基于卷积神经网络的林火识别

发布时间：2024-04-27 19:22

　　我国是森林火灾多发国家,森林火灾的发生严重威胁到人的生命安全,同时也影响了我国经济的发展,降低生态环境质量。为了快速准确的发现森林火灾,很多国家对林火监测系统进行了深入研究。常见的林火监测手段如卫星遥感、塔台瞭望、地面巡视、飞机巡护、传感器探测等都存在一些问题,卫星遥感监测的实时性和精确性不足,塔台瞭望和飞机巡护成本过高,地面巡视工作量巨大但效率低下,传感器的抗干扰能力较低,将其使用到森林环境内检测时,很容易受到外界环境的影响导致检测结果不准确,因此不适用于森林火灾的监测。使用图像监测方法,需进行图像预处理,并通过人工方式从图像内提取相应的火焰特征,该方法的核心即为确定火焰特征,而传统的图像型监测方法识别率不高。综上所述,本次采用深度学习算法,通过卷积神经网络模型进行林火识别。论文的研究内容有:(1)对传统的图像型林火识别算法进行研究。使用HOG算法提取图像特征,并使用SVM进行分类,针对夜晚和白天的不同情况,最终得到白天期间模型的识别准确率约为83%,夜晚林火识别正确率为88%。(2)分析了卷积神经网络模型的结构与组成,并选取适合本实验的模型Inception V3,使用迁移学习训练...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图22无人机应用于林火检测

基于无人机影像的林火识别方法和定位方法是森林防火领域近年来的热门研究方向，通过对无人机采集到的影像进行后续智能分析，可获取影像中的详细信息，实现对现场的探测和灾情评估等工作，如图22所示。目前主流的无人机影像林火识别方法都是基于深度卷积神经网络来对火灾图像进行识别的。傅天驹[46....

图４－４夜间林火识别的卷积神经网络框架??Ｆｉ．４－４?ＣＮＮ?ｆｒａｍｅｗｏｒｋ?ｆｏｒ?ｎｉｈｔ?ｆｏｒｅｓｔ?ｆｉｒｅ?ｒｅｃｏｎｉｔｉｏｎ??

?４．３基于卷积神经网络的夜间林火识别框架措建??用于火灾图像识别的卷积神经网络框架如图４－４所示。不包含输入层的情况下该??网络共有６层。对该框架的详细描述如下：??Ｃ５?：２０勞ｉｒ玉王??（２４２?护。??ａ：?８緑说巧８?ｎ?’?１論Ｗ：?瘦口＊１７乃主ｉ、、、??帥Ｗ：....

图５－１白天林火识别的卷砍神经网络框架??

用ＲＧＢ彩色图像进行训练和测试。??５．２基于卷积神经网络的白天林火识别框架搭建??用于白天森林火灾识别的网络框架如图５－１所示。将卷积层和池化层严格区分的??情况下，连同输入层在内该网络共有１２层。其详细描述如下：??ＣＩ??ＳＩ?Ｃ２?巧巧??Ｘ．?３＾—＾７＂＇＾?Ｓ２?Ｃ....

图5-4随机初始化参数后训练得到的均方误差曲线

基于卷积神经网络的白天林火识别???．３实验结果分析??．?３．１随机初始化参数结果及分析??卷积神经网络训练的核也就是训练网络中的权值参数，一般情况下采取随机初始??参数的方法，如第四章中的网络即为随机初始化后训练得到的。随机初始化网络各??参数，训练并测试该网络，３０次迭代后....

本文编号：3965605