基于PNN神经网络的森林草原火灾预警系统及方法技术方案

本发明专利技术提供一种基于PNN神经网络的森林草原火灾预警系统及方法，属于人工智能预警技术领域。该系统包括：预警管理平台以及与预警管理平台通信连接的多个检测装置；检测装置包括：检测模组、无线通信模块和微处理器；检测模组包括多个检测传感器；微处理器，用于控制无线通信模块将检测模组检测到的信息发送至预警管理平台；还用于利用基于PNN神经网络的火灾预警模型，对检测模组检测到的信息进行分析，得到包括火灾预警等级的火灾预警信息；预警管理平台用于根据检测装置确定的火灾预警信息进行预警。本发明专利技术采用人工智能神经网络对多种检测信息进行智能分析，能够提高预警准确度，得到与当前火情相适配的火灾预警等级，从而使得预警处理更加适宜。而使得预警处理更加适宜。而使得预警处理更加适宜。

【技术实现步骤摘要】
基于PNN神经网络的森林草原火灾预警系统及方法


[0001]本专利技术涉及人工智能预警
，具体涉及一种基于PNN神经网络的森林草原火灾预警系统及方法。

技术介绍

[0002]森林草原火灾不仅严重破坏森林草原资源和生态环境，而且会对人民生命财产和公共安全产生极大的危害，对国民经济可持续发展和生态安全造成巨大威胁。具体危害表现在如下几个方面：烧毁森林草原植被资源、危害野生动物、引起水土流失、使下游河流水质下降、引起空气污染、威胁人民生命财产安全。
[0003]及时进行火灾预警，以及时将森林草原火灾扑灭在最初阶段是最切实有效的方法，不仅可避免火灾蔓延对森林草原资源和生态环境的破坏，还可以减少灭火所需的社会资源。目前的火灾预警方法，一般采用阈值判断方法检测火灾，并且只考虑单一因素，如温度、烟雾浓度等。但是这种方式存在以下问题：采用单一传感器进行火灾检测，容易受外界环境因素影响导致准确度低，森林草原这种场景一旦出现误报警很难及时进行误报排除，为防止火灾蔓延就需要动用消防力量，导致不必要的浪费；另外，采用阈值判断方法难以判断判断火情，因此不能根据火情调动相应的消防力量，容易导致消防力量不足或浪费。

技术实现思路

[0004]因此，本专利技术实施例要解决的技术问题在于克服现有技术中的森林草原火灾预警方案准确度低且无法获取火情信息导致消防资源浪费或与火情不匹配的缺陷，从而提供一种基于PNN神经网络的森林草原火灾预警系统及方法。
[0005]为此，本专利技术提供一种基于PNN神经网络的森林草原火灾预警系统，包括：
[0006]预警管理平台以及与所述预警管理平台通信连接的多个检测装置；
[0007]多个所述检测装置用于分别设置在森林或草原内的多个不同位置；所述检测装置包括：检测模组、无线通信模块和微处理器；
[0008]所述检测模组包括多个检测传感器，所述检测传感器包括烟雾传感器、二氧化碳浓度传感器、一氧化碳浓度传感器、温度传感器、湿度传感器、光照传感器和图像传感器中的至少一个；
[0009]所述微处理器，用于控制所述无线通信模块将所述检测模组检测到的信息发送至所述预警管理平台；还用于利用基于PNN神经网络的火灾预警模型，对所述检测模组检测到的信息进行分析，得到火灾预警信息，所述火灾预警信息包括火灾预警等级；
[0010]所述预警管理平台用于根据所述检测装置确定的所述火灾预警信息进行预警。
[0011]可选的，所述火灾预警模型中的PNN神经网络包括输入层、模式层、求和层和输出层；
[0012]所述输入层用于接收根据所述检测模组检测到的信息得到特征向量，所述输入层神经元数量与所述特征向量的维数相等；
[0013]所述模式层用于计算所述特征向量与各个模式的匹配关系，所述模式层的每个神经元的输出为：β为所述输入层到所述模式层连接的权值，δ为平滑因子；
[0014]所述求和层用于将属于同一所述火灾预警等级的概率进行累积，得到所述火灾预警等级的估计概率密度；
[0015]所述输出层由阈值辨别器组成，用于在各个所述估计概率密度中选择一个具有最大后验概率密度的神经元的输出作为整个系统的输出。
[0016]可选的，所述预警管理平台用于建立并训练所述火灾预警模型，其中所述平滑因子δ是通过以下方式确定：
[0017]确定粒子群算法中的适应度函数；
[0018]通过不断迭代和调整粒子的速度和位置，找到使所述适应度函数达到最优值的所述平滑因子δ；每个粒子的速度和位置根据如下公式调整：
[0019][0020]x
k
(t+1)＝x
k
(t)+v
k
(t+1)
[0021]其中，v
k
(t)、x
k
(t)为t次优化后第k个粒子的速度、位置，w为惯性权重，c1、c2、c3、c4为分布在[0,1]上的一组随机变量，为第k个粒子第t次优化后的最佳位置，g
best
为第t次优化后所有粒子群中的任意一个粒子所经历的最佳位置，为第t次优化后粒子群中适应度函数值最优的前r个粒子的平均位置，r为大于1的正整数。
[0022]可选的，所述预警管理平台还用于根据所述检测装置所在的位置历史发生的火灾信息对所述平滑因子δ进行修正；其中，所述历史发生的火灾信息包括以下至少之一：历史发生火灾的火灾等级和频率；和/或，
[0023]所述微处理器还用于根据环境信息对所述平滑因子δ，所述环境信息包括以下至少之一：环境温度、环境湿度和天气信息。
[0024]可选的，所述预警管理平台用于搜集所述火灾预警模型的训练样本，所述训练样本包括在在森林或草原内历史采集的火灾样本数据和未发生火灾时的非火灾样本数据，所述火灾样本数据包括火灾各个时期的数据；
[0025]所述预警管理平台还用于利用基于自组织竞争神经网络的聚类方法对所述训练样本进行划分，得到训练样本集和测试样本集。
[0026]可选的，所述图像传感器用于采集图像；
[0027]所述微处理器，用于利用去噪模型去除所述图像中的噪音，获取去除噪音后的所述图像的背景并调节对比度，利用灰度直方图获取火焰的分割阈值，将火焰图像从背景图像中提取出来，对所述火焰图像进行二次去噪，采用灰度直方图均衡化后转化为二值图像，利用大津算法和八邻域联通标记找到每个火焰图像对应的所有像素点，得到分割后的二值化图像；
[0028]对所述二值化图像进行分析得到用于输入至所述火灾预警模型以进行所述火灾预警等级确定的特征信息。
[0029]可选的，所述微处理器，用于对所述二值化图像中的火焰区域进行八邻域边缘跟踪；
[0030]对所述火焰区域内部进行像素填充的标号计数的方法，标记统计所有相同灰度的像素点数；
[0031]对所述火焰区域进行阈值化处理，将火焰外焰从所述火焰区域中提取出来，以提取火焰的尖角和/或圆形度特征，作为所述特征信息。
[0032]本专利技术还提供一种基于PNN神经网络的森林草原火灾预警方法，包括以下步骤：
[0033]利用基于PNN神经网络的火灾预警模型，对检测模组检测到的信息进行分析，得到火灾预警信息，所述火灾预警信息包括火灾预警等级；所述检测模组包括多个检测传感器，所述检测传感器包括烟雾传感器、二氧化碳浓度传感器、一氧化碳浓度传感器、温度传感器、湿度传感器、光照传感器和图像传感器中的至少一个；
[0034]根据所述火灾预警信息进行预警。
[0035]可选的，所述利用基于PNN神经网络的火灾预警模型，对检测模组检测到的信息进行分析，得到火灾预警信息之前，还包括：
[0036]利用去噪模型去除所述图像传感器采集的图像中的噪音，获取去除噪音后的所述图像的背景并调节对比度，利用灰度直方图获取火焰的分割阈值，将火焰图像从背景图像中提取出来，对所述火焰图像进行二次去噪，采用灰度直方图均衡化后转化为二值图像，利用大津算法和八邻域联通标记找到每个火焰图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PNN神经网络的森林草原火灾预警系统，其特征在于，包括：预警管理平台以及与所述预警管理平台通信连接的多个检测装置；多个所述检测装置用于分别设置在森林或草原内的多个不同位置；所述检测装置包括：检测模组、无线通信模块和微处理器；所述检测模组包括多个检测传感器，所述检测传感器包括烟雾传感器、二氧化碳浓度传感器、一氧化碳浓度传感器、温度传感器、湿度传感器、光照传感器和图像传感器中的至少一个；所述微处理器，用于控制所述无线通信模块将所述检测模组检测到的信息发送至所述预警管理平台；还用于利用基于PNN神经网络的火灾预警模型，对所述检测模组检测到的信息进行分析，得到火灾预警信息，所述火灾预警信息包括火灾预警等级；所述预警管理平台用于根据所述检测装置确定的所述火灾预警信息进行预警。2.根据权利要求1所述的系统，其特征在于，所述火灾预警模型中的PNN神经网络包括输入层、模式层、求和层和输出层；所述输入层用于接收根据所述检测模组检测到的信息得到特征向量，所述输入层神经元数量与所述特征向量的维数相等；所述模式层用于计算所述特征向量与各个模式的匹配关系，所述模式层的每个神经元的输出为：β为所述输入层到所述模式层连接的权值，δ为平滑因子；所述求和层用于将属于同一所述火灾预警等级的概率进行累积，得到所述火灾预警等级的估计概率密度；所述输出层由阈值辨别器组成，用于在各个所述估计概率密度中选择一个具有最大后验概率密度的神经元的输出作为整个系统的输出。3.根据权利要求2所述的系统，其特征在于，所述预警管理平台用于建立并训练所述火灾预警模型，其中所述平滑因子δ是通过以下方式确定：确定粒子群算法中的适应度函数；通过不断迭代和调整粒子的速度和位置，找到使所述适应度函数达到最优值的所述平滑因子δ；每个粒子的速度和位置根据如下公式调整：x
k
(t+1)＝x
k
(t)+v
k
(t+1)其中，v
k
(t)、x
k
(t)为t次优化后第k个粒子的速度、位置，w为惯性权重，c1、c2、c3、c4为分布在[0,1]上的一组随机变量，为第k个粒子第t次优化后的最佳位置，g
best
为第t次优化后所有粒子群中的任意一个粒子所经历的最佳位置，为第t次优化后粒子群中适应度函数值最优的前r个粒子的平均位置，r为大于1的正整数。4.根据权利要求2或3所述的系统，其特征在于，所述预警管理平台还用于根据所述检测装置所在的位置历史发生的火灾信息对所述平滑因子δ进行修正；其中，所述历史发生的火灾信息包括以下至少之一：历史发生火灾的火灾等级和频率；和/或，
所述微处理器还用于根据环境信息对所述平滑因子δ，所述环境信息包括以下至少之一：环境温度、环境湿度和天气信息。5.根据权利要求1所述的系统，其...

【专利技术属性】
技术研发人员：张大鹏，
申请(专利权)人：特斯联科技集团有限公司，
类型：发明
国别省市：