【技术实现步骤摘要】
一种基于目标检测技术的秸秆焚烧监测方法和系统
本专利技术涉及计算机视觉、深度学习和环境保护的交叉研究领域，特别涉及一种基于目标检测技术的秸秆焚烧监测方法和系统。
技术介绍
当前的秸秆焚烧监测方法主要有三种：人工监测方法、基于传感器的监测方法和基于卫星遥感或无人机的监测方法。但以上三种方法，各有弊端。采用人工监测的方法，要耗费大量的人力资源，需要人员按照设定的区域定时巡检，监控的效率低，而且时效性差。巡检人员有时需要负责的管控区域较大，有时需要很长的时间才能实现一轮巡检，有时发现秸秆焚烧的时候，可能已经焚烧很久，或者已经焚烧完毕，很难达到实时管控的目的。采用基于传感器的监测方法时，存在距离障碍等技术限制，时效性差，无法达到早期预警的目的。采用基于卫星遥感或无人机的监测方法时，卫星遥感或无人机采集到的图像易受到环境因素等的干扰，对遥感图像的处理不够智能化，且实时性较差。
技术实现思路
本专利技术的目的是提供一种基于目标检测技术的秸秆焚烧监测方法和系统，能够通过采集柱体的图像和对图像的处...
【技术保护点】
1.一种基于目标检测技术的秸秆焚烧监测方法，其特征在于：/n步骤1：利用监控视频和数据挖掘技术收集包含烟火和包含秸秆的图像，分别建立初始的烟火数据集和秸秆数据集；/n步骤2：分别对上述的烟火数据集和秸秆数据集进行数据增强，扩充数据集；对扩充后的数据集进行图像标注，生成VOC格式的烟火数据集和秸秆数据集；分别从VOC格式的烟火数据集和秸秆数据集中随机选择出s％的数据作为烟火测试数据集和秸秆测试数据集，对应VOC数据集的剩余部分则作为训练验证集；从训练验证集中随机选择一部分数据作为烟火训练数据集和秸秆训练数据集，剩余部分数据则作为烟火验证数据集和秸秆验证数据集；/n步骤3：基于...
【技术特征摘要】 【专利技术属性】
1.一种基于目标检测技术的秸秆焚烧监测方法，其特征在于：
步骤1：利用监控视频和数据挖掘技术收集包含烟火和包含秸秆的图像，分别建立初始的烟火数据集和秸秆数据集；
步骤2：分别对上述的烟火数据集和秸秆数据集进行数据增强，扩充数据集；对扩充后的数据集进行图像标注，生成VOC格式的烟火数据集和秸秆数据集；分别从VOC格式的烟火数据集和秸秆数据集中随机选择出s％的数据作为烟火测试数据集和秸秆测试数据集，对应VOC数据集的剩余部分则作为训练验证集；从训练验证集中随机选择一部分数据作为烟火训练数据集和秸秆训练数据集，剩余部分数据则作为烟火验证数据集和秸秆验证数据集；
步骤3：基于烟火训练验证集和秸秆训练验证集，利用YOLOv4目标检测算法，分别训练出烟火检测模型和秸秆检测模型，并对模型进行融合得到融合后的秸秆焚烧检测模型；
步骤4：利用融合的秸秆焚烧检测模型对指定图像进行检测分析，判断该图像中是否存在秸秆焚烧的现象。若存在，则对它们的位置进行定位并标出来；
步骤5：将对图像的检测结果传回终端，并进行相应告警。
2.根据权利要求1所述的一种基于目标检测技术的秸秆焚烧监测方法，其特征在于：所述步骤1中包括如下步骤，
步骤101：从监控视频中获得包含烟火和秸秆的图像和视频；
步骤102：从视频中提取出烟火和秸秆的图像帧，对所有图像进行标注，存在烟火或秸秆时标注出烟火或秸秆的位置，生成VOC格式的烟火数据集和秸秆数据集。
3.根据权利要求1所述的一种基于目标检测技术的秸秆焚烧监测方法，其特征在于：所述步骤3包括如下步骤：
步骤301：基于Darknet深度学习框架，利用烟火训练验证集和秸秆训练验证集分别训练YOLOv4模型；
步骤302：根据选定的损失函数，对YOLOv4模型中的卷积神经网络的参数进行迭代更新，迭代至设定的最大迭代次数后停止迭代，结束训练；得到初步的烟火检测模型和秸秆检测模型后，对初步的烟火检测模型和秸秆检测模型进行微调，得到优化后的烟火检测模型和秸秆检测模型；
步骤303：利用测试集对上述的烟火检测模型和秸秆检测模型分别进行测试，根据测试结果对模型进行调整，将误检和漏检的图片加入训练集，并以先前训练的模型作为预训练模型，重新训练模型，直至测试结果达到要求，此时的模型即为最终的烟火检测模型和秸秆检测模型；
步骤304：对烟火检测模型和秸秆检测模型进行融合，若在图像中检测到的秸秆位置的邻近区域同时检测到烟火现象，则判定图像中存在秸秆焚烧现象，达到融合后的秸秆焚烧检测模型。
技术研发人员：吕刚，柳同军，年福东，戴淮初，蒋鹏飞，吴超，
申请(专利权)人：合肥学院，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。