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 PDFInfo
- 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
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
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)。
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)。
(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)。
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。
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。
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)。
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)。
(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)。
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。
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)
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)
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 |
-
2020
- 2020-08-25 CN CN202010876063.9A patent/CN112150750A/zh active Pending
Patent Citations (7)
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)
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)
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 |