[發明專利]一種集成卷積神經網絡的煙霧檢測方法

在審

• 申請號: 201911057914.0
• 申請日: 2019-11-01
• 公開（公告）號: CN110956611A
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 余鋒;姜明華;周昌龍;馬佩;宋坤芳
• 申請（專利權）人: 武漢紡織大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G08B17/10
• 代理公司: 武漢維盾知識產權代理事務所(普通合伙) 42244
• 代理人: 彭永念

本發明提供一種集成卷積神經網絡的煙霧檢測方法，包括疑似煙霧獲取模塊、疑似煙霧確認模塊和煙霧報警模塊，疑似煙霧獲取模塊將實時獲取的圖像通過Faster R?CNN模型檢測后，獲取含有疑似煙霧的圖像，疑似煙霧檢測模塊利用卷積神經網絡對疑似煙霧圖像的候選區進行檢測，確定含有煙霧的圖像，煙霧報警模塊對疑似煙霧確認模塊處理的結果進行應答，極大地降低了煙霧檢測成本、提高識別效率和準確率，識別的靈活性高，沒有額外的存儲和計算開銷，降低了系統的復雜性，高效且節能。

技術領域

本發明涉及利用計算機進行煙霧識別領域，特別是一種集成卷積神經網絡的煙霧檢測方法。

背景技術

秸稈的露天焚燒屬于低溫焚燒，不完全燃燒，其煙氣中含有大量的一氧化碳、二氧化碳、氮氧化物、光化學氧化劑和懸浮顆粒物等造成大氣污染，且會在一定程度上加重霧霾的發生。不僅如此，各地區每到收獲的季節因為焚燒秸稈而引發火災的事情時有發生，每年夏秋季收獲時節，環保部、農業部及各地政府都會投入大量的人力監控焚燒秸稈的情況，也會通過衛星來監測秸稈焚燒情況，并對監測到的火點進行匯總發布，但秸稈焚燒現象仍然屢禁不止，每年的秸稈中仍有3億多噸被當作廢棄物直接焚燒，給大氣質量生態環境 交通安全和火災防護都造成了極大的危害。隨著圖像識別技術的發展，CNN（卷積神經網絡）對圖像特征進行提取從而進行識別，R-CNN、Fast R-CNN和Faster R-CNN對CNN進行優化，逐步提高了圖像檢測的準確度和效率，在煙霧檢測領域，運用卷積神經網絡對秸稈燃燒時產生的煙霧進行實時監測，能夠有效的解決秸稈燃燒檢測不及時，耗費大量人力物力等問題。

中國專利CN109389185A“使用三維卷積神經網絡的視頻煙霧識別方法”是通過在Faster R-CNN處理得到疑似煙霧區域結果框及煙霧評分，收集目標幀前后一定數量的圖像為連續視頻幀，再用三維卷積神經網絡對視屏幀進行三維特征提取，將提取到的特征向量與結果框的煙霧評分組成新的輸入到SVM分類器中，進行是否為煙霧的分類。這種方法復雜度高，需要較大的運算和存儲成本，且在秸稈燃燒的檢測領域并不一定適用。中國專利CN109490930A“一種秸稈燃燒定位系統及方法”采用監控中心，定位檢測節點，路由檢測節點，移動檢測節點及移動檢測節點和匹配的無人機進行秸稈燃燒的檢測。這個方法不能實時的檢測秸稈燃燒的情況，同時也需要較大的成本。

發明內容

本發明所要解決的技術問題是提供一種集成卷積神經網絡的煙霧檢測方法，能夠通過攝像頭拍攝的視頻實時監測煙霧情況，并及時發出警告。解決了煙霧監測成本高、不及時、精度不夠和效率不高的問題。

為解決上述技術問題，本發明所采用的技術方案是：一種集成卷積神經網絡的煙霧檢測方法，包括疑似煙霧獲取模塊、疑似煙霧確認模塊和煙霧報警模塊，具體實現的步驟為：

S1.疑似煙霧獲取模塊從將實時獲取的圖像通過Faster R-CNN模型檢測后，獲取含有疑似煙霧的圖像；

S2.疑似煙霧檢測模塊利用卷積神經網絡對疑似煙霧圖像的候選區進行檢測，確定含有煙霧的圖像；

S3.煙霧報警模塊對疑似煙霧確認模塊處理的結果進行應答。

優選的方案中，在Faster R-CNN模型原有的基礎上進行網絡結構的精簡，將原來的13層卷積、13層ReLU函數減為10層卷積、10層ReLU函數。

優選的方案中，步驟S1中疑似煙霧獲取模塊從通過Faster RCNN模型檢測后獲取含有疑似煙霧的圖像的具體實現步驟為：

S11.根據大量的煙霧數據樣本通過Faster R-CNN網絡訓練后得到煙霧檢測Faster R-CNN模型；

S12.利用訓練好的煙霧檢測Faster R-CNN模型，對實時的視頻目標圖像進行檢測，并得到疑似煙霧候選區的圖像；