一种基于深度学习的林火监测预警系统技术方案

一种基于深度学习的林火监测预警系统

【技术实现步骤摘要】
一种基于深度学习的林火监测预警系统


[0001]本专利技术具体涉及一种森林火灾监测预警系统，更具体地说是利用深度学习的图像识别方法对森林火灾进行精准判识的监测预警系统
。

技术介绍

[0002]森林是一种重要自然资源，与我们的关系极为密切，它不仅能提供各种木材和经济植物，同时也是许多动物食物的来源
。
研究一套实用的林火监控系统可按照“打早
、
打小
、
打了”的森林火灾扑救原则，实现森林火灾“预防为主
、
积极消灭”的防灭火方针，使火灾消除在萌芽状态，对林火预测及发生地点进行精确掌握，有效减少森林资源的损失
。
[0003]现有森林火灾监测系统
,
多是将感温光纤置在目标地点内，实时监测温度的变化情况，并实时将反应温度变化以电信号的形式传递给数据分析处理系统
。
但当森林待测面积过大时，消耗资源多且识别准确率低，而且现有监测系统获取信息单一，只有温度指标信息，无法实现预警的功能
。

技术实现思路

[0004]本专利技术的目的在于提供基于深度学习图像识别技术的森林火灾监测预警系统及方法，以解决上述
技术介绍
中提出的问题
。
本专利技术能够将火灾位置的坐标地点
、
温湿度
、
风力
、
风向等信息发送到上位机控制中心来实现自动生成森林火险气象等级，进行预警提示
。
根据摄像头获取的图像信息，在火灾发生的第一时间通过该森林火灾监测系统判断其规模及危险程度，及时报警至消防救援部门
。
[0005]为达到上述目的，本专利技术的实施例采用如下技术方案：
[0006]一种基于深度学习的林火及烟雾识别监控系统，由为上位机和下位机两部分组成
。
下位机与上位机之间采用
WIFI/5G
进行无线通信，将数据传送给上位机交互系统
。
[0007]所述下位机硬件部分包括，树莓派
3(B+
型
)、DHT22
数字温湿度传感器模块
、BMP180
传感器模块
、RS
‑
FSJT
‑
N01
风速传感器模块
、RS
‑
FXJT
‑
N01
‑
360
风向传感器模块
、RealSense D435i
深度摄像机模块
、ATK
‑
S1216F8
‑
BD GPS/
北斗模块
、WIFI/5G
无线网络模块
、
电池模块
。
利用树莓派
3(B+
型
)
来连接各个传感器，构成前端数据采集的完整设备
。
[0008]所述下位机软件部分包括，
Yolov5
林火及烟雾识别模块和各传感器数据采集模块
。
[0009]所述上位机软件部分包括，管理与控制
、
实时数据图像与曲线显示
、
数据与图像存储功能模块
、
各监测点状态显示及自动报警模块
、
自动报警及森林火险气象等级预报
。
[0010]所述管理与控制功能模块，主要进行通信与数据库管理，实现上位机发送指令自动控制摄像头云台的转动
。
[0011]所述实时数据图像与曲线显示功能模块，在可视化
GUI
界面中，利用相关
GUI
开发软件
(
本文使用的
PyQT
软件
)
进行可视化界面的研究与设计工作，并在开发成功的界面中进行数据可视化展示，方便用户对其进行火险预报和数据比对
。
[0012]所述历史数据查询功能模块，用户在历史数据查询界面可实现对传感器历史数据的按时间
、
传感器类型
、
数据显示类型等不同维度的组合查询，方面使用者自由组合，更加便捷查询历史数据
。
[0013]所述各监测点状态显示及自动报警功能模块，基于北斗模块提供的位置信息，将下位机各个模块安放至各个目标监测点，各监测点显示经度及纬度信息
。
当各监测点数据处于正常阈值范围内，且图像识别模块未检测到林火和烟雾时，状态显示为绿
。
如各监测点分辨出目标地点发生森林火灾的情况，状态显示为红灯闪烁并触发声光报警器，系统会在第一时间自动报警至相关部门，并显示实时森林火险等级，供消防救援人员参考
。
调用百度地图提供的
API
接口可实现
。
[0014]烟雾识别
YOLOv5s
代码介绍：
YOLOv5
系列有四个不同的模块，
YOLOv5
针对不同大小
(n,s,m,l,x)
的网络整体架构是一样的，但在每个子模块中采用不同的深度和宽度，分别应对
yaml
文件中的
depth_multiple
和
width_multiple
参数
。
深度与宽度不同，对目标检测精度也不同，但森林火灾中烟雾和火焰一般较大，因此对深度和宽度要求较小，选用深度和宽度最小的
YOLOv5s
网络可以满足我们对较大烟雾和火焰的检测识别
。YOLOV5
为开源代码，以下为
YOLOv5s.yaml
文件内容：
[0015]nc:80#number of classes
数据集中的类别数
[0016]depth_multiple:0.33#model depth multiple
模型层数因子
(
用来调整网络的深度
)
[0017]width_multiple:0.50#layer channel multiple
模型通道数因子
(
用来调整网络的宽度
)
[0018]它决定的是整个模型中的深度
(
层数
)
和宽度
(
通道数
)。
[0019]anchors:#
表示作用于当前特征图的
Anchor
大小为
xxx
[0020]#9
个
anchor
，其中
P
表示特征图的层级，
P3/8
该层特征图缩放为
1/8,
是第3层特征
[0021]‑
[10,13,16,30,33,23]#P3/8
，表示
[10,13],[16,30],[33,23]3
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习的林火监测预警系统，其特征是，系统包括上位机和下位机两部分组成，下位机与上位机之间采用
WIFI/5G
进行无线通信
。2.
按照权利要求项1所述的设置，其特征是，下位机以树莓派为核心，使用树莓派来连接各个传感器，构成前端数据采集的完整设备，包括北斗模块
、
摄像头模块
、
气压传感器
、
温湿度传感器
、
风速变送器
、
风向变送器等传感器
。3.
按照权利要求项1所述，其特征是，下位机实时监控目标地点范围内的林火及烟雾，采用基于
Yolov5
深度学习算法实时进行林火及烟雾检测，采用
WIFI/5G
进行无线通信，将数据传送给上位机监控软件
。4.
根据权利要求1所述，其特征在于，上位机软件具有以下功能模块：
(1)
管理与控制功能模块：管理模块主要进行通信与数据库管理，控制模块实现上位机发送指令自动控制摄像头云台的转动；
(2)
实时数据图像与曲线显示功能模块：基于云平台...

【专利技术属性】
技术研发人员：杜秋洋，周轼函，张国琛，闫淳，刘新新，
申请(专利权)人：中国消防救援学院，
类型：发明
国别省市：