[發明專利]一種基于深度學習的森林火災預警方法

有效

• 申請號: 202011179435.9
• 申請日: 2020-10-29
• 公開（公告）號: CN112309068B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 黃燕挺;李文生;鄒昆;董帥
• 申請（專利權）人: 電子科技大學中山學院
• 主分類號: G08B17/00
• 分類號: G08B17/00;G08B17/06;G06V10/764;G06V10/774;G06V10/82;G06V20/52;G06V20/10;G06N3/04;G06N3/08
• 代理公司: 中山市粵捷信知識產權代理事務所(普通合伙) 44583
• 代理人: 張謙

1.一種基于深度學習的森林火災預警方法，其特征在于，依次包括數據生成、分類模型訓練、樹莓派部署和實時監控預警；

數據生成：線上搜集部分森林場景圖片及森林火災場景圖片，線下實地采集森林現場圖片，利用生成式對抗網絡生成大量的置信度高的森林火災仿真圖片，并創建分類數據集；數據生成過程，包括以下步驟：

S11：線上收集初始森林圖片數據集X0和森林火災數據集Y0；

S12：創建生成式對抗網絡模型的虛擬環境，劃分X0和Y0為trainA、testA、trainB和testB，設置loss參數和學習率，準備訓練模型；訓練模型，用于將正常森林場景圖片轉換成森林火災場景圖片；同時，設置兩個樣本空間，分別為：正常森林場景X和森林火災場景Y；

S13：線下實地采集森林現場圖片，創建新數據集X1；對最終部署現場進行圖片采集，在最終攝像頭部署位置進行高密度圖片采集；

S14：使用圖片生成模型對X1生成森林火災仿真數據集Y1；利用生成式對抗網絡訓練完的模型對X1進行本地推理，通過調整閾值得到多張森林火災仿真圖片集Y1；

S15：以X0和X1為第一組，以Y0和Y1為第二組，創建分類數據集；剔除第一組中與現場場景差異明顯的圖片；剔除在Y1中生成效果不好的圖片；兩組圖片分別記錄為正負樣本集；

分類模型訓練：通過輕量級卷積神經網絡對分類數據集進行訓練；分類模型訓練過程，包括以下步驟：

S21：對分類圖片數據集進行預處理，及數據增強；對數據集，進行旋轉、平移、縮放和邊緣填充處理；

S22：搭建輕量級分類模型shuffleNetV2；使用pytorch框架，搭建shuffleNetV2模型，在每個單元的開始，通過Channel split將c特征通道的輸入被分為兩支，每個分支的結構仍然保持不變；卷積之后，把兩個分支拼接，通道數量不變，然后進行Channel Shuffle操作，以使得兩個分支能進行信息交流；

S23：設置超參并進行分類訓練，如下：

設置neck為GlobalAveragePooling；

設置head為LinearClsHead，num_classes為2；

設置in_channels為256；

設置loss為CrossEntropyLoss；

設置loss_weight為1.0；

設置optimizer為SGD；

設置lr＝0.1，total_epochs為200；

設置完成后，使用GPU進行分類模型訓練；

S24：分類模型輸出：將訓練得到的最優網絡參數checkpoint保存為pth文件；

樹莓派部署：將訓練結果模型部署到樹莓派上；樹莓派部署過程，包括以下步驟：

S31：去掉訓練得到的checkpoint參數模型的optizimer及dropout層，生成pth文件；

S32：將pth文件to_onnx轉換為中間格式文件onnx；轉換為onxx格式，即，開放神經網絡交換格式，以使模型在不同框架之間進行轉移；

S33：將：onnx裁剪為simonnx；其中，去掉onnx中多余的操作層，將simonnx轉換為param參數文件和bin二進制文件；param文件和bin文件為最終的運行模型；

S34：C++調用ncnn接口，編寫CMakeList；

在樹莓派下安裝ncnn框架，然后使用C++直接加載param和bin，用自己的數據結構Mat來存放輸入和輸出數據，輸入圖像的數據要轉換為Mat，減去均值和乘系數，執行前向網絡，獲得計算結果；編譯輸出可執行文件；

實時監控預警：在樹莓派預警平臺上實時采集圖像并立刻進行模型推理，將推理結果及現場圖片、位置作為預警信息發送回服務器端。

2.根據權利要求1所述的基于深度學習的森林火災預警方法，其特征在于，實時監控預警過程，包括以下步驟：

S41：將部署分類模型的樹莓派及攝像頭一起安裝在多個靜態監測點；靜態監測點用于實時拍攝森林場景圖片數據；

S42：通過深度學習模型判定火災發生概率；

S44：經由信號傳輸網絡將上述監測數據傳輸至后臺服務器監控中心；

S45：監控中心根據返回數據后生成相應的告警數據信息,并發送至消防人員的移動終端上。