基于深度学习的烟火检测方法在秸秆禁烧中的应用研究

发布时间：2023-02-25 20:06

　　随着科技的发展和技术的进步,计算机的计算能力逐渐增强,数据规模不断扩大,人工智能进入了一个繁荣发展时期,人工智能和深度学习的应用开始渗透到各个行业,并取得了较好的效果。近年来,国家越来越重视环境保护,有关部门曾指出,秸秆焚烧会造成严重的环境污染,降低大气质量,降低土壤营养成分等,成为迫切需要解决的环境问题。当前的秸秆焚烧监测方法主要有三种:人工监测方法、基于传感器的监测方法和基于卫星遥感或无人机的监测方法。人工监测的方法,要耗费大量的人力资源,实时性较差且低效。基于传感器的监测方法,存在距离障碍等技术限制,时效性差,无法精准地提供预警信息。基于卫星遥感或无人机的监测方法,采集到的图像易受到环境因素等的干扰,对遥感图像的处理不够智能化,也不能很好地起到秸秆焚烧预警作用。近年来,人工智能技术在图像处理领域取得了长足的发展,而深度学习是其中一个重要的分支,利用深度学习技术,解决烟火检测和识别的问题成为又一个热门的研究方向。因此,本文通过研究人工智能技术,将基于深度学习的烟火检测技术应用于秸秆焚烧监测领域,并构建了一个基于此方法的秸秆焚烧监测系统。本文的主要工作内容如下:(1)本文提出了一种基...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文主要的内容及研究的难点
        1.3.1 本文主要的研究内容
        1.3.2 本文研究的难点
    1.4 论文章节安排
第2章 相关技术概述
    2.1 传统的目标检测方法
    2.2 卷积神经网络
        2.2.1 卷积神经网络结构
        2.2.2 卷积神经网络特性
        2.2.3 ResNet网络结构
    2.3 基于人工智能的目标检测技术
        2.3.1 二阶段的目标检测方法
        2.3.2 一阶段的目标检测方法
    2.4 本章小结
第3章 基于烟火检测技术的秸秆焚烧检测方法
    3.1 秸秆焚烧检测的实现
        3.1.1 YOLOv3算法介绍
        3.1.2 烟火检测和秸秆检测的实现
        3.1.3 秸秆焚烧检测的实现
    3.2 实验平台和实验数据集
        3.2.1 实验平台
        3.2.2 实验数据集
    3.3 实验与分析
        3.3.1 四种目标检测算法的比对实验
        3.3.2 数据增强比对实验
        3.3.3 模型性能测试
    3.4 本章小结
第4章 基于烟火检测技术的秸秆焚烧监测系统
    4.1 秸秆焚烧监测系统概述
        4.1.1 前端层
        4.1.2 传输层
        4.1.3 后台层
        4.1.4 监控平台层
    4.2 秸秆焚烧监测系统应用研究
        4.2.1 前端层部署
        4.2.2 传输层部署
        4.2.3 后台层部署
        4.2.4 监控平台层部署
    4.3 秸秆焚烧监测系统平台
    4.4 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 下一步工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况
致谢



本文编号：3749109