CN112150750A - 一种基于边缘计算的森林火警监测系统 - Google Patents

一种基于边缘计算的森林火警监测系统 Download PDF

Info

Publication number
CN112150750A
CN112150750A CN202010876063.9A CN202010876063A CN112150750A CN 112150750 A CN112150750 A CN 112150750A CN 202010876063 A CN202010876063 A CN 202010876063A CN 112150750 A CN112150750 A CN 112150750A
Authority
CN
China
Prior art keywords
data
fire alarm
alarm monitoring
forest fire
monitoring system
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
CN202010876063.9A
Other languages
English (en)
Inventor
祖笑锋
吴波
陈勇强
李培琳
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.)
Aerospace Xinde Zhitu Beijing Science And Technology Co ltd
Original Assignee
Aerospace Xinde Zhitu Beijing Science And 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 Aerospace Xinde Zhitu Beijing Science And Technology Co ltd filed Critical Aerospace Xinde Zhitu Beijing Science And Technology Co ltd
Priority to CN202010876063.9A priority Critical patent/CN112150750A/zh
Publication of CN112150750A publication Critical patent/CN112150750A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Abstract

本发明提供了一种基于边缘计算的森林火警监测系统，涉及森林火警监测领域，包括系统分感知末梢、边缘节点、云端和应用侧四层架构，能有效减轻云计算中心的计算压力，提升探测实时性。用ZigBee技术和SDN技术搭建网络拓扑，使得节点更灵活、网络更均衡；采用ViBe算法抽取背景模型，随机决策森林算法融合各环境因子，确保了判决精准度，也提高了ECN的轻便性；按照数据时序用途分级存储，达到计算速度和物质成本的最佳搭配。

Description

一种基于边缘计算的森林火警监测系统
技术领域
本发明涉及监测领域，尤其涉及森林火警监测领域。
背景技术
在大数据时代下，将云计算模型应用到火警监测中，采集各种传感数 据到云端计算分析，极大地提升了探测模型的计算效力和存储能力。如今， 已有部分基于分布式云计算平台的火灾探测平台量产使用。但随着物联 网、5G技术的飞速发展，万物互联时代已经到来，由数据量暴增带来的 网络传输拥堵和计算复杂度加强问题，使得数据在传输过程及计算过程中 时延不断增大，给火灾探测器带来新的挑战。
发明内容
本发明所要解决的技术问题是克服现有技术中存在的不足，为了减轻 网络传输压力，降低云计算中心计算负荷，防止因系统延时过长而造成的 火情发现不及时问题出现，提供一种基于边缘计算的森林火警监测系统。
本发明是通过以下技术方案予以实现：
系统分感知末梢、边缘节点、云端和应用侧四层，感知末梢由各种探 测器组成，负责收集环境参数，并通过ZigBee协议和现场总线将数据上 传；边缘计算网关实时对数据进行去噪、打标、归一化等预处理操作，并 将预处理后的数据由SDN平台汇聚到敏捷控制器；敏捷控制器运用其中 集成的机器学习算法推理运算，同时还将一份数据传至云端分析应用，若 有火情发生，则发送控制信号致使能节点，完成灭火工作。
本发明的有益效果是：能有效减轻云计算中心的计算压力，提升探测 实时性。用ZigBee技术和SDN技术搭建网络拓扑，使得节点更灵活、网 络更均衡；采用ViBe算法抽取背景模型，随机决策森林算法融合各环境 因子，确保了判决精准度，也提高了ECN的轻便性；按照数据时序用途分 级存储，达到计算速度和物质成本的最佳搭配。对环境湿度以及森林密度 数据测量，使感测更全面。
附图说明
图1示出了根据本发明的实施例的边缘计算的森林火警监测系统模 型。
图2示出了本发明的ZigBee协议体系结构。
图3示出了本发明的火灾探测算法流程。
具体实施方式
为了使本技术领域的技术人员更好地理解本发明的技术方案，下面 结合附图和最佳实施例对本发明作进一步的详细说明。
如图所示，本发明为实现火灾探测的实时性和准确性，发明了基于边 缘计算的森林火警监测系统。系统分感知末梢、边缘节点、云端和应用侧 四层，感知末梢由各种探测器组成，负责收集环境参数，并通过ZigBee 协议和现场总线将数据上传；边缘计算网关实时对数据进行去噪、打标、 归一化等预处理操作，并将预处理后的数据由SDN平台汇聚到敏捷控制 器；敏捷控制器运用其中集成的机器学习算法推理运算，同时还将一份数 据传至云端分析应用，若有火情发生，则发送控制信号致使能节点，完成 灭火工作。
网络拓扑设计：
将感知末梢探测器按照产生数据量大小分为图像数据和普通数据，对 于产生数据量大的探测器搭建现场总线传输数据，对于产生数据量较小的 探测器搭建无线传感网络WSN传输数据。有差别地设计网络传输方案，既 保证了数据传输高效性，又使网络变得更加灵活，节约了布线成本，减少 了系统故障点。考虑分布式探测系统节点具有流量大且负载不均衡的特 点，边缘节点处的选取采用基于软件定义网络的SDN平台。
WSN选取基于IEEE 802.15.4标准的ZigBee技术作为主要通信手段， 协议体系结构如图3所示。
火灾探测算法：
由于边缘计算节点性能有限，在保证计算速度和精度的前提下，尽量 设计复杂度较低，耗费资源较小的算法。以计算机视觉技术为主设计算法， 流程图如图3所示。首先利用ViBe搭建背景模型，定时获取当前帧与背 景模型做对比，判断是否存在运动目标块，若存在，则进一步判断是否存 在疑似火焰区域，其次结合其他检测因子采用随机决策森林算法进行分类 判决，若有火情发生，则启动异常处理机制，及时开展灭火工作。但由于 敏捷控制器无法承受推理阶段的计算负载，遂在控制器设计前期即将训练 完成了的算法压缩到控制器中。
从视频流中提取前景对象，需要一个相对静态的背景模型，并进行连 续不断的更新。ViBe算法是以背景像素点的邻域像素为样本集的像素级背 景建模算法，具有耗费低、鲁棒性高的特点。
(1)随机选取部分像素点的邻域像素作为初始的背景，计算见式(1)。
Figure BDA0002649833470000031
式中：f0(xi，yi)为随机选取的像素点；NG(xi，yi)为该像素点的邻域像 素；N为初始化次数。
若t＝k，则(x,y)点的背景模型见式(2)。
Figure BDA0002649833470000032
(2)采用距离判断提取前景物体。设距离阈值为R,近似点个数阈值为 min，若(x,y)点到
Figure BDA0002649833470000033
中存在n个点距离大于R，且n小于等于min， 则判定该点为背景像素；反之为前景物体像素。定义SR(x,y)为到(x,y) 距离小于R的值，前景物体提取见式(3)。
n＝{SR(x，y)I{(x1，y1)，(x2，y2)，......，(xN，yN)}}≤min (3)
(3)更新策略采用无记忆更新、时间取样更新和空间邻域更新三方 面随机更新。按照更新策略，某个样本经过一段时间Δt被保留概率，见 式(4)。
Figure BDA0002649833470000041
随机决策森林(Random Forest)是一种机器学习分类算法，主要用 于多元参数输入、大数据处理、资料视觉化的使用场景，具有学习快速的 特点。其使用多棵决策树不断分裂来训练和预测结果。任意一棵决策树都 是一个基础的二分类器，每次分裂代表着对某个属性进行划分。信息熵是 常用表示决策树纯度的方法，并且纯度与E值成反比，其计算见式(5)。
信息增益见式(6)，其中纯度与G值成正比。
Figure BDA0002649833470000042
式中：D为样本数；y为特征数，pk为第k类数目与总数目的商。
Figure BDA0002649833470000043
式中：Dv为某一样本；V为分支个数；v＝1,2,3,…,V。
由于每次分裂均随机选取特征，并且有放回地抽取部分样本形成子数 据集，所以随机决策森林中任意一棵树都是随机生成的，做出的判决也不 尽相同。最终认为数量较多的预测为判决结果。
存储模式：
火灾探测模型设计难点在于如何解决大数据下的高速计算问题，故选 取适合的数据库作为存储介质是至关重要的。时序数据库(TSDB)将数据 按时序分为冷数据和热数据两种，分级存储在不同成本的介质上，在保证 计算速度的前提下，进一步降低了建设成本，是物联网数据存储首选。
实时数据是探测模型采集分析的主要数据，对存储介质的读写速度有 很高要求，所以将一天以内的数据存储于内存缓存cache上，但为防止 异常宕机造成数据丢失，还需把数据复制一份存到本地磁盘；过时数据主 要用作云计算中心的分析和提取，对数据访问性能要求稍低，按时间序列 优先程度分别存于SSD和HDD。
本发明的有益效果是：减轻云计算中心的计算压力，提升探测实时性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的 普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进 和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于边缘计算的森林火警监测系统，其特征在于：系统分感知末梢、边缘节点、云端和应用侧四层，
感知末梢由各种探测器组成，负责收集环境参数，并通过ZigBee协议和现场总线将数据上传；各种探测器包括摄像头、感烟探测器、感温探测器、一氧化碳探测器、感湿探测器和密度探测器。
边缘计算网关实时对数据进行去噪、打标、归一化等预处理操作，并将预处理后的数据由SDN平台汇聚到敏捷控制器；
敏捷控制器运用其中集成的机器学习算法推理运算，同时还将一份数据传至云端分析应用，
若有森林火情发生，则发送控制信号致使能节点，完成灭火工作。
2.根据权利要求1所述的一种基于边缘计算的森林火警监测系统，将感知末梢探测器按照产生数据量大小分为图像数据和普通数据，对于产生数据量大的探测器搭建现场总线传输数据，对于产生数据量较小的探测器搭建无线传感网络WSN传输数据。
3.根据权利要求1所述的一种基于边缘计算的森林火警监测系统，边缘计算的流程为：首先利用ViBe搭建背景模型，定时获取当前帧与背景模型做对比，判断是否存在运动目标块，若存在，则进一步判断是否存在疑似火焰区域，其次结合其他检测因子采用随机决策森林算法进行分类判决，若有火情发生，则启动异常处理机制，及时开展灭火工作。
4.根据权利要求1所述的一种基于边缘计算的森林火警监测系统，ViBe算法的背景像素点以邻域像素作为初始的背景，计算见式(1)。
Figure FDA0002649833460000011
式中：f0(xi，yi)为随机选取的像素点；NG(xi，yi)为该像素点的邻域像素；N为初始化次数。
若t＝k，则(x,y)点的背景模型见式(2)。
Figure FDA0002649833460000012
(2)采用距离判断提取前景物体。设距离阈值为R,近似点个数阈值为min，若(x,y)点到
Figure FDA0002649833460000021
中存在n个点距离大于R，且n小于等于min，则判定该点为背景像素；反之为前景物体像素。定义SR(x,y)为到(x,y)距离小于R的值，前景物体提取见式(3)。
n＝{SR(x，y)I{(x1，y1)，(x2，y2)，......，(xN，yN)}}≤min (3)
(3)更新策略采用无记忆更新、时间取样更新和空间邻域更新三方面随机更新。按照更新策略，某个样本经过一段时间Δt被保留概率，见式(4)。
Figure FDA0002649833460000022
5.根据权利要求1所述的一种基于边缘计算的森林火警监测系统，计算的时序数据库(TSDB)将数据按时序分为冷数据和热数据两种，分级存储在不同成本的介质上，将一天以内的数据存储于内存缓存cache上，把数据复制一份存到本地磁盘；过时数据主要用作云计算中心的分析和提取，对数据访问性能要求稍低，按时间序列优先程度分别存于SSD和HDD。
CN202010876063.9A 2020-08-25 2020-08-25 一种基于边缘计算的森林火警监测系统 Pending CN112150750A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010876063.9A CN112150750A (zh) 2020-08-25 2020-08-25 一种基于边缘计算的森林火警监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010876063.9A CN112150750A (zh) 2020-08-25 2020-08-25 一种基于边缘计算的森林火警监测系统

Publications (1)

Publication Number Publication Date
CN112150750A true CN112150750A (zh) 2020-12-29

Family

ID=73889088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010876063.9A Pending CN112150750A (zh) 2020-08-25 2020-08-25 一种基于边缘计算的森林火警监测系统

Country Status (1)

Country Link
CN (1) CN112150750A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125675A (zh) * 2021-04-19 2021-07-16 北京物资学院 边缘计算架构的堆场煤炭自燃预警装置和预警方法
CN113176011A (zh) * 2021-04-30 2021-07-27 南京安控易创润滑科技有限公司 基于物联网的表面贴片式传感器智能测温方法及其系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5734335A (en) * 1989-12-20 1998-03-31 Finmeccanica S.P.A. Forest surveillance and monitoring system for the early detection and reporting of forest fires
CN102999442A (zh) * 2012-11-16 2013-03-27 成都索贝数码科技股份有限公司 面向媒体应用的存储系统及方法
CN107025652A (zh) * 2017-05-05 2017-08-08 太原理工大学 一种基于运动特性和颜色时空信息的火焰检测方法
CN108665667A (zh) * 2018-04-25 2018-10-16 桂林理工大学 一种基于无线传感器网络的森林防火监控系统
CN109118732A (zh) * 2018-08-27 2019-01-01 中国科学院上海微系统与信息技术研究所 基于边缘信息的传感器感知事件判断与报警系统及方法
CN110648490A (zh) * 2019-09-26 2020-01-03 华南师范大学 适用于嵌入式平台的多因子火焰识别方法
CN111047818A (zh) * 2019-11-01 2020-04-21 浙江省林业技术推广总站(浙江省林业信息宣传中心) 一种基于视频图像的森林火灾预警系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5734335A (en) * 1989-12-20 1998-03-31 Finmeccanica S.P.A. Forest surveillance and monitoring system for the early detection and reporting of forest fires
CN102999442A (zh) * 2012-11-16 2013-03-27 成都索贝数码科技股份有限公司 面向媒体应用的存储系统及方法
CN107025652A (zh) * 2017-05-05 2017-08-08 太原理工大学 一种基于运动特性和颜色时空信息的火焰检测方法
CN108665667A (zh) * 2018-04-25 2018-10-16 桂林理工大学 一种基于无线传感器网络的森林防火监控系统
CN109118732A (zh) * 2018-08-27 2019-01-01 中国科学院上海微系统与信息技术研究所 基于边缘信息的传感器感知事件判断与报警系统及方法
CN110648490A (zh) * 2019-09-26 2020-01-03 华南师范大学 适用于嵌入式平台的多因子火焰识别方法
CN111047818A (zh) * 2019-11-01 2020-04-21 浙江省林业技术推广总站(浙江省林业信息宣传中心) 一种基于视频图像的森林火灾预警系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡敏: "基于视频分析的森林烟火识别算法研究", 《农业科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125675A (zh) * 2021-04-19 2021-07-16 北京物资学院 边缘计算架构的堆场煤炭自燃预警装置和预警方法
CN113176011A (zh) * 2021-04-30 2021-07-27 南京安控易创润滑科技有限公司 基于物联网的表面贴片式传感器智能测温方法及其系统
CN113176011B (zh) * 2021-04-30 2022-03-15 南京安控易创润滑科技有限公司 基于物联网的表面贴片式传感器智能测温方法及其系统

Similar Documents

Publication Publication Date Title
CN106682697B (zh) 一种基于卷积神经网络的端到端物体检测方法
CN111353413B (zh) 一种输电设备低漏报率缺陷识别方法
Zhong et al. A convolutional neural network-based flame detection method in video sequence
CN110826684B (zh) 卷积神经网络的压缩方法、装置、电子设备和介质
CN107292886B (zh) 基于网格划分及神经网络的目标物入侵检测方法及装置
CN107786388B (zh) 一种基于大规模网络流数据的异常检测系统
CN112150750A (zh) 一种基于边缘计算的森林火警监测系统
CN114462623B (zh) 基于边缘计算的数据分析方法、系统及平台
CN113850242A (zh) 一种基于深度学习算法的仓储异常目标检测方法及系统
CN112817755A (zh) 基于目标追踪加速的边云协同深度学习目标检测方法
CN109753797B (zh) 针对流式图的密集子图检测方法及系统
CN113011322A (zh) 监控视频特定异常行为的检测模型训练方法及检测方法
CN116052082A (zh) 一种基于深度学习算法的配电站房异常检测方法及装置
CN117156442B (zh) 基于5g网络的云数据安全保护方法及系统
CN106780053A (zh) 一种基于节点连接偏好的重叠社区发现方法及系统
CN114022811A (zh) 基于持续学习的水面漂浮物监测方法与系统
CN110795599A (zh) 基于多尺度图的视频突发事件监测方法及系统
CN116543333A (zh) 电力系统的目标识别方法、训练方法、装置、设备和介质
CN116453056A (zh) 目标检测模型构建方法和变电站异物入侵检测方法
CN110969645A (zh) 面向拥挤场景的无监督异常轨迹检测方法和装置
CN113076963B (zh) 一种图像识别方法、装置和计算机可读存储介质
CN115329834A (zh) 电缆状态确定方法、装置及系统
CN114677638A (zh) 一种基于深度学习和聚类人群异常聚集的检测方法
CN111488476B (zh) 图像推送方法、模型训练方法及对应装置
CN114265954A (zh) 基于位置与结构信息的图表示学习方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201229