CN107993398A - 一种具有自主学习能力的森林火灾监控系统 - Google Patents
一种具有自主学习能力的森林火灾监控系统 Download PDFInfo
- Publication number
- CN107993398A CN107993398A CN201711320950.2A CN201711320950A CN107993398A CN 107993398 A CN107993398 A CN 107993398A CN 201711320950 A CN201711320950 A CN 201711320950A CN 107993398 A CN107993398 A CN 107993398A
- Authority
- CN
- China
- Prior art keywords
- forest
- information
- neural network
- network model
- fire
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Abstract
本发明公开了一种具有自主学习能力的森林火灾监控系统,利用无缝融合智能网络神经模型的森林火灾监控技术,结合林业管理的专业知识和林业防火的经验,建立林业防火智能监测预警及应急指挥系统,从而实现林区视频的自动监控、烟火准确识别、火点精确定位、火情蔓延趋势推演、扑救指挥的辅助决策、灾后评估等多方面功能,建立森林防火的完整业务链,并针对性地解决用户的各种个性化需求。通过对森林现场的温度信息、光强度信息、湿度信息、风向信息等等进行实时监测,将监测数据输入至神经网络模型进行参数分析,判断检测到的参数是否在安全范围内,从而对森林是否存在未知火灾的危险进行实时监控。
Description
技术领域
本发明涉及森林火灾技术领域,尤其涉及一种具有自主学习能力的森林火灾监控系统。
背景技术
森林火灾是森林最危险的敌人,也是林业最可怕的灾害,它会给森林带来最有害,具有毁灭性的后果。森林火灾不只是烧毁成片的森林,伤害林内的动物,而且还降低森林的更新能力,引起土壤的贫瘠和破坏森林涵养水源的作用,甚而导致生态环境失去平衡。尽管当今世界的科学在日新月异地向前发展,但是,人类在制服森林火灾上,却依然尚未取得长足的进展;于是森林火灾预防和发现比扑灭更具现实意义。
现有技术中关于森林火灾监控系统没有对森林的现场环境信息进行实时监控,因此造成对森林的现场环境信息采集的数据不够准确,不能有效的控制火灾的发生。
发明内容
根据现有技术存在的问题,本发明公开了一种具有自主学习能力的森林火灾监控系统,包括:
采集森林的现场环境信息的获取单元,所述获取单元至少包括采集森林现场的湿度信息的湿度传感器、采集森林现场的光照强度信息的光强传感器、采集森林现场的烟雾浓度信息的烟雾传感器和采集森林现场的风向信息的风向传感器;
接收所述获取单元传送的数据信息,对数据信息进行数据分析的处理单元,所述处理单元中设置有神经网络模型;
其中神经网络模型设计多组实验参数,实验参数包括湿度信息、温度信息、光照强度信息、烟雾浓度信息和风向信息,将多组实验参数输入至神经网络模型对神经网络模型进行实验训练,训练过程中所述神经网络模型对输入的实验参数进行特征数据的提取、特征数据的识别、阈值的判断和判断结果的输出,所述神经网络模型在对实验参数进行处理过程中进行自主学习,如果该神经网络模型的学习能力达到设定的要求,则该模型进行森林火灾的监控输出判断结果和指令信息;
接收所述处理单元传送的指令信号的报警单元和终端服务器,所述报警单元接收到报警指令发出报警信号,所述终端服务器对接收到的森林的各项参数进行保存。
进一步的,所述神经网络模型进行阈值判断时采用如下方式:
在神经网络模型中设置湿度阈值,当神经网络模型接收到森林现场的湿度信息进行判断,如果接收到的湿度信息大于设定的湿度阈值,则该神经网络模型发出报警信息,采用上述方式所述神经网络模型完成对温度信息、光照强度信息、烟雾浓度信息和风向信息的判断,输出当前状况下森林现场是否有火灾发生的判断结果。
进一步的,所述处理单元采用无线通信方式与终端服务器实时数据通信。
进一步的,所述终端服务器接收到处理单元发出的指令信号对发出预警信号的森林进行地理位置搜索和实时监控。
由于采用了上述技术方案,本发明提供的一种具有自主学习能力的森林火灾监控系统,通过对森林现场的温度信息、光强度信息、湿度信息、风向信息等等进行实时监测,将监测数据输入至神经网络模型进行参数分析,判断检测到的参数是否在安全范围内,从而对森林是否存在未知火灾的危险进行实时监控。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于具有自主学习能力的森林火灾监控系统的流程图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
如图1所示的一种具有自主学习能力的森林火灾监控系统,具体包括
采集森林的现场环境信息的获取单元,所述获取单元至少包括采集森林现场的湿度信息的湿度传感器、采集森林现场的光照强度信息的光强传感器、采集森林现场的烟雾浓度信息的烟雾传感器和采集森林现场的风向信息的风向传感器;
接收所述获取单元传送的数据信息,对数据信息进行数据分析的处理单元,所述处理单元中设置有神经网络模型;
其中神经网络模型设计多组实验参数,实验参数包括湿度信息、温度信息、光照强度信息、烟雾浓度信息和风向信息,将多组实验参数输入至神经网络模型对神经网络模型进行实验训练,训练过程中所述神经网络模型对输入的实验参数进行特征数据的提取、特征数据的识别、阈值的判断和判断结果的输出,所述神经网络模型在对实验参数进行处理过程中进行自主学习,如果该神经网络模型的学习能力达到设定的要求,则该模型进行森林火灾的监控输出判断结果和指令信息;首先设计出多组参数输入至神经网络模型对该模型进行训练,使神经网络模型在训练过程中不断的进步,对参数识别的速度不断的增强。
接收所述处理单元传送的指令信号的报警单元和终端服务器,所述报警单元接收到报警指令发出报警信号,所述终端服务器对接收到的森林的各项参数进行保存。
进一步的,所述神经网络模型进行阈值判断时采用如下方式:
在神经网络模型中设置湿度阈值,当神经网络模型接收到森林现场的湿度信息进行判断,如果接收到的湿度信息大于设定的湿度阈值,则该神经网络模型发出报警信息,采用上述方式所述神经网络模型完成对温度信息、光照强度信息、烟雾浓度信息和风向信息的判断,输出当前状况下森林现场是否有火灾发生的判断结果。
进一步的,所述处理单元采用无线通信方式与终端服务器实时数据通信。
进一步的,所述终端服务器接收到处理单元发出的指令信号对发出预警信号的森林进行地理位置搜索和实时监控。
本发明公开的一种具有自主学习能力的森林火灾监控系统,利用无缝融合智能网络神经模型的森林火灾监控技术,结合林业管理的专业知识和林业防火的经验,建立林业防火智能监测预警及应急指挥系统,从而可以实现对林区环境的自动监控、烟火准确识别的功能,还可以建立森林防火的完整业务链,并针对性地解决用户的各种个性化需求。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种具有自主学习能力的森林火灾监控系统,其特征在于:包括
采集森林的现场环境信息的获取单元,所述获取单元至少包括采集森林现场的湿度信息的湿度传感器、采集森林现场的光照强度信息的光强传感器、采集森林现场的烟雾浓度信息的烟雾传感器和采集森林现场的风向信息的风向传感器;
接收所述获取单元传送的数据信息,对数据信息进行数据分析的处理单元,所述处理单元中设置有神经网络模型;
其中神经网络模型设计多组实验参数,实验参数包括湿度信息、温度信息、光照强度信息、烟雾浓度信息和风向信息,将多组实验参数输入至神经网络模型对神经网络模型进行实验训练,训练过程中所述神经网络模型对输入的实验参数进行特征数据的提取、特征数据的识别、阈值的判断和判断结果的输出,所述神经网络模型在对实验参数进行处理过程中进行自主学习,如果该神经网络模型的学习能力达到设定的要求,则该模型进行森林火灾的监控输出判断结果和指令信息;
接收所述处理单元传送的指令信号的报警单元和终端服务器,所述报警单元接收到报警指令发出报警信号,所述终端服务器对接收到的森林的各项参数进行保存。
2.根据权利要求1所述的一种具有自主学习能力的森林火灾监控系统,其特征还在于:所述神经网络模型进行阈值判断时采用如下方式:
在神经网络模型中设置湿度阈值,当神经网络模型接收到森林现场的湿度信息进行判断,如果接收到的湿度信息大于设定的湿度阈值,则该神经网络模型发出报警信息,采用上述方式所述神经网络模型完成对温度信息、光照强度信息、烟雾浓度信息和风向信息的判断,输出当前状况下森林现场是否有火灾发生的判断结果。
3.根据权利要求1所述的一种具有自主学习能力的森林火灾监控系统,其特征还在于:所述处理单元采用无线通信方式与终端服务器实时数据通信。
4.根据权利要求1所述的一种具有自主学习能力的森林火灾监控系统,其特征还在于:所述终端服务器接收到处理单元发出的指令信号对发出预警信号的森林进行地理位置搜索和实时监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711320950.2A CN107993398A (zh) | 2017-12-12 | 2017-12-12 | 一种具有自主学习能力的森林火灾监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711320950.2A CN107993398A (zh) | 2017-12-12 | 2017-12-12 | 一种具有自主学习能力的森林火灾监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107993398A true CN107993398A (zh) | 2018-05-04 |
Family
ID=62035997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711320950.2A Pending CN107993398A (zh) | 2017-12-12 | 2017-12-12 | 一种具有自主学习能力的森林火灾监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107993398A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110237477A (zh) * | 2019-01-25 | 2019-09-17 | 江苏沃德渥机电科技有限公司 | 一种基于人工智能的消防监控系统 |
CN113283324A (zh) * | 2021-05-14 | 2021-08-20 | 成都鸿钰网络科技有限公司 | 一种基于动态图像的森林防火预警方法及系统 |
CN114005236A (zh) * | 2021-10-09 | 2022-02-01 | 泰山学院 | 基于物联网的森林火灾检测方法、系统和可读存储介质 |
CN114170754A (zh) * | 2021-12-09 | 2022-03-11 | 中科计算技术西部研究院 | 基于大数据的林业维护管理系统 |
CN115661245A (zh) * | 2022-10-24 | 2023-01-31 | 东北林业大学 | 一种基于无人机的大尺度火线瞬时定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514700A (zh) * | 2013-09-29 | 2014-01-15 | 柳州市宏亿科技有限公司 | 一种森林防火预警系统的设计方法 |
CN204044963U (zh) * | 2014-07-25 | 2014-12-24 | 陕西科技大学 | 一种基于wsn网络的石油化工厂安全监测与报警系统 |
CN105788143A (zh) * | 2016-05-23 | 2016-07-20 | 北京林业大学 | 一种林火监测方法及系统 |
CN106781176A (zh) * | 2016-11-10 | 2017-05-31 | 陈德才 | 一种森林火灾监控系统 |
-
2017
- 2017-12-12 CN CN201711320950.2A patent/CN107993398A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514700A (zh) * | 2013-09-29 | 2014-01-15 | 柳州市宏亿科技有限公司 | 一种森林防火预警系统的设计方法 |
CN204044963U (zh) * | 2014-07-25 | 2014-12-24 | 陕西科技大学 | 一种基于wsn网络的石油化工厂安全监测与报警系统 |
CN105788143A (zh) * | 2016-05-23 | 2016-07-20 | 北京林业大学 | 一种林火监测方法及系统 |
CN106781176A (zh) * | 2016-11-10 | 2017-05-31 | 陈德才 | 一种森林火灾监控系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110237477A (zh) * | 2019-01-25 | 2019-09-17 | 江苏沃德渥机电科技有限公司 | 一种基于人工智能的消防监控系统 |
CN113283324A (zh) * | 2021-05-14 | 2021-08-20 | 成都鸿钰网络科技有限公司 | 一种基于动态图像的森林防火预警方法及系统 |
CN113283324B (zh) * | 2021-05-14 | 2022-03-25 | 成都鸿钰网络科技有限公司 | 一种基于动态图像的森林防火预警方法及系统 |
CN114005236A (zh) * | 2021-10-09 | 2022-02-01 | 泰山学院 | 基于物联网的森林火灾检测方法、系统和可读存储介质 |
CN114170754A (zh) * | 2021-12-09 | 2022-03-11 | 中科计算技术西部研究院 | 基于大数据的林业维护管理系统 |
CN115661245A (zh) * | 2022-10-24 | 2023-01-31 | 东北林业大学 | 一种基于无人机的大尺度火线瞬时定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993398A (zh) | 一种具有自主学习能力的森林火灾监控系统 | |
CN107784771A (zh) | 一种基于神经网络模型的森林火灾监控方法 | |
CN110841219B (zh) | 一种电缆隧道环境下火情监测处置系统及方法 | |
CN103150856B (zh) | 火灾火焰视频监测预警系统 | |
CN110147762A (zh) | 一种嵌入式消防误报消除系统 | |
CN114792194B (zh) | 一种建筑整体消防安全智能系统 | |
CN110801593B (zh) | 一种融合多模态数据的极早期火灾预警系统及方法 | |
CN110675587B (zh) | 火灾预警方法、装置、终端及可读存储介质 | |
CN110634261A (zh) | 一种地下配电网火灾预警系统及方法 | |
CN115063942B (zh) | 消防火灾复燃监测预警方法、装置、电子设备及存储介质 | |
CN112584094A (zh) | 基于智能感知的变电站安全监管系统 | |
CN110930632B (zh) | 一种基于人工智能的预警系统 | |
CN105975991B (zh) | 一种改进的极限学习机火灾种类识别方法 | |
CN114969027B (zh) | 一种森林火灾险情的人工智能预警系统及方法 | |
CN113990022A (zh) | 基于边缘计算的消防监控方法、装置、设备及存储介质 | |
CN114320469B (zh) | 一种基于云-边智能的井下危险源检测方法 | |
CN114005236A (zh) | 基于物联网的森林火灾检测方法、系统和可读存储介质 | |
Venkataramanan et al. | Forest fire detection and temperature monitoring alert using iot and machine learning algorithm | |
CN113554364A (zh) | 灾害应急管理方法、装置、设备及计算机存储介质 | |
CN109741565A (zh) | 煤矿火灾识别系统及方法 | |
CN112822444A (zh) | 一种基于家庭边缘计算的智慧家庭安防监控系统及方法 | |
CN205507492U (zh) | 一种建筑智能监控系统 | |
CN209486843U (zh) | 森林防火报警系统 | |
CN205788613U (zh) | 智能手机终端监控系统 | |
CN107230312B (zh) | 一种有效的森林火灾监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |
|
RJ01 | Rejection of invention patent application after publication |