本申请涉及森林火灾监测预警,特别是涉及到一种森林火险监测预警方法、装置、设备和存储介质。
背景技术:
1、随着图像处理技术和视频分析技术的发展,基于视频识别的森林火灾监测技术在林火防控领域愈发的受到重视,目前应用于森林火灾视频图像监测系统监测的对象主要是火焰和烟雾。当森林火情出现初期,火焰太小容易被林木遮挡而监测不到,当火焰大到能够识别并监测到时,火情已经扩散到一定的规模,这样给扑救带来一定的难度;烟雾识别可以在森林火灾初期发现火情,如果在森林火灾发生初期做出预警,就可以降低扑救难度、减少生命和财产损失,但火灾引起的烟雾与水雾、尘土、云很相似,现有方法又不能很好将他们区分,导致误识别率较高。因此,如何提高森林火灾发生初期烟雾识别的准确性,从而提高火情预警准确性是目前亟需解决的技术问题。
技术实现思路
1、本发明的主要目的为提供一种森林火险监测预警方法、装置、设备和存储介质,旨在提高森林火灾发生初期烟雾识别的准确性,尤其是区别出水雾、尘土、云等易发生误报警的情形,从而提高预警准确性。
2、本发明提供一种森林火险监测预警方法,所述方法包括:
3、获取同一森林区域当前的可见光图像和红外图像;
4、利用基于深度学习的烟雾检测模型对所述可见光图像进行烟雾检测,获得所述可见光图像发生火情的置信度;
5、判断所述红外图像的局部温度值是否超出预设的预警值,获得基于红外图像的判断结果;
6、计算当前的fwi指数;
7、根据当前的fwi指数确定当前的火险等级;
8、根据所述火险等级、所述可见光图像发生火情的置信度和所述基于红外图像的判断结果确定是否进行火情预警。
9、进一步的,所述火险等级包括5个级别,分别为1级、2级、3级、4级和5级,所述根据所述火险等级、所述可见光图像发生火情的置信度和所述基于红外图像的判断结果确定是否进行火情预警的步骤包括:
10、根据如下规则确定是否进行火情预警:
11、若火险等级为2级,且所述可见光图像发生火情的置信度大于或等于第一阈值以及基于红外图像的判断结果为1,则进行火情预警;其中,基于红外图像的判断结果为1表示所述红外图像的局部温度值超出预警值;
12、若火险等级为3级,且所述可见光图像发生火情的置信度大于或等于第二阈值以及基于红外图像的判断结果为1,则进行火情预警;
13、若火险等级为4级,且所述可见光图像发生火情的置信度大于或等于第三阈值以及基于红外图像的判断结果为1,则进行火情预警;
14、若火险等级为5级,且所述可见光图像发生火情的置信度大于或等于第四阈值以及基于红外图像的判断结果为1,则进行火情预警;其中,所述第一阈值大于所述第二阈值,所述第二阈值大于所述第三阈值,所述第三阈值大于所述第四阈值;
15、其他情况不进行火情预警。
16、进一步的,所述获取同一森林区域当前的可见光图像和红外图像之前,所述方法还包括:
17、对收集到的森林火情初期的图像打标签,标注出真实火点及烟火的位置和形状;其中,所述森林火情初期的图像为可见光图像;
18、对收集到的其他会引起火情误报的可见光图像打上标签,标注出引起火情误报的对象以及引起火情误报的对象所在的位置和形状;引起火情误报的对象包括云、雾以及尘土;
19、利用预设模型对打过标签的图像进行深度学习训练,获得所述基于深度学习的烟雾检测模型。
20、进一步的,所述预设模型通过如下方法构建得到:
21、获取yolov5模型;
22、在所述yolov5模型的特征提取网络引入ema注意力机制,获得所述预设模型。
23、进一步的,所述利用预设模型对打过标签的图像进行深度学习训练,获得所述基于深度学习的烟雾检测模型包括:
24、基于打过标签的图像,采用mosaic进行数据增强,使用yolov5s官方预训练权重,训练迭代数为 600 epochs,batch-size 为16,优化器采用sgd,初始学习率为0.01,动量为0.937,权重衰减的正则化系数为0.005对所述预设模型进行训练,获得所述基于深度学习的烟雾检测模型。
25、进一步的,所述计算当前的fwi指数的步骤包括:
26、从气象站点中获取指定的数据;其中,所述指定的数据包括温度、相对湿度、风速和降雨量;
27、将所述指定的数据输入fwi计算模型中进行计算,获得当前的fwi指数;其中,所述fwi计算模型各组分因子采用时间序列的气象因子进行计算,且时间长度要比当前需要分析的数据提前n年以上;其中,n大于0。
28、进一步的,所述根据当前的fwi指数确定当前的火险等级的步骤包括:
29、获取所述森林区域的各火险等级的fwi火险阈值;
30、根据当前fwi指数和所述各火险等级的fwi火险阈值确定当前的火险等级。
31、第二方面,本申请提供一种森林火险监测预警装置,所述装置包括:
32、图像获取模块,用于获取同一森林区域当前的可见光图像和红外图像;
33、检测模块,用于利用基于深度学习的烟雾检测模型对所述可见光图像进行烟雾检测,获得所述可见光图像发生火情的置信度;
34、判断模块,用于判断所述红外图像的局部温度值是否超出预设的预警值,获得基于红外图像的判断结果;
35、计算模块,用于计算当前的fwi指数;
36、火险等级确定模块,用于根据当前的fwi指数确定当前的火险等级;
37、确定模块,用于根据所述火险等级、所述可见光图像发生火情的置信度和所述基于红外图像的判断结果确定是否进行火情预警。
38、第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的森林火险监测预警方法的步骤。
39、第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的森林火险监测预警方法的步骤。
40、在林火监测场景下,可见光图像难以区分烟火与其他像水雾、尘土、云彩、机器尾气等形状,导致误识别率较高,本发明综合考虑了可见光图像和红外图像的特征值,且引入了fwi指数,能够区别出水雾、尘土、云等易发生误报警的情形,极大地提高了森林火灾发生初期烟雾识别的准确性,从而提高了火情预警的准确性。
1.一种森林火险监测预警方法,其特征在于,所述方法包括:
2.根据权利要求1所述的森林火险监测预警方法,其特征在于,所述火险等级包括5个级别,分别为1级、2级、3级、4级和5级,所述根据所述火险等级、所述可见光图像发生火情的置信度和所述基于红外图像的判断结果确定是否进行火情预警的步骤包括:
3.根据权利要求1所述的森林火险监测预警方法,其特征在于,所述获取同一森林区域当前的可见光图像和红外图像之前,所述方法还包括:
4.根据权利要求3所述的森林火险监测预警方法,其特征在于,所述预设模型通过如下方法构建得到:
5.根据权利要求4所述的森林火险监测预警方法,其特征在于,所述利用预设模型对打过标签的图像进行深度学习训练,获得所述基于深度学习的烟雾检测模型包括:
6.根据权利要求1所述的森林火险监测预警方法,其特征在于,所述计算当前的fwi指数的步骤包括:
7.根据权利要求1所述的森林火险监测预警方法,其特征在于,所述根据当前的fwi指数确定当前的火险等级的步骤包括:
8.一种森林火险监测预警装置,其特征在于,所述装置包括:
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的森林火险监测预警方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的森林火险监测预警方法的步骤。