CN104834920A - 一种无人机多光谱图像的智能林火识别方法及装置 - Google Patents

一种无人机多光谱图像的智能林火识别方法及装置 Download PDF

Info

Publication number
CN104834920A
CN104834920A CN201510267188.0A CN201510267188A CN104834920A CN 104834920 A CN104834920 A CN 104834920A CN 201510267188 A CN201510267188 A CN 201510267188A CN 104834920 A CN104834920 A CN 104834920A
Authority
CN
China
Prior art keywords
feature
image
unmanned plane
fire
multispectral
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510267188.0A
Other languages
English (en)
Inventor
龙学军
谭志国
徐一丹
陆宏伟
周剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Topplusvision Science & Technology Co ltd
Original Assignee
Chengdu Topplusvision Science & Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Topplusvision Science & Technology Co ltd filed Critical Chengdu Topplusvision Science & Technology Co ltd
Priority to CN201510267188.0A priority Critical patent/CN104834920A/zh
Publication of CN104834920A publication Critical patent/CN104834920A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种无人机多光谱图像的智能林火识别方法及装置，属于计算机视觉领域。本发明技术要点包括：步骤1：提取标准多光谱森林图库中图像的特征，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征，利用两种图库中各个图像的特征及标签值训练识别模型；所述标签值为含有火情或不含有火情；步骤2：无人机实时获取目标森林区域的多光谱图像并提取该图像的特征；步骤3：将步骤2中的特征值输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值。

Description

一种无人机多光谱图像的智能林火识别方法及装置
技术领域
本发明属于计算机视觉领域，尤其是利用无人机航拍多光谱图像进行森林火点与烟雾检测及智能火情分析与火灾等级识别的方法。
背景技术
森林火灾是森林资源减少的重要原因之一，它严重危害了生态环境，使国家承受巨大经济损失，也威胁人类生命安全。对森林资源缺乏的我国则更是如此，因此有效对森林资源实施监控，防控森林火灾是一项具有重要意义且极其重要的工作。
目前，我国的林火监测主要包括有人工地面巡护、了望台监测、远程视频监控、巡航飞机和气象卫星遥感监测等方法。这些现有的技术手段存在以下不足：一是由于林区地形复杂、面积广阔，只靠巡护人员监测火情是不现实、不可靠的，了望台的了望又受到许多地理条件和基础设施的限制，而靠飞机巡逻观察不仅耗资大，而且效率低；另一方面，林区地形复杂，缺乏供电和通讯设施等，造成了林区的火灾监控开发的迟滞，其实用性、可推广性受到了限制。
现有技术中已有基于无人机的森林火灾检测。专利公开号为CN102496234A与CN104143248A的两项专利分别利用无人机搭载红外与可见光及红外摄像设备实现森林火情检测，但他们都只能对林火进行简单的检测，不能同时对着火点、烟雾、火情、火灾等级等进行深入的智能分析与识别。
发明内容
本发明所要解决的技术问题是：针对上述存在的问题，提供一种基于无人机拍摄的多光谱图像的智能林火识别方法及装置。
本发明中的无人机多光谱图像的智能林火识别方法，包括：
步骤1：提取标准多光谱森林图库中图像的特征值，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征值，利用两种图库中各个图像的特征值及标签值训练识别模型；所述标签值为含有火情或不含有火情；
步骤2：无人机实时获取目标森林区域的多光谱图像并提取该图像的特征值；
步骤3：将步骤2中的特征值输入到训练后的识别模型中，识别模型计算得到该特征值对应的标签值。
进一步，所述识别模型为深度学习网络模型。
进一步，还包括步骤4：无人机将步骤2中获取的目标森林区域的多光谱图像传输给监控中心的服务器；监控中心的工作人员人工判断步骤2中获取的目标森林区域的多光谱图像的标签值；将该图像的标签值反馈给无人机；利用该图像的特征及人工判断得到的标签值训练所述识别模型。
进一步，所述图像特征包括温度特征、烟雾特征及火焰特征；其中烟雾特征包括以下特征中的一种或多种：烟雾形状特征、烟雾面积特征、烟雾纹理特征、烟雾轮廓特征；火焰特征包括以下特征中的一种或多种：火焰形状特征、火焰面积特征、火焰纹理特征、火焰轮廓特征。
进一步，所述标签值为不含有火情、一级强度的火情、二级强度的火情或三级强度的火情。
本发明还提供了一种无人机多光谱图像的智能林火识别装置，包括：
实时目标森林区域的多光谱图像特征提取模块，用于接收无人机实时拍摄的目标森林区域的多光谱图像，并提取该图像的特征；
烟火识别模块，用于将实时目标森林区域的多光谱图像特征提取模块输出的特征输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值；所述标签为含有烟火或不含有烟火。
进一步，还包括识别模型离线训练模块，用于提取标准多光谱森林图库中图像的特征，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征，利用两种图库中各个图像的特征及标签值训练识别模型。
进一步，还包括识别模型在线训练模块，用于将所述无人机实时拍摄的目标森林区域的多光谱图像传输给监控中心的服务器；接收监控中心的工作人员人工判断得到的该图像的标签值；利用该图像的特征及人工判断得到的标签值训练所述识别模型。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明利用深度学习方法，对无人机平台提供的多光谱图像进行检测，能有效准确的实现森林着火点具体方位地点的探测。
2、本发明基于多光谱图像对森林火情进行探测，能快速有效地提取着火点、烟雾的温度、形状、面积、纹理等特征；而通过林火、烟雾等多特征的数据输入为后续识别模型提供有力的判别依据。
3、本发明加入了在线训练模块，不断补充新的训练样本对识别模型进行有监督的在线训练，使得识别模型随着检测的进行其准确度也不断提高。
4、运用深度学习方法进行林火烟雾检测，不但可以对森林火灾中火点及烟雾进行探测，而且可以对森林火灾等级进行准确判断。
5、本发明既可运行于无人机平台的嵌入式系统上，也可运行于与无人机进行通联的固定或者移动终端上，控制方式灵活多变，便于实施。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为本发明一个具体实施例的方法流程图；
图2 为本发明中采用的深度学习网络模型结构框图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
第一实施例
参见图1，无人机在所监控森林区域上空按照固定路线进行巡航与林火监控，是一种常规森林火灾监控行为，使用本专利方法其实施流程如图1所示，其具体实施步骤为：
A、识别模型离线准备阶段
1.收集含有森林火情的森林多光谱图像及不含有森林火情的森林多光谱图像，组成标准的多光谱森林图库。
2.在不同时段与气候情况下，无人机对目标森林区域进行航拍，得到目标森林区域的多光谱图库，并通过人工识别判断每张图像是否含有火情。
3.提取两个图库中每张图像的特征，利用图像的特征及标签值训练识别模型。标签值为含有火情或不含有火情。
本实施例中采用的多光谱图像的特征为温度特征、烟雾特征及火焰特征；其中烟雾特征包括：烟雾形状特征、烟雾面积特征、烟雾纹理特征、烟雾轮廓特征；火焰特征包括：火焰形状特征、火焰面积特征、火焰纹理特征、火焰轮廓特征。
其中，温度特征提取是在不同波段的光谱图像中进行的像素亮度提取。
烟雾特征的提取是先在图像中利用烟雾在蓝光至近红外波段图像中的反射率与陆地、植被以及水雾的差异来确定烟雾区域，然后再提取烟雾区域的形状、面积、纹理及轮廓特征。
火焰特征的提取是先利用火焰（着火点）在中红外与远红外波段会出现明显的温度饱和（高亮）的性质来确定图像中的火焰区域，再提取火焰区域的形状、面积、纹理及轮廓特征。
上述各个特征的具体提取算法为本领域已有技术，在此不再赘述。
在其他实施例中，训练识别模型所用的特征不一定包含上述全部内容，可以仅使用其中一部分。人们依据图库中的多光谱图像中是否有火情以及火情等级为图库中的图像附上标签值，本实施例中的标签值分为不含有火情、一级强度的火情、二级强度的火情或三级强度的火情。当然标签值并不局限于此种分类，在其他实施例中还可以对其进一步细分。
本实施例中采用的识别模型为深度学习网络模型（Deep Belief Networks，DBN），参见图2，该模型是模拟人脑深度网络层次架构及问题抽象特征的处理方式，由多层受限玻尔兹曼机网络和一层反向传播网络组成。由于采用模拟人脑多层结构的方式，它能对输入数据从低层到高层渐进地进行特征提取，最终形成适合林火烟雾探测以及火灾等级判别的较理想特征，准确实现对森林中可能的火点、烟雾以及火灾等级的分类。
深度学习网络的训练，是指用两种图库中的图像分批对网络的各层次进行训练，得到各层次网络的前向与后向权值，以及整个网络的权值。
B、识别模型在线检测阶段
1. 无人机在巡航过程中实时获取目标森林区域的多光谱图像并提取该图像的特征；
2.将1中的特征输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值。
如果存在着火点和烟雾，判定火灾等级，无人机进行持续跟踪；同时向地面监控中心预警，传输实时图像，提供着火点、烟雾位置。如果不存在林火及烟雾，则持续进行拍摄，直至巡航结束。
第二实施例
本实施例在第一实施例的基础上做了进一步改进，引入了识别模型在线训练步骤。
考虑到无人机巡航拍摄到的多光谱图像差异较大，为了提高训练模型的识别准确度需要不断引入新的训练样本。
本实施例采取的措施是无人机将获取的目标森林区域的多光谱图像送给识别模型的同时还将此图像传输给监控中心的服务器；监控中心的工作人员人工判断该图像的标签值；然后将该图像的标签值反馈给无人机；在无人机上，利用该图像的特征及人工判断得到的标签值训练所述识别模型，对识别模型整个网络的权值进行微调。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (10)

1.一种无人机多光谱图像的智能林火识别方法，其特征在于，包括：
步骤1：提取标准多光谱森林图库中图像的特征，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征，利用两种图库中各个图像的特征及标签值训练识别模型；所述标签值为含有火情或不含有火情；
步骤2：无人机实时获取目标森林区域的多光谱图像并提取该图像的特征；
步骤3：将步骤2中的特征输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值。
2.根据权利要求1所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，还包括步骤4：无人机将步骤2中获取的目标森林区域的多光谱图像传输给监控中心的服务器；监控中心的工作人员人工判断步骤2中获取的目标森林区域的多光谱图像的标签值；将该图像的标签值反馈给无人机；利用该图像的特征及人工判断得到的标签值训练所述识别模型。
3.根据权利要求1或2所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，所述识别模型为深度学习网络模型。
4.根据权利要求1所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，图像的特征包括温度特征、烟雾特征及火焰特征；其中烟雾特征包括以下特征中的一种或多种：烟雾形状特征、烟雾面积特征、烟雾纹理特征、烟雾轮廓特征；火焰特征包括以下特征中的一种或多种：火焰形状特征、火焰面积特征、火焰纹理特征、火焰轮廓特征。
5.根据权利要求4所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，所述标签值为不含有火情、一级强度的火情、二级强度的火情或三级强度的火情。
6.一种无人机多光谱图像的智能林火识别装置，其特征在于，包括：
实时目标森林区域的多光谱图像特征提取模块，用于接收无人机实时拍摄的目标森林区域的多光谱图像，并提取该图像的特征；
烟火识别模块，用于将实时目标森林区域的多光谱图像特征提取模块输出的特征输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值；所述标签值为含有火情或不含有火情。
7.根据权利要求6所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，还包括识别模型离线训练模块，用于提取标准多光谱森林图库中图像的特征，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征，利用两种图库中各个图像的特征及标签值训练识别模型。
8.根据权利要求6所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，还包括识别模型在线训练模块，用于将所述无人机实时拍摄的目标森林区域的多光谱图像传输给监控中心的服务器；接收监控中心的工作人员人工判断得到的该图像的标签值；利用该图像的特征及人工判断得到的标签值训练所述识别模型。
9.根据权利要求6所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，图像的特征包括温度特征、烟雾特征及火焰特征；其中烟雾特征包括以下特征中的一种或多种：烟雾形状特征、烟雾面积特征、烟雾纹理特征、烟雾轮廓特征；火焰特征包括以下特征中的一种或多种：火焰形状特征、火焰面积特征、火焰纹理特征、火焰轮廓特征。
10.根据权利要求9所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，所述标签值为不含有火情、一级强度的火情、二级强度的火情或三级强度的火情。
CN201510267188.0A 2015-05-25 2015-05-25 一种无人机多光谱图像的智能林火识别方法及装置 Pending CN104834920A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510267188.0A CN104834920A (zh) 2015-05-25 2015-05-25 一种无人机多光谱图像的智能林火识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510267188.0A CN104834920A (zh) 2015-05-25 2015-05-25 一种无人机多光谱图像的智能林火识别方法及装置

Publications (1)

Publication Number Publication Date
CN104834920A true CN104834920A (zh) 2015-08-12

Family

ID=53812798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510267188.0A Pending CN104834920A (zh) 2015-05-25 2015-05-25 一种无人机多光谱图像的智能林火识别方法及装置

Country Status (1)

Country Link
CN (1) CN104834920A (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106067168A (zh) * 2016-05-25 2016-11-02 深圳市创驰蓝天科技发展有限公司 一种无人机图像变化识别方法
CN106297297A (zh) * 2016-11-03 2017-01-04 成都通甲优博科技有限责任公司 基于深度学习的交通拥堵判别方法
CN106326846A (zh) * 2016-08-16 2017-01-11 广州地理研究所 无人机图像的林木植株并行提取方法
CN106502382A (zh) * 2016-09-21 2017-03-15 北京光年无限科技有限公司 用于智能机器人的主动交互方法和系统
CN107038833A (zh) * 2017-06-13 2017-08-11 广东电网有限责任公司电力科学研究院 一种山火火点二次甄别方法及系统
CN107423670A (zh) * 2017-04-20 2017-12-01 上海交通大学 基于深度置信网络的modis雾监测方法
CN108038509A (zh) * 2017-12-21 2018-05-15 合肥美的智能科技有限公司 基于图像识别模型的图像识别方法和装置
CN108389359A (zh) * 2018-04-10 2018-08-10 中国矿业大学 一种基于深度学习的城市火灾报警方法
CN108416963A (zh) * 2018-05-04 2018-08-17 湖北民族学院 基于深度学习的森林火灾预警方法及系统
CN108416316A (zh) * 2018-03-19 2018-08-17 中南大学 一种黑烟车的检测方法及系统
CN108682105A (zh) * 2018-05-29 2018-10-19 贵州电网有限责任公司 一种基于多光谱的输电线路山火勘测预警装置及预警方法
CN108692709A (zh) * 2018-04-26 2018-10-23 济南浪潮高新科技投资发展有限公司 一种农田灾情检测方法、系统、无人机和云端服务器
CN109919071A (zh) * 2019-02-28 2019-06-21 沈阳天眼智云信息科技有限公司 基于红外多特征联合技术的火焰识别方法
CN109948395A (zh) * 2017-12-20 2019-06-28 翔升（上海）电子技术有限公司 基于无人机的动物识别及数量统计方法与无人机
CN110320843A (zh) * 2019-07-19 2019-10-11 云南北方驰宏光电有限公司 基于双光谱的智能楼宇安防监控系统及方法
CN111537468A (zh) * 2020-06-02 2020-08-14 江南大学 柠檬酸生产中的小麦淀粉乳总糖的nir检测方法
CN111580425A (zh) * 2020-04-27 2020-08-25 华南农业大学 一种适用于林场火险监测的系统及方法
CN111882811A (zh) * 2020-07-27 2020-11-03 安徽九洲农业科技有限公司 一种用于识别火点的消防无人机
CN112167212A (zh) * 2019-07-02 2021-01-05 上海临石信息科技有限公司 一种无人机喷药控制系统及方法
US11021247B1 (en) * 2015-12-17 2021-06-01 Amazon Technologies, Inc. Source location determination by an aerial vehicle
CN112989941A (zh) * 2021-02-07 2021-06-18 浙江宇联信息发展有限公司 一种基于地图的视像信息传输系统
CN113599758A (zh) * 2021-08-04 2021-11-05 武汉理工大学 一种城市火灾泡沫消防车虚拟训练系统的构建方法
CN118521920A (zh) * 2024-04-03 2024-08-20 应急管理部沈阳消防研究所 一种基于多光谱图像的林火复燃高空监测预警方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090123074A1 (en) * 2007-11-13 2009-05-14 Chao-Ho Chen Smoke detection method based on video processing
CN102163358A (zh) * 2011-04-11 2011-08-24 杭州电子科技大学 一种基于视频图像分析的烟雾/火焰检测方法
CN104143248A (zh) * 2014-08-01 2014-11-12 江苏恒创软件有限公司 基于无人机的森林火灾探测及防控方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090123074A1 (en) * 2007-11-13 2009-05-14 Chao-Ho Chen Smoke detection method based on video processing
CN102163358A (zh) * 2011-04-11 2011-08-24 杭州电子科技大学 一种基于视频图像分析的烟雾/火焰检测方法
CN104143248A (zh) * 2014-08-01 2014-11-12 江苏恒创软件有限公司 基于无人机的森林火灾探测及防控方法

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11021247B1 (en) * 2015-12-17 2021-06-01 Amazon Technologies, Inc. Source location determination by an aerial vehicle
CN106067168A (zh) * 2016-05-25 2016-11-02 深圳市创驰蓝天科技发展有限公司 一种无人机图像变化识别方法
CN106326846A (zh) * 2016-08-16 2017-01-11 广州地理研究所 无人机图像的林木植株并行提取方法
CN106502382A (zh) * 2016-09-21 2017-03-15 北京光年无限科技有限公司 用于智能机器人的主动交互方法和系统
CN106297297A (zh) * 2016-11-03 2017-01-04 成都通甲优博科技有限责任公司 基于深度学习的交通拥堵判别方法
CN107423670A (zh) * 2017-04-20 2017-12-01 上海交通大学 基于深度置信网络的modis雾监测方法
CN107038833A (zh) * 2017-06-13 2017-08-11 广东电网有限责任公司电力科学研究院 一种山火火点二次甄别方法及系统
CN107038833B (zh) * 2017-06-13 2019-08-30 广东电网有限责任公司电力科学研究院 一种山火火点二次甄别方法及系统
CN109948395A (zh) * 2017-12-20 2019-06-28 翔升（上海）电子技术有限公司 基于无人机的动物识别及数量统计方法与无人机
CN108038509A (zh) * 2017-12-21 2018-05-15 合肥美的智能科技有限公司 基于图像识别模型的图像识别方法和装置
CN108038509B (zh) * 2017-12-21 2020-08-04 合肥美的智能科技有限公司 基于图像识别模型的图像识别方法和装置
CN108416316A (zh) * 2018-03-19 2018-08-17 中南大学 一种黑烟车的检测方法及系统
CN108389359A (zh) * 2018-04-10 2018-08-10 中国矿业大学 一种基于深度学习的城市火灾报警方法
CN108389359B (zh) * 2018-04-10 2020-03-24 中国矿业大学 一种基于深度学习的城市火灾报警方法
CN108692709A (zh) * 2018-04-26 2018-10-23 济南浪潮高新科技投资发展有限公司 一种农田灾情检测方法、系统、无人机和云端服务器
CN108416963A (zh) * 2018-05-04 2018-08-17 湖北民族学院 基于深度学习的森林火灾预警方法及系统
CN108682105B (zh) * 2018-05-29 2019-11-05 贵州电网有限责任公司 一种基于多光谱的输电线路山火勘测预警装置及预警方法
CN108682105A (zh) * 2018-05-29 2018-10-19 贵州电网有限责任公司 一种基于多光谱的输电线路山火勘测预警装置及预警方法
CN109919071A (zh) * 2019-02-28 2019-06-21 沈阳天眼智云信息科技有限公司 基于红外多特征联合技术的火焰识别方法
CN112167212A (zh) * 2019-07-02 2021-01-05 上海临石信息科技有限公司 一种无人机喷药控制系统及方法
CN110320843A (zh) * 2019-07-19 2019-10-11 云南北方驰宏光电有限公司 基于双光谱的智能楼宇安防监控系统及方法
CN111580425A (zh) * 2020-04-27 2020-08-25 华南农业大学 一种适用于林场火险监测的系统及方法
CN111537468A (zh) * 2020-06-02 2020-08-14 江南大学 柠檬酸生产中的小麦淀粉乳总糖的nir检测方法
CN111882811A (zh) * 2020-07-27 2020-11-03 安徽九洲农业科技有限公司 一种用于识别火点的消防无人机
CN112989941A (zh) * 2021-02-07 2021-06-18 浙江宇联信息发展有限公司 一种基于地图的视像信息传输系统
CN112989941B (zh) * 2021-02-07 2022-07-01 浙江宇联信息发展有限公司 一种基于地图的视像信息传输系统
CN113599758A (zh) * 2021-08-04 2021-11-05 武汉理工大学 一种城市火灾泡沫消防车虚拟训练系统的构建方法
CN118521920A (zh) * 2024-04-03 2024-08-20 应急管理部沈阳消防研究所 一种基于多光谱图像的林火复燃高空监测预警方法及装置

Similar Documents

Publication Publication Date Title
CN104834920A (zh) 一种无人机多光谱图像的智能林火识别方法及装置
CN111342391B (zh) 一种输电线路绝缘子和线路故障巡视方法及巡视体系
US20180357788A1 (en) UAV Inspection Method for Power Line Based on Human Visual System
CN110673628B (zh) 一种复合翼无人机油气管线巡检方法
CN106657882A (zh) 基于无人机的输变电系统实时监控方法
CN108037770A (zh) 基于人工智能的无人机输电线路巡检系统和方法
CN106504362A (zh) 基于无人机的输变电系统巡检方法
CN202094531U (zh) 适合于无人飞行器的输电线路巡检装置
CN108957240A (zh) 电网故障远程定位方法及系统
CN112327906A (zh) 一种基于无人机的智能自动巡检系统
CN101650866A (zh) 一种应用于无人机的火灾检测系统及其火灾检测方法
CN111580425A (zh) 一种适用于林场火险监测的系统及方法
CN106355809A (zh) 一种林火预警与应急处理系统
CN111899452A (zh) 基于边缘计算的森林防火预警系统
CN109035665A (zh) 一种新型森林火灾预警系统及火灾预警方法
CN112216052A (zh) 森林防火监测预警方法和装置及设备、存储介质
CN105511491B (zh) 一种无人机驱赶装置及方法
CN105005089A (zh) 基于计算机视觉的机场道面异物探测系统与方法
CN107069549A (zh) 旋翼无人机电力巡线系统
CN101968913A (zh) 一种森林火灾区域的火焰跟踪方法
CN105303748A (zh) 基于空中航拍的火情报警系统
CN112270267A (zh) 可自动抓拍线路故障的摄像识别系统
CN109146836A (zh) 一种基于点云数据进行输电塔及线路检测的系统及方法
CN104715556A (zh) 基于空中航拍的火情报警方法
CN114037910A (zh) 一种无人机森林火灾检测系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150812

RJ01 Rejection of invention patent application after publication