基于无人机图像分析的森林火灾监测预警系统的制作方法

本发明涉及火灾监测预警，具体为基于无人机图像分析的森林火灾监测预警系统。

背景技术：

1、森林如同地球的绿色守护者，它承载着勃勃生机与宁静，对于维护生态平衡和保障人类福祉至关重要，然而，频发的森林火灾却给这片宝贵的绿色家园构成了严重威胁，传统的森林火灾监测手段在应对广阔森林区域时，由于受限于人力和地面设备的覆盖范围，往往难以实现全面、实时地监控，这种监测方法主要依赖于巡查人员根据预定的时间表进行定点巡查，但这种做法在实际操作中暴露出了明显的局限性；

2、首先，由于巡查人员需要按照预定的时间表进行巡查，这使得他们无法对森林区域进行持续、不间断地监控，在火情初期，往往只有很小的火源，但由于巡查人员不能时刻在位，这些火源往往难以被及时发现，从而延误了最佳的灭火时机；

3、其次，火势的判断主要依赖于巡查人员的个人经验和直觉，尽管巡查人员可能具备丰富的经验，但在复杂的森林环境中，火势的发展往往受到多种因素的影响，单纯依赖个人经验和直觉进行火势判断，往往无法准确预测火势的发展趋势，从而无法为救援工作提供有效的准备。

技术实现思路

1、本发明的目的就在于解决传统的森林火灾监测手段在应对广阔森林区域时，由于受限于人力和地面设备的覆盖范围，往往难以实现全面、实时地监控的问题，而提出基于无人机图像分析的森林火灾监测预警系统。

2、本发明的目的可以通过以下技术方案实现：

3、基于无人机图像分析的森林火灾监测预警系统，包括：

4、无人机投放模块，用于对目标监测森林进行无人机投放布设，具体的分析过程如下：对目标监测森林按照预设的区域面积进行划分，得到目标监测森林的各子区域，对目标监测森林的各子区域的区域状态信息进行监测分析，得到各子区域的区域值，将各子区域的区域值与存储在云数据库中的区域状态判定表进行对照匹配分析，由此得到各子区域的区域状态等级，同时将其与区域状态等级对应的无人机监测方式进行匹配，得到各子区域的无人机监测方式；

5、识别锁定模块，用于对各子区域对应的火情异常状态进行监测，由此对火情区域进行识别锁定分析，得到火情识别锁定信号，依据火情识别锁定信号则对火情区域对应的火情状态进行实时跟踪拍摄，同时对火情区域不同高度对应的影响因素信息进行实时采集，得到火情区域对应的火情图像集合和影响因素信息；

6、火情监测模块，用于通过燃烧监测单元对火情区域的燃烧状态进行分析，得到燃烧评估指数，并通过烟雾监测单元对火情区域的烟雾状态进行分析，得到烟雾评估指数，同时通过影响因素监测单元对火情区域的影响因素状态进行分析，得到影响因素评估指数，进而将得到的燃烧评估指数、烟雾评估指数和影响因素评估指数发送到火情分析模块；

7、火情分析模块，用于接收燃烧评估指数、烟雾评估指数和影响因素评估指数，由此对火情区域的火情状态进行预测分析，得到火情区域的火情趋势等级；

8、预警终端，用于基于火情区域的火情趋势等级对其进行相应的预警显示。

9、进一步地，所述对目标监测森林的各子区域的区域状态信息进行监测分析，具体的分析过程如下：

10、对目标监测森林的各子区域的区域状态信息进行采集，得到目标监测森林的各子区域的区域状态信息，区域状态信息包括人员活跃值、植被生长值和覆盖度值，并分别标定为q1、q2和q3，依据公式：，得到各子区域的区域值qyu，其中，γ1、γ2和γ3分别表示人员活跃值、植被生长值和覆盖度值权重系数。

11、进一步地，所述对火情区域进行识别锁定分析，具体的分析过程如下：

12、通过无人机搭载的热成像摄像头对各子区域对应的区域热成像图像进行采集，得到各子区域对应的区域热成像图像，并对其进行检测点布设，同时从各子区域对应的区域热成像图像中提取各检测点的色度值；

13、将各子区域对应的区域热成像图像中各检测点的色度值与预设的火焰对应热图像的参考色度阈值进行匹配，若某检测点的色度值与预设的火焰对应热图像的参考色度阈值匹配成功，则将该检测点记为火焰点，将各子区域对应的区域热成像图像中的火焰点进行整合，得到火焰区域面积，将火焰区域面积与预设的火焰区域面积阈值进行比较分析，若火焰区域面积大于预设的火焰区域面积阈值时，则将该子区域判定为火情区域。

14、进一步地，所述对火情区域的燃烧状态进行分析，具体的分析过程如下：

15、通过获取一段时间内火情区域对应的火情图像集合，并从中识别烟雾扩散的方向和火焰燃烧扩散的方向，若烟雾扩散的方向和火焰燃烧扩散的方向相同，则判定为顺风，若烟雾扩散的方向和火焰燃烧扩散的方向相反，则判定为逆风，同时从火情区域对应的影响因素信息中提取当前风速标记为风影值pm；

16、将一段时间内火情区域对应的火情图像集合标记为u，且u={1，2，3，4…n}，n表示火情区域对应的火情图像的总数，将火情区域对应的每个火情图像记为一个监测点，识别一段时间内各监测点的火焰高度和燃烧面积，以一段时间内各监测点为横坐标，以火焰高度和燃烧面积为纵坐标，据此建立二维火焰高度动态坐标系和二维燃烧面积动态坐标系，并将一段时间内各监测点的火焰高度和燃烧面积通过描点的方式分别绘制在二维火焰高度动态坐标系和二维燃烧面积动态坐标系上；

17、获取各监测点的火焰高度跟原点之间在二维火焰高度动态坐标系上的斜率，得到各监测点的火高斜率值，将相邻监测点的火高斜率值进行差值计算得到火高斜率差值记为hgu，依据公式：，得到火高波动值θ1，其中，η1、η2表示为预设的权值系数；

18、在二维燃烧面积动态坐标系上以预设的燃烧面积阈值绘制一条平行于横坐标的参考线，将各监测点的燃烧面积与参考线进行对比分析，提取各监测点的燃烧面积描点与参考线之间的距离长度，标记为燃烧面距值rsu，依据公式：，得到扩面波动值θ2，其中，η3、η4表示为预设的权值系数；

19、提取火高波动值θ1和扩面波动值θ2的数值进行归一化处理，依据公式：，得到燃烧评估指数rsz，其中μ1和μ2分别表示火高波动值和扩面波动值的权重系数。

20、进一步地，所述对火情区域的烟雾状态进行分析，具体的分析过程如下：

21、通过识别一段时间内各监测点的烟雾灰度值，将烟雾灰度值与预设的参考区间进行比较分析，当烟雾灰度值处于预设的参考区间之外时，则判定为异常烟雾，反之则判定为正常烟雾，统计被判定为异常烟雾的次数，并将被判定为异常烟雾的次数与总判定次数进行占比分析，得到烟雾异色值ys；

22、获取一段时间内各监测点的烟雾浓度，并从中提取有害物的浓度，进行加权相加得到烟害浓值yn；

23、提取烟雾异色值ys、烟害浓值yn和风影值pm的数值进行归一化处理，依据公式：，得到烟雾评估指数ywz；其中，μ3、μ4和μ5分别表示烟雾异色值、烟害浓值和风影值的权重系数。

24、进一步地，所述对火情区域的影响因素状态进行分析，具体的分析过程如下：

25、通过获取火情区域各高度对应的影响因素信息中的温度、湿度和氧含量，并分别标定为wdf、sdf和hkf，提取三者数值进行归一化处理，依据公式：，得到影响因素评估指数yxz，其中wdf*、sdf*和hkf*分别表示参考温度、参考湿度和参考氧含量，f表示各高度的编号，且f=1，2，3，…v，v表示各高度编号的总数，μ6、μ7和μ8分别表示温度偏差程度、湿度偏差程度和氧含量偏差程度的权重系数。

26、进一步地，所述对火情区域的火情状态进行预测分析，具体的分析过程如下：

27、提取火情区域的燃烧评估指数、烟雾评估指数和影响因素评估指数的数值进行归一化处理，得到火情状态评估系数，将火情区域的火情状态评估系数与存储在云数据库中的火情趋势状态表进行匹配分析，且火情区域的每个火情状态评估系数均对应一个火情趋势等级，由此得到火情区域的火情趋势等级。

28、本发明提供的技术方案，与已知的现有技术相比，具有如下有益效果：

29、1、本发明通过将目标监测森林平均划分为若干个等面积的子区域，并对各子区域的区域状态信息进行分析得到各子区域的区域值，根据各子区域的区域值与存储在云数据库中的区域状态判定表进行对照匹配，以此确定各子区域的区域状态等级，并匹配相应的无人机监测方式，从而实现了不仅对森林进行精细化管理，确保每个子区域都能得到适当的监测，同时还实现对不同状态子区域的差异化监测，提高了监测效率和准确性，为目标森林的火情状态的监测分析提供了强有力的数据支撑；

30、2、本发明通过使用无人机搭载的热成像和高清摄像头，能够高效地对各子区域进行火情识别，通过热成像图像上的检测点色度值与预设火焰色度阈值的比较，能够精确标记火焰点并计算火焰区域面积，一旦火焰区域面积超过阈值，立即锁定火情区域并生成火情识别信号，高清摄像头随后对火情区域进行实时跟踪拍摄，同时传感器收集影响因素信息，从而实现了不仅提高了火情识别的准确性和效率，还对火情区域进行实时监控和影响因素的及时收集，为火情应对提供了全面、及时的信息支持，达到了快速响应和有效应对的显著效果；

31、3、本发明通过对火情区域的燃烧状态、烟雾状态和影响因素状态进行分析，得到对应的评估指数，将得到的评估指数进行综合分析得到火情状态评估系数，并与云数据库中的火情趋势状态表进行匹配分析得到火情区域的火情趋势等级，基于火情趋势等级进行相应的预警显示，从而实现了能够自动化的数据分析和处理，为火情应对提供了智能化的决策支持，不仅能够快速准确地评估火情状态，还能够根据火情趋势等级制定相应的预警和应对措施，提高了火情应对的效率和准确性。