【技术实现步骤摘要】
一种基于深度卷积神经网络的森林火灾消防方法及系统
本专利技术涉及森林消防
，具体涉及一种基于深度卷积神经网络的森林火灾消防方法及系统。
技术介绍
随着全球气候变暖，世界森林火灾频发，森林资源和人民群众生命财产损失严重。在森林火灾扑救中，扑火队员常处于一种高危险环境。无论是林火研究发达的国家，如美国、加拿大等，还是林火研究不发达的国家，如印度尼西亚等，扑火队员都面临着相似的安全威胁。据统计，森林火灾引起的伤亡人数中，扑火队员所占的比重呈现上升趋势，如何保证森林火灾扑救过程中扑火队员的人身安全问题，成为各方关注的焦点。第四次国际林火大会以扑火安全为主题，对林火安全研究工作的挑战、存在问题和关键领域等进行了深入分析和研讨，会议提议物理学家、生物学家和社会科学家团结起来、通力合作，在扑火安全方面针对迫切需要的设备开展研究。申请号为CN201910033933.3的中国专利公开了一种全地形森林消防侦查机器人及其应用，包括机体、行走装置、独立悬挂系统、消防水炮和车载云台，机体通过独立悬挂系统连接行走装置，消防水炮和车载云台...
【技术保护点】
1.一种基于深度卷积神经网络的森林火灾消防系统，包括行走装置(1)及设置在所述行走装置(1)上的机体(2)，所述机体(2)上设置有云台(3)，所述云台(3)上设置有消防装置(4)，其特征在于，还包括：/n定位装置，用于获取所述机体(2)的位置信息；/n图像采集装置，用于采集多张多方位的环境图像；/n中央控制器，所述行走装置(1)、云台(3)、消防装置(4)、定位装置均与所述中央控制器电性连接；/n所述中央控制器内设置有烟雾及火焰识别装置，与图像采集装置电性连接，用于对所述图像采集装置采集的环境图像进行处理，并识别所述环境图像中的烟雾图像及火焰图像，检测所述机体(2)的周围是...
【技术特征摘要】
1.一种基于深度卷积神经网络的森林火灾消防系统，包括行走装置(1)及设置在所述行走装置(1)上的机体(2)，所述机体(2)上设置有云台(3)，所述云台(3)上设置有消防装置(4)，其特征在于，还包括：
定位装置，用于获取所述机体(2)的位置信息；
图像采集装置，用于采集多张多方位的环境图像；
中央控制器，所述行走装置(1)、云台(3)、消防装置(4)、定位装置均与所述中央控制器电性连接；
所述中央控制器内设置有烟雾及火焰识别装置，与图像采集装置电性连接，用于对所述图像采集装置采集的环境图像进行处理，并识别所述环境图像中的烟雾图像及火焰图像，检测所述机体(2)的周围是否发生火灾；所述烟雾及火焰识别装置识别环境图像中存在烟雾图像或火焰图像时，所述中央控制器控制所述行走装置(1)、云台(3)及消防装置(4)配合进行消防工作；
所述定位装置、图像采集装置、烟雾及火焰识别装置及中央控制器均设置在所述机体(2)上。
2.根据权利要求1所述的一种基于深度卷积神经网络的森林火灾消防系统，其特征在于：所述图像采集装置包括四个图像传感器(5)，四个所述图像传感器(5)分别安装在所述机体(2)的四周。
3.根据权利要求1所述的一种基于深度卷积神经网络的森林火灾消防系统，其特征在于：所述烟雾及火焰识别装置包括
训练模块，用于使用多张所述环境图像对卷积神经网络进行训练，获得Tiny-YOLOv3模型；
目标检测模型，用于识别所述环境图像中的烟雾图像及火焰图像；
图像预处理模块，用于对所述环境图像进行直方图均衡化处理和对数变换处理，获得处理后的环境图像，并将处理后的所述环境图像发送至训练模块及目标检测模型。
4.根据权利要求3所述的一种基于深度卷积神经网络的森林火灾消防系统，其特征在于：所述Tiny-YOLOv3模型使用二元交叉熵损失函数进行类别预测，
其中，N是训练图片的总数量；yi取值为0或1，yi取值为1表示第i张输入的图片包含垃圾的图像，yi取值为0则表示第i张输入的图片不包含垃圾的图像；pi值为对第i张输入的图片是否包含垃圾的图像的预测的概率，pi值在0至1之间。
5.根据权利要求3-4任意一项所述的一种基于深度卷积神经网络的森林火灾消防系统，其特征在于：所述所述深度卷积神经网络模型包括DarkNet框架，所述DarkNet框架包括53个卷积层及22个Residual层，所述D...
【专利技术属性】
技术研发人员：刘桂华，唐植云，向伟，孙鑫，龙惠民，
申请(专利权)人：西南科技大学，绵阳科瑞特机器人有限公司，
类型：发明
国别省市：四川;51
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。