我國是森林火災(zāi)多發(fā)國家,森林火災(zāi)的發(fā)生嚴(yán)重威脅到人的生命安全,同時也影響了我國經(jīng)濟的發(fā)展,降低生態(tài)環(huán)境質(zhì)量。為了快速準(zhǔn)確的發(fā)現(xiàn)森林火災(zāi),很多國家對林火監(jiān)測系統(tǒng)進(jìn)行了深入研究。常見的林火監(jiān)測手段如衛(wèi)星遙感、塔臺瞭望、地面巡視、飛機巡護、傳感器探測等都存在一些問題,衛(wèi)星遙感監(jiān)測的實時性和精確性不足,塔臺瞭望和飛機巡護成本過高,地面巡視工作量巨大但效率低下,傳感器的抗干擾能力較低,將其使用到森林環(huán)境內(nèi)檢測時,很容易受到外界環(huán)境的影響導(dǎo)致檢測結(jié)果不準(zhǔn)確,因此不適用于森林火災(zāi)的監(jiān)測。使用圖像監(jiān)測方法,需進(jìn)行圖像預(yù)處理,并通過人工方式從圖像內(nèi)提取相應(yīng)的火焰特征,該方法的核心即為確定火焰特征,而傳統(tǒng)的圖像型監(jiān)測方法識別率不高。綜上所述,本次采用深度學(xué)習(xí)算法,通過卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行林火識別。論文的研究內(nèi)容有:(1)對傳統(tǒng)的圖像型林火識別算法進(jìn)行研究。使用HOG算法提取圖像特征,并使用SVM進(jìn)行分類,針對夜晚和白天的不同情況,最終得到白天期間模型的識別準(zhǔn)確率約為83%,夜晚林火識別正確率為88%。(2)分析了卷積神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)與組成,并選取適合本實驗的模型Inception V3,使用遷移學(xué)習(xí)訓(xùn)練...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖22無人機應(yīng)用于林火檢測

基于無人機影像的林火識別方法和定位方法是森林防火領(lǐng)域近年來的熱門研究方向，通過對無人機采集到的影像進(jìn)行后續(xù)智能分析，可獲取影像中的詳細(xì)信息，實現(xiàn)對現(xiàn)場的探測和災(zāi)情評估等工作，如圖22所示。目前主流的無人機影像林火識別方法都是基于深度卷積神經(jīng)網(wǎng)絡(luò)來對火災(zāi)圖像進(jìn)行識別的。傅天駒[46....

圖４－４夜間林火識別的卷積神經(jīng)網(wǎng)絡(luò)框架??Ｆｉ．４－４?ＣＮＮ?ｆｒａｍｅｗｏｒｋ?ｆｏｒ?ｎｉｈｔ?ｆｏｒｅｓｔ?ｆｉｒｅ?ｒｅｃｏｎｉｔｉｏｎ??

?４．３基于卷積神經(jīng)網(wǎng)絡(luò)的夜間林火識別框架措建??用于火災(zāi)圖像識別的卷積神經(jīng)網(wǎng)絡(luò)框架如圖４－４所示。不包含輸入層的情況下該??網(wǎng)絡(luò)共有６層。對該框架的詳細(xì)描述如下：??Ｃ５?：２０勞ｉｒ玉王??（２４２?護。??ａ：?８緑說巧８?ｎ?’?１論Ｗ：?瘦口＊１７乃主ｉ、、、??帥Ｗ：....

圖５－１白天林火識別的卷砍神經(jīng)網(wǎng)絡(luò)框架??

用ＲＧＢ彩色圖像進(jìn)行訓(xùn)練和測試。??５．２基于卷積神經(jīng)網(wǎng)絡(luò)的白天林火識別框架搭建??用于白天森林火災(zāi)識別的網(wǎng)絡(luò)框架如圖５－１所示。將卷積層和池化層嚴(yán)格區(qū)分的??情況下，連同輸入層在內(nèi)該網(wǎng)絡(luò)共有１２層。其詳細(xì)描述如下：??ＣＩ??ＳＩ?Ｃ２?巧巧??Ｘ．?３＾—＾７＂＇＾?Ｓ２?Ｃ....

圖5-4隨機初始化參數(shù)后訓(xùn)練得到的均方誤差曲線

基于卷積神經(jīng)網(wǎng)絡(luò)的白天林火識別???．３實驗結(jié)果分析??．?３．１隨機初始化參數(shù)結(jié)果及分析??卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的核也就是訓(xùn)練網(wǎng)絡(luò)中的權(quán)值參數(shù)，一般情況下采取隨機初始??參數(shù)的方法，如第四章中的網(wǎng)絡(luò)即為隨機初始化后訓(xùn)練得到的。隨機初始化網(wǎng)絡(luò)各??參數(shù)，訓(xùn)練并測試該網(wǎng)絡(luò)，３０次迭代后....

本文編號：3965605