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
1
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
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
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
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