CN113033391A - 一种火灾风险预警研判方法及系统 - Google Patents
一种火灾风险预警研判方法及系统 Download PDFInfo
- Publication number
- CN113033391A CN113033391A CN202110312505.1A CN202110312505A CN113033391A CN 113033391 A CN113033391 A CN 113033391A CN 202110312505 A CN202110312505 A CN 202110312505A CN 113033391 A CN113033391 A CN 113033391A
- Authority
- CN
- China
- Prior art keywords
- dyeing
- image
- fire
- map
- target image
- 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.)
- Granted
Links
- 238000011160 research Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004043 dyeing Methods 0.000 claims abstract description 75
- 230000007613 environmental effect Effects 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims description 19
- 238000010186 staining Methods 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 4
- 230000002265 prevention Effects 0.000 abstract description 5
- 239000000017 hydrogel Substances 0.000 description 20
- 238000012549 training Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Astronomy & Astrophysics (AREA)
- Evolutionary Biology (AREA)
- Emergency Management (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种火灾风险预警研判方法及系统,所述方法包括获取待研判区域地图,根据所述待研判区域生成染色源图;确定火灾风险研判所需的环境因子;根据所述环境因子对所述染色源图进行染色,得到第一目标图像;获取所述待研判区域地图相关的火情图;根据所述火情图对所述染色源图进行染色,得到第二目标图像;根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判。本发明客观准确的确定火灾风险,为抗旱防火提供指导。
Description
技术领域
本发明涉及火灾防控领域,尤其涉及一种火灾风险预警研判方法及系统。
背景技术
对于火灾而言,防控预警的意义不言而喻。在实际火灾预判过程中,因野外环境错综复杂(比如:包括道路、民房及工厂等),对火灾的预判的准确度产生较大影响。目前,尚未有能够全面考虑引发火灾的因素从而对火灾进行自动研判的方案。
发明内容
为了解决上述技术问题,本发明提供一种火灾风险预警研判方法及系统。
本发明是以如下技术方案实现的:
一方面,本发明提供一种火灾风险预警研判方法,所述方法包括:
获取待研判区域地图,根据所述待研判区域生成染色源图;
确定火灾风险研判所需的环境因子;
根据所述环境因子对所述染色源图进行染色,得到第一目标图像;
获取所述待研判区域地图相关的火情图;
根据所述火情图对所述染色源图进行染色,得到第二目标图像;
根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判。
进一步地,所述获取待研判区域地图,根据所述待研判区域生成染色源图,包括:
获取待染色对象提取规则;
根据所述待染色对象提取规则在所述待研判区域地图中提取待染色图斑;
根据所述待染色图斑的最小外接矩形生成所述染色源图。
进一步地,所述环境因子包括风速因子、湿度因子和温度因子,相应的,所述根据所述环境因子对所述染色源图进行染色,得到第一目标图像,包括:
根据所述风速因子对所述染色源图进行染色,得到第一风维度图像;
根据所述湿度因子对所述染色源图进行染色,得到第一湿维度图像;
根据所述温度因子对所述染色源图进行染色,得到第一温维度图像。
进一步地,所述根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判,包括:
将所述第一风维度图像、第一湿维度图像、第一温维度图像和第二目标图像输入预设的火灾风险评估模型,得到所述火灾风险评估模型输出的风险值。
进一步地,所述根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判,还包括:
若所述风险值小于预设第一阈值,则判定低风险;
若所述风险值大于等于预设第一阈值并且小于预设第二阈值,则基于气象风险值确定判定结果;
若所述风险值高于所述预设第二阈值,则判定高风险。
一种火灾风险预警研判系统,包括:
染色源图获取模块,用于获取待研判区域地图,根据所述待研判区域生成染色源图;
环境因子确定模块,用于确定火灾风险研判所需的环境因子;
第一目标图像获取模块,用于根据所述环境因子对所述染色源图进行染色,得到第一目标图像;
火情图获取模块,用于获取所述待研判区域地图相关的火情图;
第二目标图像获取模块,用于根据所述火情图对所述染色源图进行染色,得到第二目标图像;
研判模块,用于根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判。
一种可读存储介质,用于存储程序,所述程序用于实现上述的一种火灾风险预警研判方法。
本发明的有益效果是:
本发明中提供了一种火灾风险预警研判方法及系统,从气象因子、火情因子、环境因子三方面对火灾风险进行预评估,得到风险值,从而客观准确的确定火灾风险,为抗旱防火提供指导。
附图说明
图1是本实施例提供的火灾风险预警研判方法流程图;
图2是本实施例提供的基于起火风险值和火势蔓延值生成染色源图流程图;
图3是本实施例提供的根据所述环境因子对所述染色源图进行染色,得到第一目标图像流程图;
图4是本实施例提供的一种火灾风险预警研判系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明作进一步地详细描述。
本发明实施例提供一种火灾风险预警研判方法,如图1所示,包括:
S101.获取待研判区域地图,根据所述待研判区域生成染色源图。
本实施例中待研判区域地图可以为地物分布图,图中可以分布有各种地物,比如草坪、建筑物、广场、绿化带、湖泊、森林等,本发明实施例可以根据专家经验对不同种类的地物赋予对应的起火风险值和火势蔓延值。比如,草坪的起火风险值为7火势蔓延值为9;建筑物的起火风险值为8火势蔓延值为8;湖泊的起火风险值为0火势蔓延值为0。
本公开实施例可以基于起火风险值和火势蔓延值生成染色源图,具体地,如图2所示,包括:
S1011.获取待染色对象提取规则。
具体地,所述待染色对象提取规则根据起火风险值和火势蔓延值设置,具体地,可以设置起火风险阈值和火势蔓延阈值,并将起火风险值高于预设起火风险阈值,并且火势蔓延值高于预设火势蔓延阈值的地物确定为待染色对象。
S1012.根据所述待染色对象提取规则在所述待研判区域地图中提取待染色图斑。
本公开实施例中待染色图斑即为筛选出来的待染色对象,比如,可以筛选出来草坪、建筑物、森林等高危地物。
S1013.根据所述待染色图斑的最小外接矩形生成所述染色源图。
本申请实施例中,可以在所述待研判区域地图中,将各个提取到的待染色图斑的最小外接矩形保留,其余的制图元素都擦除,即可得到染色源图。
S102.确定火灾风险研判所需的环境因子。
本发明实施例中所述环境因子包括风速因子、湿度因子和温度因子中的至少一个,下文以所述环境因子包括风速因子、湿度因子和温度因子三种因子为例进行说明。
S103.根据所述环境因子对所述染色源图进行染色,得到第一目标图像。
具体地,所述根据所述环境因子对所述染色源图进行染色,得到第一目标图像,如图3所示,包括:
S1031.根据所述风速因子对所述染色源图进行染色,得到第一风维度图像。
S1032.根据所述湿度因子对所述染色源图进行染色,得到第一湿维度图像。
S1033.根据所述温度因子对所述染色源图进行染色,得到第一温维度图像。
本发明实施例中以根据所述温度因子对所述染色源图进行染色,得到第一温维度图像为例进行说明,第一湿维度图像和第一风维度图像不再赘述。
所述根据所述温度因子对所述染色源图进行染色,得到第一温维度图像,包括:
S1.获取所述待研判区域地图区域内各个温度传感器获取到的温度数据,对于每个温度传感器i对应生成温度序列Ti。
S2.计算任意温度序列之间的不相似性,得到不相似矩阵NR={nrij}n*n,n为温度序列数量。
S3.初始化类别ω。
类别的具体数量在本发明实施例中使用c表示。
显然,步骤S4和S5互相迭代执行,本发明实施例不做赘述。
S6.根据所述从属度和支持度确定各个所述最小外接矩形的温度值,根确定结果形成所述第一温维度图像。
本发明实施例中出于简化计算的需要,首先根据温度传感器采集的数据进行聚类得到聚类结果,所述聚类结果可以基于所述从属度和支持度而被唯一确定,从而计算得到每个聚类区域中聚类中心的温度值。不同的聚类中心可以表达在其覆盖的区域内的温度情况,而染色源图中只存在各个最小外接矩形,为了对染色源图进行染色,本发明实施例执行下述步骤:
任一最小外接矩形,获取与所述最小外接矩形相交的各个聚类区域的聚类中心的温度值,将最高的所述温度值确定为所述最小矩形对应的温度值;
对各个最小外接矩形对应的温度值进行归一化处理,得到每个最小外接矩形对应的归一化温度;
将各个归一化温度乘以所述温度因子对应的权重,得到每个最小外接矩形的目标温度,形成所述第一温维度图像。
S104.获取所述待研判区域地图相关的火情图。
本发明实施例中所述火情图为所述待研判区域历史着火情况对应的图像。
S105.根据所述火情图对所述染色源图进行染色,得到第二目标图像。
具体地,所述根据所述火情图对所述染色源图进行染色,得到第二目标图像,包括:
S1051.提取每张所述火情图中的火灾发生点位置。
具体地,设T3和T10分别为像素3微米和10微米的亮温,如果在白天T3>第一温度值并且T3-T10>第二温度值,则判定在火情图中对应位置处存在疑似起火点;如果在晚上T3>第三温度值,第三温度值小于第一温度值并且T3-T10>第二温度值,则判定火情图中对应位置处存在疑似起火点。
对于任一疑似起火点,建立预判窗口,提取所述预判窗中预判位置,所述预判位置对应的像素应当满足下述条件:在白天:T3>第四温度值,第四温度值高于第一温度值并且T3-T10>第二温度值,或在晚上T3>第五温度值,所述第五温度值大于第一温度值并且小于第四温度值并且T3-T10>第二温度值。
将所述预判窗口中非预判位置的像素确定为参考像素;
确定判断条件,所述判断条件包括用于限定所述参考像素的第一条件和用于限定所述预判位置的第二条件。本发明实施例并不限定第一条件和第二条件,其可以根据实际需要进行设定,本发明实施例强调的是将预判位置和参考像素分别考虑设置对应的判断条件,可以显著提升火灾发生点判定的准确度。
将符合所述判断条件的疑似起火点确定为火灾发生点。
S1052.根据每张所述火情图中的火灾发生点位置,统计落入每个最小外接矩形的火灾发生点数量。
S1053.对于每个最小外接矩形,将其对应的火灾发生点数量和其面积的乘积确定为待归一目标。
S1054.将各个待归一目标进行归一化处理,得到每个最小外接矩形对应的历史起火风险。
S1055.将每个最小外接矩形的历史起火风险和所述火情因子的权重的乘积作为所述每个最小外接矩形的目标火情风险,形成第二目标图像。
第二目标图像通过统计历史起火次数,从历史角度评估火灾触发风险。
S106.根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判。
以第一目标图像包括第一风维度图、第一湿维度图像、第一温维度图像为例,可以将所述第一风维度图像、第一湿维度图像、第一温维度图像和第二目标图像输入预设的火灾风险评估模型,得到所述火灾风险评估模型输出的风险值。
所述火灾风险评估模型可以根据神经网络训练得到,本公开实施例并不限定其具体的模型结构和训练方法,该模型基于大量样本训练得到,每个样本都包括根据环境因子对样本染色源图染色得到的第一样本图像和根据火情图对样本染色源图染色得到的第二样本图像,每个样本对应一个标记风险值,根据样本及其对应的标记风险值训练得到该模型,具体的样本的数据内容可以参考前文所述,在此不做赘述。
在一个可行的实施例中,可以将样本的第一样本图像输入第一特征提取网络,得到第一特征提取结果;将样本的第二样本图像输入第二特征提取网络,得到第二特征提取结果;对所述第一特征提取结果和所述第二特征提取结果进行融合归一化处理,并对融合归一化处理结果进行特征提取得到目标提取结果,对所述目标提取结果进行拟合得到风险预测值,根据该风险预测值和对应的标记风险值计算模型损失,根据模型损失训练该模型。本发明实施例认为第一特征提取结果和第二特征提取结果不一定位于相同的特征空间,通过对其进行融合后归一化处理,可以使得得到的目标提取结果具备较强的数学可解释性,从而使得模型的计算结果更为规范。这是本发明的独创性设计,该融合归一化可以基于卷积网络构建得到,该卷积网络的实际目的是将来自不同特征空间的数据进行一次融合,从而使得得到的结果不存在异空间问题,具备更强的可解释性。
在一个可行的实施例中,该模型可以输出风险值,若所述风险值小于预设第一阈值,则判定低风险;若所述风险值大于等于预设第一阈值并且小于等于预设第二阈值,则基于气象风险值确定判定结果;若所述风险值高于所述预设第二阈值,则判定高风险。
具体地,若所述风险值大于等于预设第一阈值并且小于等于预设第二阈值,可以获取气象风险值,若所述气象风险值高于预设气象风险阈值,则判定高风险,否则,判定中风险。
具体地,本发明实施例公开一种气象风险值计算方法,包括:
S10.确定水凝物分布序列。
在一个可行的实施例中,该水凝物分布序列通过下述方法计算得到:
T1.获取相关量序列{Ak},其中Ak表示下标k对应的高度下的湿度。
本公开实施例通过k来离散化高度,比如可以将高度进行平均切分,一个切分点对应一个k值,随着高度增高,k值增大。
T3.初始化第一序列和第二序列;若所述锐化序列中的首个对象大于第一阈值,则将所述首个对象纳入第一序列;对于所述锐化序列中的任一中间对象,若其小于所述第一阈值,并且所述对象的下一个对象大于所述第一阈值,则将所述对象移动至第一序列;若所述对象大于所述第一阈值毕竟且所述对象的下一个对象小于所述第一阈值,则将所述对象移动至第二序列;若所述锐化序列的末尾对象大于所述第一阈值,则将所述对象纳入第二序列。
T4.根据所述第一序列和所述第二序列得到水凝物层分布序列。
具体地,所述第一序列中的第t个对象的高度和所述第二序列中的第t个对象的高度之间的空间可以认为是水凝物层,从而得到水凝物层垂直分布,所述水凝物层垂直分布被表达为所述水凝物分布序列。
优选的,还可以对于水凝物层垂直分布进行优化;对于任意水凝物层,可以计算得到该水凝物层覆盖的垂直空间(厚度),以及相关量序列落入所述垂直空间的数据的最小值,若该最小值小于预设的第二阈值,并且所述垂直空间覆盖的范围小于预设的范围阈值,则在所述水凝物层垂直分布中去掉所述水凝物层。
比如,第一水凝物层为高度H1-H2的空间;第二水凝物层为高度H3-H4的空间;第三水凝物层为高度H6-H8的空间,第二水凝物应该被去掉,则水凝物层垂直分布中的水凝物层即为H1-H4,H6-H8。
S20.将所述水凝物分布序列输入预设的气象风险值模型,得到气象风险值输出结果。
本发明实施例气象风险值模型可以为神经网络,并不限定气象风险值模型的结构和训练方法,其以样本水凝物分布序列作为输入样本,以该样本水凝物分布序列对应的标注风险值为真值训练得到,该标注风险值与水凝物分布序列触发的降水量反相关,具体可以由专家经验标注得到。
本发明实施例并没有限定模型的建模方法,因为建模通过在确定输入和输出的基础上选用已有的神经网络训练即可得到,本发明实施例对此不做赘述。
本发明实施例从环境因素、气象因素、着火历史因素三方面进行综合考量得到火灾研判的结果,多因素考量使得火灾研判结果具备较强的指导价值,有利于相关工作人员根据该研判结果确定防火等级,制定防火措施,达到较好的火灾预防效果。
本发明实施例还提供了一种火灾风险预警研判系统,如图4所示,包括:
染色源图获取模块101,用于获取待研判区域地图,根据所述待研判区域生成染色源图;
环境因子确定模块102,用于确定火灾风险研判所需的环境因子;
第一目标图像获取模块103,用于根据所述环境因子对所述染色源图进行染色,得到第一目标图像;
火情图获取模块104,用于获取所述待研判区域地图相关的火情图;
第二目标图像获取模块105,用于根据所述火情图对所述染色源图进行染色,得到第二目标图像;
研判模块106,用于根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判。
本发明的系统实施例中与方法实施例基于同样地发明构思。
本发明的实施例还提供了一种存储介质,所述存储介质可用于保存用于实现实施例中需要用到的的程序代码。可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络设备中的至少一个网络设备。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端,可通过其它的方式实现。其中,以上所描述的系统实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
需要说明的是:上述本发明实施例的先后顺序仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种火灾风险预警研判方法,其特征在于,所述方法包括:
获取待研判区域地图,根据所述待研判区域生成染色源图;
确定火灾风险研判所需的环境因子;
根据所述环境因子对所述染色源图进行染色,得到第一目标图像;
获取所述待研判区域地图相关的火情图;
根据所述火情图对所述染色源图进行染色,得到第二目标图像;
根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判。
2.根据权利要求1所述方法,其特征在于,所述获取待研判区域地图,根据所述待研判区域生成染色源图,包括:
获取待染色对象提取规则;
根据所述待染色对象提取规则在所述待研判区域地图中提取待染色图斑;
根据所述待染色图斑的最小外接矩形生成所述染色源图。
3.根据权利要求2所述的方法,其特征在于,所述环境因子包括风速因子、湿度因子和温度因子,相应的,所述根据所述环境因子对所述染色源图进行染色,得到第一目标图像,包括:
根据所述风速因子对所述染色源图进行染色,得到第一风维度图像;
根据所述湿度因子对所述染色源图进行染色,得到第一湿维度图像;
根据所述温度因子对所述染色源图进行染色,得到第一温维度图像。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判,包括:
将所述第一风维度图像、第一湿维度图像、第一温维度图像和第二目标图像输入预设的火灾风险评估模型,得到所述火灾风险评估模型输出的风险值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判,还包括:
若所述风险值小于预设第一阈值,则判定低风险;
若所述风险值大于等于预设第一阈值并且小于预设第二阈值,则基于气象风险值确定判定结果;
若所述风险值高于所述预设第二阈值,则判定高风险。
6.一种火灾风险预警研判系统,其特征在于,包括:
染色源图获取模块,用于获取待研判区域地图,根据所述待研判区域生成染色源图;
环境因子确定模块,用于确定火灾风险研判所需的环境因子;
第一目标图像获取模块,用于根据所述环境因子对所述染色源图进行染色,得到第一目标图像;
火情图获取模块,用于获取所述待研判区域地图相关的火情图;
第二目标图像获取模块,用于根据所述火情图对所述染色源图进行染色,得到第二目标图像;
研判模块,用于根据所述第一目标图像和所述第二目标图像进行火灾风险预警研判。
7.一种可读存储介质,用于存储程序,其特征在于,所述程序用于实现权利要求1-6中的一种火灾风险预警研判方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312505.1A CN113033391B (zh) | 2021-03-24 | 2021-03-24 | 一种火灾风险预警研判方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312505.1A CN113033391B (zh) | 2021-03-24 | 2021-03-24 | 一种火灾风险预警研判方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033391A true CN113033391A (zh) | 2021-06-25 |
CN113033391B CN113033391B (zh) | 2022-03-08 |
Family
ID=76473214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110312505.1A Active CN113033391B (zh) | 2021-03-24 | 2021-03-24 | 一种火灾风险预警研判方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033391B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758079A (zh) * | 2023-08-18 | 2023-09-15 | 杭州浩联智能科技有限公司 | 一种基于火花像素的危害预警方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140192184A1 (en) * | 2011-06-09 | 2014-07-10 | Guangzhou Sat Infrared Technology Co., Ltd. | Forest fire early-warning system and method based on infrared thermal imaging technology |
CN108416968A (zh) * | 2018-01-31 | 2018-08-17 | 国家能源投资集团有限责任公司 | 火灾预警方法和装置 |
CN108520363A (zh) * | 2018-04-18 | 2018-09-11 | 电子科技大学 | 一种用于预测未来时相森林火灾发生风险的评估方法 |
CN108765836A (zh) * | 2018-05-22 | 2018-11-06 | 深圳源广安智能科技有限公司 | 一种基于无线传感器网络的森林火灾预警系统 |
CN109190943A (zh) * | 2018-08-20 | 2019-01-11 | 公安部沈阳消防研究所 | 基于机器学习的动态火灾风险评估方法、装置及服务器 |
CN109360369A (zh) * | 2018-09-19 | 2019-02-19 | 李琳 | 一种基于聚类结果进行火灾危险分析方法及装置 |
CN109377712A (zh) * | 2018-09-19 | 2019-02-22 | 李琳 | 基于图斑起火危险值的分级方法及存储介质 |
CN109377711A (zh) * | 2018-09-19 | 2019-02-22 | 李琳 | 火灾危险分级方法及装置 |
CN109840617A (zh) * | 2018-12-27 | 2019-06-04 | 东软集团股份有限公司 | 火灾指标预测方法、装置、可读存储介质和电子设备 |
CN109871613A (zh) * | 2019-02-18 | 2019-06-11 | 南京林业大学 | 一种森林火灾判别模型获取方法及预测应用 |
CN111930049A (zh) * | 2020-08-21 | 2020-11-13 | 广州立信电子科技有限公司 | 一种基于物联网的林业森林防火安全智能监测管理系统 |
CN112308292A (zh) * | 2020-10-10 | 2021-02-02 | 广东工业大学 | 一种火灾风险等级分布图的绘制方法 |
-
2021
- 2021-03-24 CN CN202110312505.1A patent/CN113033391B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140192184A1 (en) * | 2011-06-09 | 2014-07-10 | Guangzhou Sat Infrared Technology Co., Ltd. | Forest fire early-warning system and method based on infrared thermal imaging technology |
CN108416968A (zh) * | 2018-01-31 | 2018-08-17 | 国家能源投资集团有限责任公司 | 火灾预警方法和装置 |
CN108520363A (zh) * | 2018-04-18 | 2018-09-11 | 电子科技大学 | 一种用于预测未来时相森林火灾发生风险的评估方法 |
CN108765836A (zh) * | 2018-05-22 | 2018-11-06 | 深圳源广安智能科技有限公司 | 一种基于无线传感器网络的森林火灾预警系统 |
CN109190943A (zh) * | 2018-08-20 | 2019-01-11 | 公安部沈阳消防研究所 | 基于机器学习的动态火灾风险评估方法、装置及服务器 |
CN109360369A (zh) * | 2018-09-19 | 2019-02-19 | 李琳 | 一种基于聚类结果进行火灾危险分析方法及装置 |
CN109377712A (zh) * | 2018-09-19 | 2019-02-22 | 李琳 | 基于图斑起火危险值的分级方法及存储介质 |
CN109377711A (zh) * | 2018-09-19 | 2019-02-22 | 李琳 | 火灾危险分级方法及装置 |
CN109840617A (zh) * | 2018-12-27 | 2019-06-04 | 东软集团股份有限公司 | 火灾指标预测方法、装置、可读存储介质和电子设备 |
CN109871613A (zh) * | 2019-02-18 | 2019-06-11 | 南京林业大学 | 一种森林火灾判别模型获取方法及预测应用 |
CN111930049A (zh) * | 2020-08-21 | 2020-11-13 | 广州立信电子科技有限公司 | 一种基于物联网的林业森林防火安全智能监测管理系统 |
CN112308292A (zh) * | 2020-10-10 | 2021-02-02 | 广东工业大学 | 一种火灾风险等级分布图的绘制方法 |
Non-Patent Citations (1)
Title |
---|
田晓瑞 等: "多气候情景下中国森林火灾风险评估", 《应用生态学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758079A (zh) * | 2023-08-18 | 2023-09-15 | 杭州浩联智能科技有限公司 | 一种基于火花像素的危害预警方法 |
CN116758079B (zh) * | 2023-08-18 | 2023-12-05 | 杭州浩联智能科技有限公司 | 一种基于火花像素的危害预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113033391B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978893B (zh) | 图像语义分割网络的训练方法、装置、设备及存储介质 | |
CN110223341B (zh) | 一种基于图像识别的智能水位监测方法 | |
Rahaman et al. | An efficient multilevel thresholding based satellite image segmentation approach using a new adaptive cuckoo search algorithm | |
Shirowzhan et al. | Data mining for recognition of spatial distribution patterns of building heights using airborne lidar data | |
CN108985135A (zh) | 一种人脸检测器训练方法、装置及电子设备 | |
Saxena et al. | Capturing heterogeneous urban growth using SLEUTH model | |
Jellema et al. | Landscape character assessment using region growing techniques in geographical information systems | |
Despotovic et al. | Prediction and analysis of heating energy demand for detached houses by computer vision | |
CN108492298A (zh) | 基于生成对抗网络的多光谱图像变化检测方法 | |
CN113537180B (zh) | 树障的识别方法、装置、计算机设备和存储介质 | |
CN108052886A (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
CN113033391B (zh) | 一种火灾风险预警研判方法及系统 | |
CN117495735B (zh) | 一种基于结构引导的建筑物立面纹理自动修复方法及系统 | |
Mergili et al. | Combining release and runout in statistical landslide susceptibility modeling | |
CN114511452A (zh) | 融合多尺度空洞卷积和三元组注意力的遥感图像检索方法 | |
Wan et al. | Construction of knowledge-based spatial decision support system for landslide mapping using fuzzy clustering and KPSO analysis | |
CN110516569B (zh) | 一种基于身份和非身份属性交互学习的行人属性识别方法 | |
CN113516060B (zh) | 基于多时相高分辨率数据的建筑空间融合判别方法及装置 | |
Khan et al. | Application of globally available, coarse‐resolution digital elevation models for delineating valley bottom segments of varying length across a catchment | |
CN111125290A (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
CN110163140A (zh) | 人群密度图获取方法及装置 | |
CN111352926A (zh) | 数据处理的方法、装置、设备及可读存储介质 | |
Yun et al. | Dynamic stratification for vertical forest structure using aerial laser scanning over multiple spatial scales | |
Sen et al. | Unsupervised extraction of urban features from airborne lidar data by using self-organizing maps | |
CN110853034A (zh) | 裂缝检测方法、装置、电子设备和计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Method and System for Fire Risk Early Warning and Judgment Effective date of registration: 20230509 Granted publication date: 20220308 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: Zhejiang Zhongchen City Emergency Service Management Co.,Ltd. Registration number: Y2023330000870 |