森林区域，特别是在山区和密林等复杂地形中，火灾的探测更为困难；

7、4.反应速度慢：传统方法对火灾的检测和反应时间较长，火势可能在被发现后已经扩大，造成更大的危害；

8、5.缺乏科技支持：传统方法缺乏科技手段的支持，不能充分利用现代科技的优势，在火灾监测和预警方面的能力较弱。

9、综上所述，传统的森林防火监测方法存在范围有限、准确率低、盲区存在、反应慢和技术不足等局限性，需要整合现代科技手段来提升监测和防范能力，因此，提出一种基于深度学习的无人机森林火情智能识别监测系统。

技术实现思路

1、本发明的目的在于提供一种基于深度学习的无人机森林火情智能识别监测系统，具备无人机森林火情智能识别监测功能，解决了现有技术的范围有限、准确率低、盲区存在、反应慢和技术不足等问题。

2、为了达到上述目的，本发明采用的技术方案为，本发明提供一种基于深度学习的无人机森林火情智能识别监测系统，包括：监测上位机和多个监测无人机，多个监测无人机均与其所属监测上位机无线通信连接；监测上位机设置位于森林火灾监测站；

3、所述监测无人机能够通过可见光和红外监控火情信息并根据设定的火情识别算法判断采集到的可见光视频和红外视频中是否存在森林火情，当判定存在火情信息后监测无人机向其所属监测上位机发出森林火情警报。

4、具体的，所述森林火灾监测站数量若干呈点阵式分布覆盖森林，以搜集所在山体范围内的森林火情，每个森林火灾监测站配备有2个监测上位机和多个监测无人机。

5、具体的，所述监测无人机自身带有存储介质，采集到的信息在无线通信时同步存储。

6、具体的，所述监测上位机设置为一主一副，监测无人机优先与主监测上位机无线通信。

7、一种基于深度学习的无人机森林火情智能识别监测系统的监测方法：包括如下步骤：

8、1)指定检测区域；

9、2)遥控监测无人机巡逻；

10、3)监测无人机图像采集；

11、4)图像信息传输至监测上位机；

12、5)采集信息与模型对比；

13、6)是否采集到关键要素；

14、7)采集到关键要素则发出险情警报，并重复步骤2)检验巡逻；

15、8)检验巡逻后以及未采集到关键要素结束监测。

16、具体的，所述步骤3)中图像采集为可见光视频和红外感应视频，步骤4)中图像信息传输采用矢量数据传输的方式，步骤6)的执行机构为监测无人机和检测上位机。

17、具体的，所述步骤5)中模型的构建方法如下：

18、1)安装信息采集器；

19、2)选择学习素材；

20、3)设定识别关键要素；

21、4)ai训练建立模型；

22、5)成果模拟检测；

23、6)模型实装。

24、具体的，所述学习素材包括视频信息和模拟信息，关键要素包括关键帧和色彩检测，建立模型为数据阈值。

25、与现有技术相比，本发明的优点和积极效果在于，

26、1、本发明具有智能化、全方位监测和高准确性的优点，利用深度学习算法，通过监测无人机及监测上位机的协同工作，实现对森林火情的智能识别监测，方便快速响应，为森林火灾预警和灭火工作提供重要支持；

27、2、本发明具备无人机森林火情智能识别监测功能，解决了现有技术的范围有限、准确率低、盲区存在、反应慢和技术不足等问题。

技术特征：

1.基于深度学习的无人机森林火情智能识别监测系统，其特征在于，包括：监测上位机和多个监测无人机，多个监测无人机均与其所属监测上位机无线通信连接；监测上位机设置位于森林火灾监测站；

2.根据权利要求1所述的基于深度学习的无人机森林火情智能识别监测系统，其特征在于，所述森林火灾监测站数量若干呈点阵式分布覆盖森林，以搜集所在山体范围内的森林火情，每个森林火灾监测站配备有2个监测上位机和多个监测无人机。

3.根据权利要求1所述的基于深度学习的无人机森林火情智能识别监测系统，其特征在于，所述监测无人机自身带有存储介质，采集到的信息在无线通信时同步存储。

4.根据权利要求2所述的基于深度学习的无人机森林火情智能识别监测系统，其特征在于，所述监测上位机设置为一主一副，监测无人机优先与主监测上位机无线通信。

5.根据权利要求1-4任一所述的基于深度学习的无人机森林火情智能识别监测系统的监测方法，其特征在于，包括如下步骤：

6.根据权利要求5所述的基于深度学习的无人机森林火情智能识别监测系统的监测方法，其特征在于，所述步骤3)中图像采集为可见光视频和红外感应视频，步骤4)中图像信息传输采用矢量数据传输的方式，步骤6)的执行机构为监测无人机和检测上位机。

7.根据权利要求5所述的基于深度学习的无人机森林火情智能识别监测系统的监测方法，其特征在于，所述步骤5)中模型的构建方法如下：

8.根据权利要求7所述的基于深度学习的无人机森林火情智能识别监测系统的监测方法，其特征在于，所述学习素材包括视频信息和模拟信息，关键要素包括关键帧和色彩检测，建立模型为数据阈值。

技术总结本发明属于森林火灾防范监测技术领域，涉及一种基于深度学习的无人机森林火情智能识别监测系统，包括：监测上位机和多个监测无人机，多个监测无人机均与其所属监测上位机无线通信连接；监测上位机设置位于森林火灾监测站；所述监测无人机能够通过可见光和红外监控火情信息并根据设定的火情识别算法判断采集到的可见光视频和红外视频中是否存在森林火情，当判定存在火情信息后监测无人机向其所属监测上位机发出森林火情警报。本发明具有智能化、全方位监测和高准确性的优点，利用深度学习算法，通过监测无人机及监测上位机的协同工作，实现对森林火情的智能识别监测，方便快速响应，为森林火灾预警和灭火工作提供重要支持。技术研发人员：倪卫国受保护的技术使用者：广州民航职业技术学院技术研发日：技术公布日：2024/6/18