基于视觉变换网络的自监督森林火灾识别

【目的】森林火灾识别是避免森林火灾大面积蔓延的一项重要研究。随着深度学习的快速发展,基于卷积神经网络的模型因其在图像识别领域的优异表现,被广泛应用到森林火灾识别任务当中。然而,基于卷积神经网络的方法通常在标签数据不充分时,难以取得令人满意的森林火灾识别结果。【方法】本研究提出了一种基于视觉变换网络的自监督森林火灾识别模型（Self supervised forest fire identification model based on visual transformation network）,来提高模型在标签稀缺情况下的森林火灾识别精度。具体来说,该模型采用视觉变换网络作为主干网络,通过视觉变换网络中的多头自注意力机制来捕获森林火灾图像的全局信息特征。并且引入自监督学习中的图像重建任务来辅助模型训练,从而减少模型对标签数据的依赖。模型通过对掩盖图像的特征恢复和重建学习相关语义信息。同时,本研究还提出了一种基于傅里叶低频混合变换的数据增强方法来提高模型的泛化性和鲁棒性。【结果】通过开展详细的试验来验证模型的有效性,结果表明,与其他常见的网络模型相比,FFDM模型在森林火灾识别任务中取...     

森林火灾图像几何特征提取识别的算法研究

根据野外森林环境下早期烟火的火焰特征,描述了火焰识别的-般判断方法,本研究在原判断基础上利用火焰几何特征来提高火焰判断精度的方法,提出了圆形度、矩形度、平均密度和偏心度4种算法作为火焰儿何特征的判断依据.与其它的火焰识别方法相比较,该算法在野外的复杂环境中,识别的准确性更高,抗干扰能力更强.     

森林火灾的计算机仿真研究

建立森林防火仿真系统，通过给出建立仿真系统的一般步骤，结合林火行为、气象条件和可燃物条件等建立森林防火的防真系统。通过仿真，可以直观地掌握林火的发生，发展和蔓延的过程，以及林火蔓延的方向等，为森林防火部门的火灾预测、指挥扑救提供很好的支持。     

基于GEMI算法提取森林火灾迹地研究

基于MODIS数据在森林火灾迹地识别研究中,国内外学者利用各种植被指数算法对大区域火灾迹地损毁程度进行评估,并取得了一定的效果,但对潜在的火灾迹地进行侦测识别方面的研究还相对滞后.为此,利用GEMI指数算法编写程序,构建GEMI指数,设定相关阈值.通过大量的实验研究发现,该算法可有效突出显示火灾迹地.     

基于计算机图形技术的森林火灾模拟蔓延模型

利用计算机图形技术,以波动传播模型为基础,吸收了邻接单元模型的优点,设计基于计算机图形技术的林火模拟蔓延模型.这种模型用预定义的灰度图表示蔓延状态,将图元集中存储的过火区形状按一定的像素栅格运算规则写入灰度图中,来模拟火灾的波动蔓延过程.模型还利用漫染填充算法来处理具有复杂拓扑关系的地理要素附近的蔓延,并将过火区形状的投影变换转化为图元的旋转和错切变换.分析这种模型性能上的优势和局限,包括对局部失真和畸变的影响.从给出的算例和初步的理论分析可见,新模型可以将林火蔓延模拟的计算速度提高1个数量级以上,其他计算性能也有大幅度提高.模型可以为森林火灾的扑救提供精确、实时、全局的火场发展预测图,并且不受火行为的复杂性和地理要素的复杂性的限制.     

太空技术用于森林火灾早期识别

在1999年的森林火灾季节,在德国勃来登堡州,一种摄影技术支持的森林火灾自动预警系统通过了检验.在各种各样的先进技术,如卫星系统、数码相机和红外技术等,数码CCD相机作为目前可能的解决方案.该项技术最先的野外实验是在一个安装在广播发射塔上的相机完成的.该照相系统由3架安装在森林了望塔上的有100万点阵(占阵大小:14.314)的高清晰度相机组成,监测范围大约600平方公里.该     

基于随机森林算法的纤维板表面缺陷识别

【目的】提出一种基于随机森林(RF)算法的分类模型,以实现纤维板表面大刨花、胶斑、杂物、油污的快速、准确识别。【方法】获取100张规格为4 800 mm×2 400 mm的纤维板表面图像,利用Otsu阈值分割算法对图像进行分割,提取缺陷区域的面积(S)、周长(L)、长宽比(OR)、紧凑性(J)、矩形度(P)、圆形性(O)、灰度均值(u)及灰度的标准差(σ_D)、平滑度(σ_P)、偏度(σ_S)、峰度(σ_K)和均方根值(σ_R)12个特征属性的特征值作为试验数据。使用100份试验数据构建RF分类器,采用Bootstrap方法随机抽取2/3数据和8个特征作为输入构建k株决策树,组成RF,以每株决策树袋外数据(OOB)误差率均值作为RF分类器的评估指标确定决策树数量k。采用100张纤维板厂家提供的带有大刨花、胶斑、杂物和油污的纤维板对分类模型进行测试。【结果】当k=600时,RF分类器的OOB误差率均值最低为0.004,利用构建的RF分类器对纤维板厂家提供的100张纤维板进行缺陷识别,正确率为99%,每张纤维板的识别时间为525 ms,在识别时间和正确率上明显优于神经网络(NN)和支持向量机(SVM)。【结论】基于随机森林算法的分类器用于纤维板表面缺陷在线识别具有可行性,能够实现纤维板表面缺陷的快速、准确识别,满足纤维板缺陷在线检测系统的的准确性和实时性要求。     

基于鲸鱼算法的森林火灾图像多阈值分割

为监测森林火灾的实时火情,本文研究图像分割算法应用于林火图像的识别。由于林火图像背景复杂干扰目标多,采用单阈值Otsu方法对林火图像进行分割的精度较差,因此本文研究鲸鱼优化算法(Whale Optimization Algorithm,WOA)对多阈值图像分割的最佳阈值进行寻优。鲸鱼优化算法是在寻找最优解的过程中效率较高的算法,该算法具有收敛速度快、精度高的特点。针对森林火灾图像中的火焰区域准确分割问题,应用WOA对Otsu的适应度函数进行寻优,在红绿蓝模式的林火数字图像上进行仿真试验。试验结果表明:提出的算法在森林火灾图像多阈值分割中优于传统单阈值的Otsu算法,可以获得更为准确的分割阈值和更高的分割效率,具有较强的工程实用性。     

森林火灾无线报警器的设计

采用温度传感器、红外热释电传感器以及烟雾传感器,对森林火灾产生的高温、红外线和烟雾进行检测,检测信号通过相应的放大和专用芯片处理之后,送入专用多路传感器信号综合处理芯片KBS5200进行数据的模拟—数字转换,并通过内部逻辑电路进行与或逻辑运算,最后通过GSM智能控制器利用现有的手机网络进行远程报警。其主要优点是:最大限度地避免了误报警和漏报警,而且利用高效率太阳能电池板和高效能锂离子电池解决了供电的难题。     

基于机器视觉的实木地板在线分色识别算法

实木地板具有良好的美学性能,是室内装饰的优良材料。为了满足特定的室内装饰要求的艺术效果,实木地板的颜色需要协调,因此在生产过程中需要根据实木地板的颜色进行分类,以满足客户的个性化需求。然而,传统人工识别分选的方法受劳动强度、工作效率等因素制约,难以满足产业的发展需求。本试验基于机器视觉技术,对实木地板颜色的图像采集装置与识别分类算法进行了设计。首先,利用彩色CCD相机对3个颜色等级的实木地板进行图像采集,共获得了150幅木材图像,其中80%用来训练、10%用来测试、10%用来验证。然后,利用极限学习机ELM进行颜色分类,并比较不同优化算法的优化效果,如灰狼优化算法(GWO)、遗传优化算法(GA)、粒子群优化算法(PSO)。结果表明,利用灰狼优化的极限学习机(GWO-ELM)对3个颜色等级实木地板图像的识别准确率最高,分别为88.6%,86%和100%。考虑到实木地板的单块完整性,算法的分类结果能有效满足实际生产需求,为国内实木家居企业的智能化发展提供了一套行之有效的解决方法。     

森林火灾应急移动通信切换算法研究

切换技术是解决森林火灾应急移动通信中信号阻塞问题的重要技术。对传统的切换技术进行优先权和排队式的算法优化,并将其应用到支持语音业务的切换中,构建了森林火灾应急通信模型,最后对传统算法和改进算法进行了实验对比。结果表明:经过优化和改进后的切换算法中断率显著降低,信号质量显著提高。研究结果可为森林火灾应急指挥通信畅通和数据的实时传输提供技术保障。     

森林火灾中细小可燃物含水量的计算机模拟

为了减少、避免火灾的损失,我们必须对森林火灾中的主要因子及火行为进行深入研究,正确预测火灾的发生、发展及其变化规律,尽可能地减少火灾的发生,对一旦发生的火灾,采取有效的措施进行扑救。美国北方林火实验室根据R.C Rothermal的林火模型,编制了用于计算火行为的Behave系统软件。根据我国森林防火现已取得的实际进展,已经将林火行为、火险预报技术列入森林防火灭火预测研究科技发展的五年规划。同时,二十世纪的最后一个十年又是“国际减灾十年”这一形势对研究森林火灾的课题十分有利,我们应不失时机地开展研究。一、细小可燃物含水量计算的基本思想及数学模型计算程序采用了加拿大提供的细小可燃物含水量码(FFMC)计算含水量。包括Daily FFMC和     

森林火灾火焰像素检测的背景减除算法

背景减除(background subtraction,BS)是森林火灾火焰图像中运动像素检测的主要手段,已有文献多采用高斯混合模型进行运动像素检测,然而GMM算法对于背景包含大量运动像素的视频并不能取得好的效果,而野外环境的森林火灾视频风吹树枝叶会导致大量的运动像素。为更好地提取森林火焰的运动像素,对36种BS检测算法应用于光照强度变化、树枝叶摆动、相机抖动等多种森林火灾视频进行实验,并选择4种效果好的BS检测算法(高斯平均值背景减除法(DPWren GA)、改进的高斯混合模型(DPZivkovic AGMM)、混合高斯背景模型(Mixture Of Gaussian V2)、局部二进制相似度分割背景减除法(LOBSTER))进行分析研究。结果表明,DPWren GA法检测到的前景完整性不够理想,但其噪声点最少,精确率最高。LOBSTER法能最完整地分割出前景。4种算法对阳光强烈的场景和存在树枝遮挡的火灾视频的检测效果都不是很理想,但对相机抖动有较好的适应性。     

计算机在森林火灾虚拟仿真体系结构中的应用

从森林火灾虚拟仿真FFVS（Forest Fire Virtual Simulation）的基本要求出发，提出FFVS的四层体系结构，讨论其集成性特点及其中的几项关键技术，对更好地应用虚拟仿真技术深入研究森林火灾有一定的意义。     

基于Spark MLlib中决策树算法对阿尔及利亚森林火灾的预测研究

应用阿尔及利亚森林火灾数据,通过Spark MLlib中的决策树算法,提出过滤相关性高的特征参数提升模型性能,对森林火灾进行预测研究。对温度、风速、雨及加拿大森林火险气候指数（FWI）系统中主要指标等特征参数,结合森林火灾的分类情况,使用信息增益标准为Gini的二叉决策树,建立基于决策树的火灾预测模型,对样本数据进行分类预测;提出分析不同特征参数之间的相关性,剔除相关性高的特征参数,利用大数据计算框架Spark建立机器学习工作流,将计算相关性的皮尔森系数与决策树分类算法结合了起来,从而优化模型,提高预测分类精度。预测模型改进前,即未进行相关性分析的森林火灾预测分类总精度为94.94%;预测模型改进后,即进行相关性分析,剔除了相关性较高的特征参数数据,森林火灾预测分类总精度为97.17%,准确率提高了近3%。使用Spark MLlib中的机器学习算法在森林火灾预测分类方面准确率总体较高,尤其在将多种数据挖掘算法结合后,模型性能得到提高,预测分类精度更高。     

基于Web的森林火灾预测预报系统的设计与开发

森林火灾预测预报系统是以ESRI公司的ArcInfo8 1为系统开发平台、ArcSDE为数据存储平台、ArcIMS为信息发布平台,采用综合因子法及森林植被系数法对全国范围的林火天气及森林火险等级实现了预测预报及Web上的1∶400万图形信息发布。这对于全国级的森林火灾的预测预报技术与应用是一次有益的探讨。     

森林火灾与森林小火

森林火灾俗称森林大火,与之相对应的还有森林小火或称野火,森林小火往往不会形成灾难性的后果。我国的《森林防火条例》规定,森林火灾可分成4级:一是森林火警—森林受害面积在1公顷以内。二是一般森林火灾—森林受害面积在1公顷以上,100公顷以下。三是重大森林火灾—森林受害面     

森林火灾——浴火重生的森林

2005年6月23日,美国,亚利桑那州,东多国家森林公园发生山林大火,火灾是由两次强烈闪电引起的。由于高温干燥,火势蔓延得更快,已将12500公顷草原和灌木区变成焦土,摧毁了20多处房屋。逃难者说,大火来得出奇地快,我们几乎什么都来不及拿。当地气温持续在37℃以上,无家可归的人暴露在日光下没处躲避。46岁的妇女安·里说,她离家前只抢出了他们夫妇的出生证,必需的药品和他们的6只宠物猫:“剩下的事情就是哭泣和祈祷了。”目前消防人员在空中灭火直升机和地面植物清理机械的支援下,正在试图阻止火线的快速推进。     

自动巡航森林火灾检测小车的设计

设计了自动巡航森林火灾监测小车以用于有效防范森林火灾,在续航中当扫描地区温度超过一定值且烟雾浓度超过上限值定位后,将GPS位置信息和图像,通过监测系统将检测到的信息传送至总控系统并且进行报警。可以进行手动自动切换对各处巡查;小车可以自动定位,规划路线返回充电站;低功耗模式巡查,遇到火情是开启其它模块;能够采用太阳能电池板供电,提高部分续航能力等功能。详细分析了其各系统的作用及原理,以期能更有效地开展森林火灾的监测范围。     

认识森林火灾

森林火灾,世界性的生态杀手 火灾是森林最凶恶的敌人。据不完全统计,全世界平均每年发生森林火灾22万起,一般年份烧毁森林640万公顷以上,面积约相当于20多个比利时。上个世纪80年代以来,全球气候变暖,许多国家和地区的森林火灾不断,其中最为严重的是澳大利亚、巴西、加拿大、蒙古、中国、法国、希腊、印度尼西亚、意大利、墨西哥、土耳其、美国、俄罗斯及拉丁美洲几个国家。1997年,东南亚森林大火破坏了450万公顷的森林,使该地区7000万人因森林大火的烟尘污染而受到伤害。印度尼西亚的森林大火使19个重要的保护