期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
9
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积神经网络的林火烟雾检测
1
作者
徐海文
张贵
+4 位作者
谭三清
肖化顺
杨志高
文东新
吴鑫
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023年第7期23-31,64,共10页
【目的】随着卫星遥感技术的蓬勃发展,卫星遥感已成为林火监测的重要手段。林火发生初期,由于燃烧温度不高致使卫星红外波段接收不到足以成像的能量辐射。林火发生时会首先产生烟雾,采用深度学习方法利用气象卫星影像进行林火烟雾检测,...
【目的】随着卫星遥感技术的蓬勃发展,卫星遥感已成为林火监测的重要手段。林火发生初期,由于燃烧温度不高致使卫星红外波段接收不到足以成像的能量辐射。林火发生时会首先产生烟雾,采用深度学习方法利用气象卫星影像进行林火烟雾检测,相较于利用卫星红外通道监测林火而言可更早地发现林火。【方法】以高时间分辨率国产静止气象卫星FY-4A数据为基础,采集研究区内1500张林火烟雾图像和1500张云图像作为数据集,以4︰1的比例划分训练集与验证集并进行数据预处理,采用卷积神经网络AlexNet、MobileNet、ResNet及Inception-ResNet(IRNet)结构对数据集进行实验分析,采用准确率、精确率、召回率和Kappa系数评价模型的总体效果,选取最优结果建立基于卷积神经网络的林火烟雾检测模型。【结果】利用准确率、精确率、召回率及Kappa系数定量评价各模型的总体效果,得出AlexNet模型的准确率达89.3%,精确率达100%,召回率达78.7%,Kappa系数为78.7%;MobileNet模型的准确率达98.2%,精确率达99.7%,召回率达96.7%,Kappa系数为96.3%;ResNet模型的准确率达98.0%,精确率达100%,召回率达96.0%,Kappa系数为96.0%;IRNet模型的准确率达99.8%,精确率达100%,召回率达99.7%,Kappa系数为99.7%。IRNet模型的总体效果高于AlexNet模型、MobileNet模型与ResNet模型,选取IRNet为林火烟雾检测的最优模型。【结论】利用高时效性FY-4A静止气象卫星遥感数据,采用IRNet模型进行林火烟雾检测的总体效果最好,能有效地减少卫星监测时的林火漏判和迟判现象,提高对森林火灾的早期监测预警能力。
展开更多
关键词
卷积神经网络
林火烟雾
图像识别
IRNet模型
林火
监测
FY-4A
下载PDF
职称材料
基于深度学习的林火烟雾识别系统设计
2
作者
李梓铭
石振威
+3 位作者
徐海文
龙骏
朱勇兵
周国雄
《中南林业调查规划》
2023年第3期36-40,共5页
通过构建林火烟雾数据集,选取Inception V3模型,基于参数的迁移学习方法构建林火烟雾图像训练模型,经过训练测试后得到模型在测试数据集识别率达到92%,最后运用Python语言编程将训练后保存下来的模型文件应用到林火烟雾视频上,对视频进...
通过构建林火烟雾数据集,选取Inception V3模型,基于参数的迁移学习方法构建林火烟雾图像训练模型,经过训练测试后得到模型在测试数据集识别率达到92%,最后运用Python语言编程将训练后保存下来的模型文件应用到林火烟雾视频上,对视频进行逐帧预测,并将预测结果可视化注释在视频上,达到视频监控的目的。将网络训练和视频监控分开,通过软件编程实现应用模型文件监测林火烟雾视频,较以往直接通过视频训练和预测的方法更方便快捷,实际可操作性更强,具有广泛的应用前景。
展开更多
关键词
林火烟雾
识别系统
深度学习
卷积神经网络
Inception
V3
PYTHON
下载PDF
职称材料
基于视频的林火烟雾检测算法研究
3
作者
梁新宇
刘凯
+1 位作者
王笑松
刘恒旭
《林业科技》
2023年第6期45-48,共4页
森林防火一直以来都是世界各国共同关注的一个话题,只有在林火发生前快速、准确的确定着火地点,才能提前采取适当的措施防止火灾的发生。传统的目标检测方法有帧差法、光流法和背景减除法等;如今,随和数值计算设备的改进,许多基于深度...
森林防火一直以来都是世界各国共同关注的一个话题,只有在林火发生前快速、准确的确定着火地点,才能提前采取适当的措施防止火灾的发生。传统的目标检测方法有帧差法、光流法和背景减除法等;如今,随和数值计算设备的改进,许多基于深度学习的目标检测方法开始出现,如基于RCNN的检测算法、基于SSD的检测算法和基于Yolo的检测算法等,本文就各种目标检测算法进行了分析,比较了其优缺点,并对今后目标检测技术的发展进行了展望。
展开更多
关键词
森林防火
目标检测
林火烟雾
检测
下载PDF
职称材料
林火烟雾图像自动识别中的模式分类器选择
被引量:
13
4
作者
黄儒乐
吴江
韩宁
《北京林业大学学报》
CAS
CSCD
北大核心
2012年第1期92-95,共4页
探索了支持向量机(SVM)方法解决由脉冲耦合神经网络(PCNN)提取的林火烟雾图像特征后的计算机视觉模式识别问题。针对由于林火烟雾图像的纹理特征不突出,即便用特殊方法提取出来的特征向量也维数较高,对后续分类器性能提出较高要求并且...
探索了支持向量机(SVM)方法解决由脉冲耦合神经网络(PCNN)提取的林火烟雾图像特征后的计算机视觉模式识别问题。针对由于林火烟雾图像的纹理特征不突出,即便用特殊方法提取出来的特征向量也维数较高,对后续分类器性能提出较高要求并且分类效果存在很大的未知性等问题,通过实验,对3种人工神经网络分类器和支持向量机分类器的烟雾图像特征甄别效果进行了详细对比。结果表明:基于支持向量机的分类器在复杂的森林背景情况下对烟雾有很好的分辨能力,其识别准确率达到94.26%,并且在识别准确率和分类速度两方面都超过了作为对照的3种神经网络分类器。
展开更多
关键词
林火烟雾
识别
人工神经网络
支持向量机
模式识别
下载PDF
职称材料
基于颜色和纹理特征的林火烟雾识别
被引量:
5
5
作者
兰久强
刘金清
+1 位作者
刘引
吴庆祥
《计算机系统应用》
2016年第3期101-106,共6页
为了实现森林火灾的智能化预警,提出了基于颜色和纹理特征的林火烟雾识别方法.首先使用颜色特征确定烟雾疑似区域,随后采用局部二值模式方差(Local Binary Pattern Variance,LBPV)提取疑似区域纹理的不规则度特征并产生LBP图像.然后利...
为了实现森林火灾的智能化预警,提出了基于颜色和纹理特征的林火烟雾识别方法.首先使用颜色特征确定烟雾疑似区域,随后采用局部二值模式方差(Local Binary Pattern Variance,LBPV)提取疑似区域纹理的不规则度特征并产生LBP图像.然后利用小波变换分解LBP图像并提取模糊度、复杂度和相关度特征.最后利用支持向量机(Support Vector Machine,SVM)进行烟雾识别.结果证明,颜色结合纹理特征方法可以有效实现林火烟雾的识别,为林火烟雾识别研究提供了一种有效方案.
展开更多
关键词
林火烟雾
颜色
纹理
局部二值模式方差
小波变换
下载PDF
职称材料
基于视频区域动态特征的林火烟雾检测技术研究
被引量:
6
6
作者
刘长春
刘鹏举
季烨云
《北京林业大学学报》
CAS
CSCD
北大核心
2021年第1期10-19,共10页
【目的】视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背...
【目的】视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背景环境复杂多变,导致基于像素的特征不明显,因此使基于像素的烟雾自动化检测难度增大。本文根据可见光视频图像处理原理,提出一种基于局部区域图像动态特征的林火视频烟雾检测方法,以提高林火视频烟雾检测准确度和灵敏度。【方法】以视频图像为研究对象,每秒取一帧生成图像序列,对图像序列进行多层次不同尺度分区;利用图像信噪比原理,计算分区后的连续图像序列的信噪比;根据背景图像信噪比得到自适应阈值,确定待检测图像序列发生亮度变化的图像块,即为疑似烟雾块;提取疑似烟雾块的LBP纹理特征,采用支持向量机区分出烟雾区域。【结果】利用HSV颜色空间的亮度分量,可以有效提取烟雾区域。选择有林火烟雾的视频,对提出的烟雾变化检测方法进行验证,分析结果表明该方法能确定烟雾发生所在的图像块,且能排除部分非烟雾干扰因素。【结论】本文提出了基于局部区域亮度特征和LBP纹理特征的视频林火烟雾检测技术,能准确定位烟雾发生区域,排除部分干扰因素,检测识别率平均达到92%以上,有助于实时林火烟雾自动检测,提高林火烟雾检测率,具有很强的实用性。
展开更多
关键词
林火烟雾
检测
视频图像
分区
信噪比
LBP纹理特征
下载PDF
职称材料
基于卷积神经网络的林火烟雾识别
被引量:
3
7
作者
陈培昕
刘嘉新
+1 位作者
蒲先良
潘治杭
《仪表技术》
2019年第5期21-24,共4页
基于传统的人工神经网络(Artificial Neural Network, ANN)提出了一种算法用来进行森林林火烟雾的图像识别。应用卷积神经网络(Convolutional Neural Network, CNN)结合反向传播法(Backpropagation, BP),选取适当的激励函数,训练神经网...
基于传统的人工神经网络(Artificial Neural Network, ANN)提出了一种算法用来进行森林林火烟雾的图像识别。应用卷积神经网络(Convolutional Neural Network, CNN)结合反向传播法(Backpropagation, BP),选取适当的激励函数,训练神经网络。同时通过适当的池化方法大大提高了算法的效率,从而有效地通过神经网络对目标图像的特征学习,识别出烟雾图像。在对图像识别学习前对图像进行灰度化,并且在对图像进行二值化之后,再进行学习训练,排除了所需识别目标之外图像引入的干扰,从而提高了图像识别准确率。
展开更多
关键词
人工神经网络
卷积神经网络
反向传播法
林火烟雾
图像识别
原文传递
不同空气质量状况下FW3系统林火烟雾智能识别与定位测试研究
8
作者
赵晋龙
孙永明
《山西林业科技》
2017年第4期5-6,14,共3页
在不同空气质量状况下,采用南非引进的FW3林火智能监测与决策支持系统,进行人工点火烟雾识别和定位测试。结果表明:在良好气象条件下,林火识别率为100%,林火误报率为0%,优于试验技术指标要求。空气质量指数在80以下时,系统可以自动识别...
在不同空气质量状况下,采用南非引进的FW3林火智能监测与决策支持系统,进行人工点火烟雾识别和定位测试。结果表明:在良好气象条件下,林火识别率为100%,林火误报率为0%,优于试验技术指标要求。空气质量指数在80以下时,系统可以自动识别距离摄像机6 km范围内的林火烟雾;空气质量指数在80~120之间时,系统可以自动识别距离摄像机3 km范围内的林火烟雾;空气质量指数在130以上时,系统不具备烟雾识别功能。林火烟雾发现时间小于5 min,林火烟雾定位误差小于5 m.
展开更多
关键词
空气质量状况
FW3系统
林火烟雾
识别与定位
下载PDF
职称材料
基于多运动特征的森林火灾烟雾图像识别算法
被引量:
6
9
作者
吴梦宇
罗琴娟
韩宁
《北京林业大学学报》
CAS
CSCD
北大核心
2013年第3期154-158,共5页
为甄别林火烟雾与大气云雾,提出了基于多种运动特征判据的视频烟雾图像检测算法。首先利用烟雾自身的光学动态特征———光流方向性、相关性、扩散性,分别对连续帧包含烟云的可疑区域进行图像特征标志判别;再经数据融合算法有效区分林...
为甄别林火烟雾与大气云雾,提出了基于多种运动特征判据的视频烟雾图像检测算法。首先利用烟雾自身的光学动态特征———光流方向性、相关性、扩散性,分别对连续帧包含烟云的可疑区域进行图像特征标志判别;再经数据融合算法有效区分林火烟雾与大气云雾,克服了依靠单一图像特征检测烟雾的不足。结果表明,光流方向性、相关性、扩散性判别相结合的识别算法能提高森林火灾视频图像的有效识别率。
展开更多
关键词
林火烟雾
大气云雾
光流运动
离散小波变换
数据融合算法
下载PDF
职称材料
题名
基于卷积神经网络的林火烟雾检测
1
作者
徐海文
张贵
谭三清
肖化顺
杨志高
文东新
吴鑫
机构
湖南省森林草原防火监测调度评估中心
中南林业科技大学林学院
出处
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023年第7期23-31,64,共10页
基金
国家自然科学基金项目(32271879)
湖南省科技创新平台与人才计划项目(2017TP1022)。
文摘
【目的】随着卫星遥感技术的蓬勃发展,卫星遥感已成为林火监测的重要手段。林火发生初期,由于燃烧温度不高致使卫星红外波段接收不到足以成像的能量辐射。林火发生时会首先产生烟雾,采用深度学习方法利用气象卫星影像进行林火烟雾检测,相较于利用卫星红外通道监测林火而言可更早地发现林火。【方法】以高时间分辨率国产静止气象卫星FY-4A数据为基础,采集研究区内1500张林火烟雾图像和1500张云图像作为数据集,以4︰1的比例划分训练集与验证集并进行数据预处理,采用卷积神经网络AlexNet、MobileNet、ResNet及Inception-ResNet(IRNet)结构对数据集进行实验分析,采用准确率、精确率、召回率和Kappa系数评价模型的总体效果,选取最优结果建立基于卷积神经网络的林火烟雾检测模型。【结果】利用准确率、精确率、召回率及Kappa系数定量评价各模型的总体效果,得出AlexNet模型的准确率达89.3%,精确率达100%,召回率达78.7%,Kappa系数为78.7%;MobileNet模型的准确率达98.2%,精确率达99.7%,召回率达96.7%,Kappa系数为96.3%;ResNet模型的准确率达98.0%,精确率达100%,召回率达96.0%,Kappa系数为96.0%;IRNet模型的准确率达99.8%,精确率达100%,召回率达99.7%,Kappa系数为99.7%。IRNet模型的总体效果高于AlexNet模型、MobileNet模型与ResNet模型,选取IRNet为林火烟雾检测的最优模型。【结论】利用高时效性FY-4A静止气象卫星遥感数据,采用IRNet模型进行林火烟雾检测的总体效果最好,能有效地减少卫星监测时的林火漏判和迟判现象,提高对森林火灾的早期监测预警能力。
关键词
卷积神经网络
林火烟雾
图像识别
IRNet模型
林火
监测
FY-4A
Keywords
convolutional neural network
forest fire smoke
image recognition
IRNet model
forest fire monitoring
FY-4A
分类号
S762.3 [农业科学—森林保护学]
下载PDF
职称材料
题名
基于深度学习的林火烟雾识别系统设计
2
作者
李梓铭
石振威
徐海文
龙骏
朱勇兵
周国雄
机构
湖南森林草原防火监测调度评估中心
中南林业科技大学
出处
《中南林业调查规划》
2023年第3期36-40,共5页
文摘
通过构建林火烟雾数据集,选取Inception V3模型,基于参数的迁移学习方法构建林火烟雾图像训练模型,经过训练测试后得到模型在测试数据集识别率达到92%,最后运用Python语言编程将训练后保存下来的模型文件应用到林火烟雾视频上,对视频进行逐帧预测,并将预测结果可视化注释在视频上,达到视频监控的目的。将网络训练和视频监控分开,通过软件编程实现应用模型文件监测林火烟雾视频,较以往直接通过视频训练和预测的方法更方便快捷,实际可操作性更强,具有广泛的应用前景。
关键词
林火烟雾
识别系统
深度学习
卷积神经网络
Inception
V3
PYTHON
Keywords
forest fire smoke recognition system
deep learning
convolutional neural network
Inception V3
python
分类号
S757 [农业科学—森林经理学]
下载PDF
职称材料
题名
基于视频的林火烟雾检测算法研究
3
作者
梁新宇
刘凯
王笑松
刘恒旭
机构
黑龙江省森林保护研究所
出处
《林业科技》
2023年第6期45-48,共4页
基金
黑龙江省省属科研院所科研业务费项目“半履带式林草防灭火运载装备的研发”(CZKYF2023-1-C027)
森林生态屏障保育与资源利用国家技术创新中心建设(CZKYF2020A003)。
文摘
森林防火一直以来都是世界各国共同关注的一个话题,只有在林火发生前快速、准确的确定着火地点,才能提前采取适当的措施防止火灾的发生。传统的目标检测方法有帧差法、光流法和背景减除法等;如今,随和数值计算设备的改进,许多基于深度学习的目标检测方法开始出现,如基于RCNN的检测算法、基于SSD的检测算法和基于Yolo的检测算法等,本文就各种目标检测算法进行了分析,比较了其优缺点,并对今后目标检测技术的发展进行了展望。
关键词
森林防火
目标检测
林火烟雾
检测
分类号
S76 [农业科学—森林保护学]
下载PDF
职称材料
题名
林火烟雾图像自动识别中的模式分类器选择
被引量:
13
4
作者
黄儒乐
吴江
韩宁
机构
北京林业大学信息中心
北京林业大学理学院
北京林业大学工学院
出处
《北京林业大学学报》
CAS
CSCD
北大核心
2012年第1期92-95,共4页
基金
北京市教委科研项目"森林火灾无线宽带监控网络在北京地区的推广应用"
国家林业局重点科研项目(2010-01)
文摘
探索了支持向量机(SVM)方法解决由脉冲耦合神经网络(PCNN)提取的林火烟雾图像特征后的计算机视觉模式识别问题。针对由于林火烟雾图像的纹理特征不突出,即便用特殊方法提取出来的特征向量也维数较高,对后续分类器性能提出较高要求并且分类效果存在很大的未知性等问题,通过实验,对3种人工神经网络分类器和支持向量机分类器的烟雾图像特征甄别效果进行了详细对比。结果表明:基于支持向量机的分类器在复杂的森林背景情况下对烟雾有很好的分辨能力,其识别准确率达到94.26%,并且在识别准确率和分类速度两方面都超过了作为对照的3种神经网络分类器。
关键词
林火烟雾
识别
人工神经网络
支持向量机
模式识别
Keywords
forest fire smoke recognition
artificial neural network(ANN)
support vector machine(SVM)
pattern recognition
分类号
S762.32 [农业科学—森林保护学]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于颜色和纹理特征的林火烟雾识别
被引量:
5
5
作者
兰久强
刘金清
刘引
吴庆祥
机构
福建师范大学光电与信息工程学院
出处
《计算机系统应用》
2016年第3期101-106,共6页
基金
国家自然科学基金(61179011)
福建自然科学基金(2010J01327)
文摘
为了实现森林火灾的智能化预警,提出了基于颜色和纹理特征的林火烟雾识别方法.首先使用颜色特征确定烟雾疑似区域,随后采用局部二值模式方差(Local Binary Pattern Variance,LBPV)提取疑似区域纹理的不规则度特征并产生LBP图像.然后利用小波变换分解LBP图像并提取模糊度、复杂度和相关度特征.最后利用支持向量机(Support Vector Machine,SVM)进行烟雾识别.结果证明,颜色结合纹理特征方法可以有效实现林火烟雾的识别,为林火烟雾识别研究提供了一种有效方案.
关键词
林火烟雾
颜色
纹理
局部二值模式方差
小波变换
Keywords
forest fire smoke
color
texture
local binary pattern variance(LBPV)
wavelet transform
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于视频区域动态特征的林火烟雾检测技术研究
被引量:
6
6
作者
刘长春
刘鹏举
季烨云
机构
中国林业科学研究院资源信息研究所
国家林业和草原局林业遥感与信息技术重点实验室
出处
《北京林业大学学报》
CAS
CSCD
北大核心
2021年第1期10-19,共10页
基金
中国林业科学研究院基本科研业务费专项(CAFYBB2017ZC001)
“948”国家林业局引进项目(2014-4-01)。
文摘
【目的】视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背景环境复杂多变,导致基于像素的特征不明显,因此使基于像素的烟雾自动化检测难度增大。本文根据可见光视频图像处理原理,提出一种基于局部区域图像动态特征的林火视频烟雾检测方法,以提高林火视频烟雾检测准确度和灵敏度。【方法】以视频图像为研究对象,每秒取一帧生成图像序列,对图像序列进行多层次不同尺度分区;利用图像信噪比原理,计算分区后的连续图像序列的信噪比;根据背景图像信噪比得到自适应阈值,确定待检测图像序列发生亮度变化的图像块,即为疑似烟雾块;提取疑似烟雾块的LBP纹理特征,采用支持向量机区分出烟雾区域。【结果】利用HSV颜色空间的亮度分量,可以有效提取烟雾区域。选择有林火烟雾的视频,对提出的烟雾变化检测方法进行验证,分析结果表明该方法能确定烟雾发生所在的图像块,且能排除部分非烟雾干扰因素。【结论】本文提出了基于局部区域亮度特征和LBP纹理特征的视频林火烟雾检测技术,能准确定位烟雾发生区域,排除部分干扰因素,检测识别率平均达到92%以上,有助于实时林火烟雾自动检测,提高林火烟雾检测率,具有很强的实用性。
关键词
林火烟雾
检测
视频图像
分区
信噪比
LBP纹理特征
Keywords
forest fire smoke detection
video image
block
signal-to-noise ratio
LBP texture feature
分类号
S762.3+2 [农业科学—森林保护学]
下载PDF
职称材料
题名
基于卷积神经网络的林火烟雾识别
被引量:
3
7
作者
陈培昕
刘嘉新
蒲先良
潘治杭
机构
东北林业大学机电工程学院
出处
《仪表技术》
2019年第5期21-24,共4页
基金
东北林业大学大学生国家级创新训练计划项目资助(201810225050)
文摘
基于传统的人工神经网络(Artificial Neural Network, ANN)提出了一种算法用来进行森林林火烟雾的图像识别。应用卷积神经网络(Convolutional Neural Network, CNN)结合反向传播法(Backpropagation, BP),选取适当的激励函数,训练神经网络。同时通过适当的池化方法大大提高了算法的效率,从而有效地通过神经网络对目标图像的特征学习,识别出烟雾图像。在对图像识别学习前对图像进行灰度化,并且在对图像进行二值化之后,再进行学习训练,排除了所需识别目标之外图像引入的干扰,从而提高了图像识别准确率。
关键词
人工神经网络
卷积神经网络
反向传播法
林火烟雾
图像识别
Keywords
artificial neural network(ANN)
convolution neural network(CNN)
backpropagation(BP)
forest fire smoke
image identification
分类号
S762.2 [农业科学—森林保护学]
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
不同空气质量状况下FW3系统林火烟雾智能识别与定位测试研究
8
作者
赵晋龙
孙永明
机构
山西省太岳山国有林管理局
山西省林业科学研究院
出处
《山西林业科技》
2017年第4期5-6,14,共3页
基金
国家林业局948项目(2014-4-01)
文摘
在不同空气质量状况下,采用南非引进的FW3林火智能监测与决策支持系统,进行人工点火烟雾识别和定位测试。结果表明:在良好气象条件下,林火识别率为100%,林火误报率为0%,优于试验技术指标要求。空气质量指数在80以下时,系统可以自动识别距离摄像机6 km范围内的林火烟雾;空气质量指数在80~120之间时,系统可以自动识别距离摄像机3 km范围内的林火烟雾;空气质量指数在130以上时,系统不具备烟雾识别功能。林火烟雾发现时间小于5 min,林火烟雾定位误差小于5 m.
关键词
空气质量状况
FW3系统
林火烟雾
识别与定位
Keywords
Air quality conditions
FW3 system
Forest fire smoke
Identification and location
分类号
S762.2 [农业科学—森林保护学]
下载PDF
职称材料
题名
基于多运动特征的森林火灾烟雾图像识别算法
被引量:
6
9
作者
吴梦宇
罗琴娟
韩宁
机构
北京林业大学工学院
出处
《北京林业大学学报》
CAS
CSCD
北大核心
2013年第3期154-158,共5页
基金
国家林业局重点科研项目(2010-01)
文摘
为甄别林火烟雾与大气云雾,提出了基于多种运动特征判据的视频烟雾图像检测算法。首先利用烟雾自身的光学动态特征———光流方向性、相关性、扩散性,分别对连续帧包含烟云的可疑区域进行图像特征标志判别;再经数据融合算法有效区分林火烟雾与大气云雾,克服了依靠单一图像特征检测烟雾的不足。结果表明,光流方向性、相关性、扩散性判别相结合的识别算法能提高森林火灾视频图像的有效识别率。
关键词
林火烟雾
大气云雾
光流运动
离散小波变换
数据融合算法
Keywords
forest fire smoke
cloud and mist
optical flow
discrete wavelet transform
data fusionalgorithm based on statistic
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络的林火烟雾检测
徐海文
张贵
谭三清
肖化顺
杨志高
文东新
吴鑫
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于深度学习的林火烟雾识别系统设计
李梓铭
石振威
徐海文
龙骏
朱勇兵
周国雄
《中南林业调查规划》
2023
0
下载PDF
职称材料
3
基于视频的林火烟雾检测算法研究
梁新宇
刘凯
王笑松
刘恒旭
《林业科技》
2023
0
下载PDF
职称材料
4
林火烟雾图像自动识别中的模式分类器选择
黄儒乐
吴江
韩宁
《北京林业大学学报》
CAS
CSCD
北大核心
2012
13
下载PDF
职称材料
5
基于颜色和纹理特征的林火烟雾识别
兰久强
刘金清
刘引
吴庆祥
《计算机系统应用》
2016
5
下载PDF
职称材料
6
基于视频区域动态特征的林火烟雾检测技术研究
刘长春
刘鹏举
季烨云
《北京林业大学学报》
CAS
CSCD
北大核心
2021
6
下载PDF
职称材料
7
基于卷积神经网络的林火烟雾识别
陈培昕
刘嘉新
蒲先良
潘治杭
《仪表技术》
2019
3
原文传递
8
不同空气质量状况下FW3系统林火烟雾智能识别与定位测试研究
赵晋龙
孙永明
《山西林业科技》
2017
0
下载PDF
职称材料
9
基于多运动特征的森林火灾烟雾图像识别算法
吴梦宇
罗琴娟
韩宁
《北京林业大学学报》
CAS
CSCD
北大核心
2013
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部