【技术实现步骤摘要】
本申请属于图像识别、深度学习等，具体涉及一种基于三维卷积网络和自注意力机制的山火检测方法和系统。
技术介绍
1、在全球气候变暖等气候异常因素的影响下，温度高、湿度小、持续干旱和风速大的高火险天气出现的频率越来越高，每年山火爆发次数呈现上升趋势。一些森林覆盖率和森林植被密度较大的地区多次发生危害电网安全的山火。因此对山火的识别和预警就显得尤为重要。目前，常用采用ai智能识别算法对山火进行自动识别，可以及时发现山火，避免事故扩大影响输电线路安全，并将运维人员从繁重的人眼甄别工作中解放出来，大大提高了工作效率。
2、然而，一些常规的算法模型识别准确率较低、误报率高，给山火防护工作带来较大的困扰。究其原因，主要是：云/雾/烟难以准确识别，三者变化无常，特征性较低，且具有较强的相似性，即使人眼有时也难以区分，而输电线路图像/视频监测距离较远、尺度大，加之某些地区地理气象环境复杂多变，使图像信息背景干扰加大，造成较高的误报率，目前误报率超过90%。复杂多变的野外气象、地势条件也给山火图像识别算法带来了巨大挑战，让算法模型泛化性能偏弱，识
本文档来自技高网...【技术保护点】
1.一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述山火检测方法包括：
2.根据权利要求1所述的一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述三维卷积网络包括三维卷积层、三维池化层和Dropout层；
3.根据权利要求2所述的一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述特征提取网络包括池化层和自区分性特征提取结构，所述自区分性特征提取结构包括三个卷积网络，分别对应底层特征、中层特征和高层特征的特征提取，且三个卷积网络上都采用了自注意力机制，让注意力关注于有鉴别性的图像区域，并采用一致性...
【技术特征摘要】
1.一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述山火检测方法包括：
2.根据权利要求1所述的一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述三维卷积网络包括三维卷积层、三维池化层和dropout层；
3.根据权利要求2所述的一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述特征提取网络包括池化层和自区分性特征提取结构，所述自区分性特征提取结构包括三个卷积网络，分别对应底层特征、中层特征和高层特征的特征提取，且三个卷积网络上都采用了自注意力机制，让注意力关注于有鉴别性的图像区域，并采用一致性注意力正则化机制来约束不同层的注意力，从而提取得到山火目标特征并将其输入至分类网络进行分类识别。
4.根据权利要求2所述的一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述三维卷积层的计算公式为：
5.根据权利要求3所述的一种基于三维卷积网络和自注意力机制的山火检测方法，其特征在于，所述自区分性特征提取结构采...
【专利技术属性】
技术研发人员：刘益岑，刘曦，朱鑫，韩晓言，孙祯鸿，范松海，刘小江，马小敏，罗磊，左琳，杨坤山，罗时敏，汪淑贤，
申请(专利权)人：国网四川省电力公司电力科学研究院，
类型：发明
国别省市：
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。