本发明涉及一种人工智能的烟火探测系统及其控制方法,属于人工智能领域。
背景技术:
在现代的森林、智能交通等领域,监控摄像机已广泛应用于各个需要进行监测的区域。而关于如何有效地对采集的图像数据进行识别,是可以有效解决烟火监测的必要手段。
而随着人工智能的研究越来越深入,研究人员们也不断努力开发出新技术,新的识别方法,如何开发出更好的系统和方法在复杂背景下识别烟火是需要解决的。
技术实现要素:
本发明提供了一种人工智能的烟火探测系统及其控制方法,以用于有效地识别烟火。
本发明的技术方案是:一种人工智能的烟火探测系统,包括图像采集装置、烟火识别装置、报警装置;
图像采集装置,图像采集装置安装在需要探测烟火的区域,通过该图像采集装置采集探测区域中的图像构建测试数据集,并传输至烟火识别装置;
烟火识别装置,用于对接收的图像采集装置的图像采用基于全卷积神经网络算法进行识别;
报警装置,用于根据烟火识别装置的识别结果进行报警。
一种人工智能的烟火探测系统的控制方法,所述方法步骤如下:
s1、构建训练数据集:
收集烟火图像,对烟火图像进行标注,构建训练数据集;
s2、构建测试数据集:
在需要探测烟火的区域安装图像采集装置,通过该图像采集装置采集探测区域中的图像构建测试数据集;
s3、利用训练数据集中的图像对全卷积神经网络模型进行训练;
s4、利用训练好的全卷积神经网络模型,对测试数据集中的烟火图像进行烟火识别,如果识别为存在烟火,则通过报警装置报警。
所述标注过程如下:
根据烟火图像的rgb颜色来判据:当红色分量大于红色分量的均值、绿色分量大于绿色分量的均值且绿色分量大于蓝色分量,则标注为白色,其余标注为黑色。
本发明的有益效果是:本发明通过图像处理技术,构建的训练数据集能更加有效地进行网络模型的训练,而基于该训练出的模型能更加准确地用于测试数据集中图像中烟火的识别。
附图说明
图1为本发明的控制方法流程图。
具体实施方式
下面结合附图和实施例,对本发明作进一步说明,但本发明的内容并不限于所述范围。
实施例1:如图1所示,一种人工智能的烟火探测系统,包括图像采集装置、烟火识别装置、报警装置;
图像采集装置,图像采集装置安装在需要探测烟火的区域,通过该图像采集装置采集探测区域中的图像构建测试数据集,并传输至烟火识别装置;
烟火识别装置,用于对接收的图像采集装置的图像采用基于全卷积神经网络算法进行识别;
报警装置,用于根据烟火识别装置的识别结果进行报警。
一种人工智能的烟火探测系统的控制方法,所述方法步骤如下:
s1、构建训练数据集:
收集烟火图像,对烟火图像进行标注,构建训练数据集;
s2、构建测试数据集:
在需要探测烟火的区域安装图像采集装置,通过该图像采集装置采集探测区域中的图像构建测试数据集;
s3、利用训练数据集中的图像对全卷积神经网络模型进行训练;
s4、利用训练好的全卷积神经网络模型,对测试数据集中的烟火图像进行烟火识别,如果识别为存在烟火,则通过报警装置报警。
进一步地,可以设置所述标注过程如下:
根据烟火图像的rgb颜色来判据:当红色分量大于红色分量的均值、绿色分量大于绿色分量的均值且绿色分量大于蓝色分量,则标注为白色,其余标注为黑色。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。