一种基于颜色通道HSV结合卷积神经网络的秸秆燃烧识别方法技术

本发明专利技术提供一种基于颜色通道HSV结合卷积神经网络的秸秆燃烧识别方法，包括数据集采集模块、数据集处理模块、图像处理模块和图像显示及报警模块，数据集采集模块获取烟雾检测的视频帧数据集，数据集处理模块将处理后的数据集作为深度卷积神经网络训练的数据集，图像处理模块中的模型训练模块对改进后的深度卷积神经网络进行训练，图像识别模块将实时捕获的两帧图像，通过颜色通道转换和图像帧差处理后，再用训练好的深度卷积神经网络模型进行图像的识别，若存在烟雾，图像显示及报警模块则进行报警，本发明专利技术秸秆燃烧检测提高了识别效率，准确率和实用性高，降低了深度卷积神经网络烟雾算法检测的复杂性和提高识别的准确率。

A straw combustion recognition method based on color channel HSV and convolution neural network

【技术实现步骤摘要】
一种基于颜色通道HSV结合卷积神经网络的秸秆燃烧识别方法
本专利技术涉及利用计算机进行烟雾识别领域，特别是一种基于颜色通道HSV结合卷积神经网络的秸秆燃烧识别方法。
技术介绍
中国是个农业大国，随着农作物的产量提高，秸秆的总量迅速增加，多数地区出现了秸秆焚烧的现象。秸秆焚烧属于低温焚烧，其烟气中含有大量的一氧化碳、二氧化碳、氮氧化物、光化学氧化剂和悬浮颗粒物等造成大气污染,且会在一定程度上加重雾霾的发生。不仅如此,各地区每到收获的季节因为焚烧秸秆而引发火灾的事情时有发生。现有技术关于火灾烟雾检测的方法主要包含两个方向，一方面是传统的视频烟雾检测方法，主要是根据烟雾的颜色，纹理和运动等特征进行提取，然后使用分类器对特征向量进行训练和分类。然而，由于烟雾的形态多变，并且检测的环境比较复杂，人工设计的特征提取和识别的效果并不理想，很难达到实际需求；另一方面，现有的基于深度卷积神经网络进行烟雾的识别，通过对图形经过一系列的处理，如高斯混合模型、暗通道去雾、二值化处理等，再进行模型的训练和识别，方法比较繁琐，耗时较长，难以进行实时本文档来自技高网...

【技术保护点】
1.一种基于颜色通道HSV结合卷积神经网络的秸秆燃烧识别方法，其特征是：包括数据集采集模块、数据集处理模块、图像处理模块和图像显示及报警模块，具体实现的步骤为：/nS1.数据集采集模块通过摄像头获取烟雾检测的视频帧数据集；/nS2.数据集处理模块挑选出多组连续两帧图像，采用颜色通道HSV中的V通道提取图像特征，相减得到烟雾区域作为深度卷积神经网络训练的数据集；/nS3.图像处理模块包括模型训练模块和图像识别模块，模型训练模块将VGG16网络结构改进后的深度卷积神经网络进行训练；/n图像识别模块将摄像头实时捕获的两帧图像，通过颜色通道转换和图像帧差处理后，再用训练好的深度卷积神经网络模型进行图像...

【技术特征摘要】
1.一种基于颜色通道HSV结合卷积神经网络的秸秆燃烧识别方法，其特征是：包括数据集采集模块、数据集处理模块、图像处理模块和图像显示及报警模块，具体实现的步骤为：
S1.数据集采集模块通过摄像头获取烟雾检测的视频帧数据集；
S2.数据集处理模块挑选出多组连续两帧图像，采用颜色通道HSV中的V通道提取图像特征，相减得到烟雾区域作为深度卷积神经网络训练的数据集；
S3.图像处理模块包括模型训练模块和图像识别模块，模型训练模块将VGG16网络结构改进后的深度卷积神经网络进行...

【专利技术属性】
技术研发人员：周昌龙，姜明华，余锋，马佩，宋坤芳，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：湖北;42