[發明專利]一種基于AI算法的山火災害勘查識別方法在審
| 申請號： | 202110863082.2 | 申請日： | 2021-07-29 |
| 公開（公告）號： | CN113569956A | 公開（公告）日： | 2021-10-29 |
| 發明（設計）人： | 崔志美;黃志都;唐捷;俸波;張煒;張玉波 | 申請（專利權）人： | 廣西電網有限責任公司電力科學研究院 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04;G06N3/08;G06T7/11 |
| 代理公司： | 南寧東智知識產權代理事務所(特殊普通合伙) 45117 | 代理人： | 黎華艷;裴康明 |
| 地址： | 530023 廣西壯*** | 國省代碼： | 廣西;45 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 ai 算法 山火 災害 勘查 識別 方法 | ||
1.一種基于AI算法的山火災害勘查識別方法，其特征在于，包括以下步驟：
構建火災數據集，并對所述火災數據集的數據進行預處理得到訓練火災數據集、驗證火災數據集和測試火災數據集；
構建YOLOv5網絡模型，并采用所述訓練火災數據集對所述YOLOv5網絡模型進行訓練，并通過所述驗證火災數據集對訓練后的YOLOv5網絡模型驗證；
將所述測試火災數據集通過訓練、驗證后的YOLOv5網絡模型進行識別，識別出測試圖片中存在火情目標；
對所述火情目標的圖片進行分割網絡詳細標識火情在圖像中的輪廓區域，從而得到具體的火情發生區域。
2.根據權利要求1所述的基于AI算法的山火災害勘查識別方法，其特征在于，所述火災數據集采用Pascal VOC數據集。
3.根據權利要求2所述的基于AI算法的山火災害勘查識別方法，其特征在于，對所述火災數據集中的數據進行預處理包括以下步驟：
根據PascalVOC數據集的格式建立文件夾：Annotations、ImageSets/Main以及JPEGImages；
獲取原始火災圖片，將所述原始火災圖片存儲在JPEGImages中；
根據采用的標準工具支持的圖像格式對火災圖片的格式統一，且火災圖片的尺寸均在設定范圍內，以及歸一化圖片的坐標；
對格式整理后的火災圖片進行標注，將標注好的xml數據存儲在Annotations中；
按一定的比例隨機將標注后的火災圖片分為訓練火災數據集、驗證火災數據集和測試火災數據集，將所述訓練火災數據集、驗證火災數據集和測試火災數據集存儲在Annotations中。
4.根據權利要求3所述的基于AI算法的山火災害勘查識別方法，其特征在于，當火災數據為監控視頻時，通過監控視頻文件中獲取幀得到原始火災圖片。
5.根據權利要求1所述的基于AI算法的山火災害勘查識別方法，其特征在于，采用活動輪廓模型對所述火情目標的圖片進行分割網絡詳細標識火線在圖像中的輪廓區域。
6.根據權利要求5所述的基于AI算法的山火災害勘查識別方法，其特征在于，所述采用活動輪廓模型采用Snakes模型。
7.根據權利要求6所述的基于AI算法的山火災害勘查識別方法，其特征在于，所述Snakes模型由一組控制點:v(s)＝[x(s),y(s)]s∈[0,1]組成，所述控制點首尾以直線相連構成輪廓線，其中x(s)和y(s)分別表示每個控制點在圖像中的坐標位置，s是以傅立葉變換形式描述邊界的自變量；
在Snakes模型的控制點上定義能量函數:
式(1)中，Etotal為能量，s是以傅立葉變換形式描述邊界的自變量；為彈性能量，v為一階導數的模；為彎曲能量；為外部能量；α、β為自行設置的參數，用于將函數Etotal極小化。
8.根據權利要求5所述的基于AI算法的山火災害勘查識別方法，其特征在于，所述采用活動輪廓模型采用GVF Snakes模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣西電網有限責任公司電力科學研究院，未經廣西電網有限責任公司電力科學研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110863082.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種濕法冶金用復合藥劑及其制備方法和應用
- 下一篇：測試數據生成方法及裝置
