CN114005236A - 基于物联网的森林火灾检测方法、系统和可读存储介质 - Google Patents
基于物联网的森林火灾检测方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN114005236A CN114005236A CN202111174802.0A CN202111174802A CN114005236A CN 114005236 A CN114005236 A CN 114005236A CN 202111174802 A CN202111174802 A CN 202111174802A CN 114005236 A CN114005236 A CN 114005236A
- Authority
- CN
- China
- Prior art keywords
- data
- forest
- environment
- internet
- things
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 230000007613 environmental effect Effects 0.000 claims abstract description 58
- 230000008859 change Effects 0.000 claims abstract description 44
- 238000012795 verification Methods 0.000 claims abstract description 42
- 238000003062 neural network model Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000007405 data analysis Methods 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 40
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 239000000779 smoke Substances 0.000 claims description 10
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 230000002265 prevention Effects 0.000 abstract description 6
- 230000003993 interaction Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 241001465754 Metazoa Species 0.000 description 9
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 241000271566 Aves Species 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/10—Forestry
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Emergency Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Forests & Forestry (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Ecology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Computer Security & Cryptography (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开的一种基于物联网的森林火灾检测方法、系统和可读存储介质,其中方法包括:基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子;将所述环境因子输入到训练好的识别神经网络模型中以得到模拟输出值;基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子;获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾。本发明基于物联网技术的交互,通过预设传感器以及其他采集设备收集森林环境数据以识别当前的火灾隐患可能,可以增强火灾的控制预防能力,有效降低火灾伤害。
Description
技术领域
本发明涉及森林维护技术领域,更具体的,涉及一种基于物联网的森林火灾检测方法、系统和可读存储介质。
背景技术
森林防火工作是中国防灾减灾工作的重要组成部分,是国家公共应急体系建设的重要内容,是社会稳定和人民安居乐业的重要保障,是加快林业发展,加强生态建设的基础和前提,事关森林资源和生态安全,事关人民群众生命财产安全,事关改革发展稳定的大局。
森林火灾带来种种危害,不仅烧毁林木还烧毁了林下植物资源,严重破坏了生态环境,另外,还危害森林野生动物的生命安全,造成生物多样性的减少,不仅引起空气污染,水土流失还影响到人类,直接威胁人民生命财产安全,因此,需要对森林火灾进行预防和控制,这一领域有着很大的应用前景。
发明内容
鉴于上述问题,本发明的目的是提供一种基于物联网的森林火灾检测方法、系统和可读存储介质,通过预设传感器以及其他采集设备收集森林环境数据以识别当前的火灾隐患可能,可以增强火灾的控制预防能力,有效降低火灾伤害。
本发明第一方面提供了一种基于物联网的森林火灾检测方法,包括以下步骤:
基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子;
将所述环境因子输入到训练好的识别神经网络模型中以得到模拟输出值;
基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子;
获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾。
本方案中,所述基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子,具体为:
获取所述周期触发值,建立与所述传感器组的通信连接,其中,所述传感器组包括但不仅限于烟雾传感器、热源传感器以及温度传感器;
基于所述周期获取对应时限内的所述传感器组采集到的数据;
将所述传感器组采集到的数据进行预处理以得到所述第一环境数据,基于所述第一环境数据提取其所述环境因子。
本方案中,所述识别神经网络模型训练方法为:
获取历史检测数据的环境数据与火灾原因;
将所述历史检测数据的环境数据与火灾原因进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述检测神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述检测神经网络模型。
本方案中,所述基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子,具体为:
获取到所述模拟输出值后,调用火情数据库进行大数据分析以得到所述研判结果;
基于所述研判结果输出文本信息作为所述第一预警数据,并基于预设的火情对照表提取所述特征因子。
本方案中,所述获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾,具体为:
基于所述传感器组获取下一所述周期内的采集数据作为所述第二环境数据;
将所述第二环境数据输入到预设算法中识别与所述第一环境数据的变化率,并将所述变化率作为所述验证数据集;
验证所述特征因子与所述验证数据集的相关性,以识别出验证结果,进而识别所述森林火灾。
本方案中,还包括通过预设移动设备识别所述森林内的所述第一环境数据。
本发明第二方面还提供一种基于物联网的森林火灾检测系统,包括存储器和处理器,所述存储器中包括基于物联网的森林火灾检测方法程序,所述基于物联网的森林火灾检测方法程序被所述处理器执行时实现如下步骤:
基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子;
将所述环境因子输入到训练好的识别神经网络模型中以得到模拟输出值;
基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子;
获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾。
本方案中,所述基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子,具体为:
获取所述周期触发值,建立与所述传感器组的通信连接,其中,所述传感器组包括但不仅限于烟雾传感器、热源传感器以及温度传感器;
基于所述周期获取对应时限内的所述传感器组采集到的数据;
将所述传感器组采集到的数据进行预处理以得到所述第一环境数据,基于所述第一环境数据提取其所述环境因子。
本方案中,所述识别神经网络模型训练方法为:
获取历史检测数据的环境数据与火灾原因;
将所述历史检测数据的环境数据与火灾原因进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述检测神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述检测神经网络模型。
本方案中,所述基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子,具体为:
获取到所述模拟输出值后,调用火情数据库进行大数据分析以得到所述研判结果;
基于所述研判结果输出文本信息作为所述第一预警数据,并基于预设的火情对照表提取所述特征因子。
本方案中,所述获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾,具体为:
基于所述传感器组获取下一所述周期内的采集数据作为所述第二环境数据;
将所述第二环境数据输入到预设算法中识别与所述第一环境数据的变化率,并将所述变化率作为所述验证数据集;
验证所述特征因子与所述验证数据集的相关性,以识别出验证结果,进而识别所述森林火灾。
本方案中,还包括通过预设移动设备识别所述森林内的所述第一环境数据。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于物联网的森林火灾检测方法程序,所述基于物联网的森林火灾检测方法程序被处理器执行时,实现如上述任一项所述的一种基于物联网的森林火灾检测方法的步骤。
本发明公开的一种基于物联网的森林火灾检测方法、系统和可读存储介质,基于物联网技术的交互,通过预设在森林内的传感器以及其他采集设备可以收集森林环境数据的第一手资料,并基于提取到的环境数据自动识别当前的火灾隐患可能,进而通过下一周期的采集数据进行验证,判断当前森林内部是否出现火灾,可以增强火灾的控制预防能力,有效降低火灾伤害。
附图说明
图1示出了本发明一种基于物联网的森林火灾检测方法的流程图;
图2示出了本发明一种基于物联网的森林火灾检测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种基于物联网的森林火灾检测方法的流程图。
如图1所示,本申请公开了一种基于物联网的森林火灾检测方法,包括以下步骤:
S102,基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子;
S104,将所述环境因子输入到训练好的识别神经网络模型中以得到模拟输出值;
S106,基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子;
S108,获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾。
需要说明的是,首先,所述传感器组设置的区域为火灾多发易发地区,可以提高针对性,以有效感应火情高发区域的环境数据,基于所述周期定期获取所述传感器组采集到的第一环境数据,以从中提取环境因子,以将所述环境因子输入到训练好的所述识别神经网络模型中训练识别,得到模型输出的所述模拟输出值进行大数据分析研判,以获得所述第一预警数据,提取对应的特征因子作为待验证数据集,进而获取相邻的下一所述周期内的第二环境数据,与所述第一环境数据的变化率,即所述验证数据集,比对所述待验证数据集与所述验证数据集的结果,其中,若所述待验证数据集为火灾数据,而所述验证数据集证明了这一点,则比对结果为发生火灾,以此识别出所述森林火灾。
根据本发明实施例,所述基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子,具体为:
获取所述周期触发值,建立与所述传感器组的通信连接,其中,所述传感器组包括但不仅限于烟雾传感器、热源传感器以及温度传感器;
基于所述周期获取对应时限内的所述传感器组采集到的数据;
将所述传感器组采集到的数据进行预处理以得到所述第一环境数据,基于所述第一环境数据提取其所述环境因子。
需要说明的是,每隔所述周期收集一次所述传感器组采集的数据,其中,所述传感器组不仅包括烟雾传感器、热源传感器以及温度传感器,还可以包括湿度传感器以及敏感源传感器等等,基于所述周期收集对应时限内采集到的数据,进行预处理,去除明显误差值以及无效值得到所述第一环境数据,例如,一个片区只有一个温度传感器检测到温度异常,可能是野生动物的体温变化或者野生动物的粪便导致,而后从中提取所述环境因子,例如:温度值,湿度值,烟雾浓度等等因子。
根据本发明实施例,所述基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子,具体为:
获取到所述模拟输出值后,调用火情数据库进行大数据分析以得到所述研判结果;
基于所述研判结果输出文本信息作为所述第一预警数据,并基于预设的火情对照表提取所述特征因子。
需要说明的是,获取到所述识别神经网络模型的模拟输出值后,调用所述火情数据库进行大数据分析,判断当前的输出值是否为火灾隐患,以将所述研判结果输出为文本信息作为所述第一预警数据,其中,所述文本信息可以为“无火灾隐患”,“疑似有火灾隐患”以及“确有火灾隐患”,每一种火情预警数据都有对应的数据值,即所述特征因子,例如,“无火灾隐患”中的温度值为25°为正常值。
根据本发明实施例,所述识别神经网络模型训练方法为:
获取历史检测数据的环境数据与火灾原因;
将所述历史检测数据的环境数据与火灾原因进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述检测神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述检测神经网络模型。
需要说明的是,所述识别神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确,本申请中的所述识别神经网络模型可以通过历史检测数据的环境数据与火灾原因作为输入进行训练,当然,在进行神经网络模型训练时,不仅要通过历史检测数据的环境数据与火灾原因进行训练,还需要结合确定的火灾现场数据进行训练,通过大量试验数据与真实数据比对,得到的结果也会更加准确,进而使得识别神经网络的输出结果更加准确。优选地,所述准确率阈值一般设置为90%。
根据本发明实施例,所述获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾,具体为:
基于所述传感器组获取下一所述周期内的采集数据作为所述第二环境数据;
将所述第二环境数据输入到预设算法中识别与所述第一环境数据的变化率,并将所述变化率作为所述验证数据集;
验证所述特征因子与所述验证数据集的相关性,以识别出验证结果,进而识别所述森林火灾。
需要说明的是,基于所述传感器组获取下一所述周期内的采集数据,同样进行预处理,去除明显误差值以及无效值得到所述第二环境数据,判断相邻周期内各个采集数据间的变化率作为所述验证数据集,其中,所述预设算法即为测量变化率,公式如下:θ=ΔA/A1|ΔA=(A2-A1),其中,θ为所述变化率,A1为所述第一环境数据中的某个数据值,A2为所述第二环境数据中与所述A1对应的同一个数据值。
值得一提的是,验证所述特征因子与所述验证数据集的相关性,以识别出验证结果,进而识别所述森林火灾,比对所述待验证数据集与所述验证数据集的结果,其中,若所述待验证数据集为火灾数据,而所述验证数据集证明了这一点,则比对结果为发生火灾,以此识别出所述森林火灾,即为所述特征因子与所述验证数据集的相关性为高,则表明比对结果为发生火灾,以此识别出所述森林火灾。
根据本发明实施例,还包括通过预设移动设备识别所述森林内的所述第一环境数据。
需要说明的是,采集森林内的数据不仅仅可以通过传感器获得,也可以通过所述移动设备,例如无人机获取。
值得一提的是,所述方法还包括获取用户的反馈值以识别所述森林火灾,具体为:
获取预设警铃的所述反馈值,并根据所述反馈值的反馈时间进行识别,其中,
若所述反馈时间高于预设时间值,则表明可能出现火灾。
需要说明的是,由于所述传感器组的分布原因以及所述移动设备的视觉死角,可能会出现偶发性的火灾难以识别,因此,可以获取设置在森林内的所述警铃的反馈值来识别是否出现火灾,设置预设事件为“15s”,可以有效避免因为动物意外碰触造成的假报警的现象,以进一步提高识别森林火灾的能力。
值得一提的是,所述方法还包括在断电情况下,触发紧急机制以识别森林火灾,具体为:
所述传感器组识别当前连接电源为断电状态时,所述传感器组连接备用电源进行通信。
需要说明的是,由于在森林地区远离城市,偶发出现断电现象,会造成所述传感器组无法进行通信,此时,所述传感器组会自动连接设置在其自身上的备用电源进行无线通信以完成信息交互。
值得一提的是,所述方法还包括检测特定区域内的人员进出,以调配所述无人机到所述特定区域进行巡逻,其中,利用设置在所述特定区域内的人体检测装置识别是否有人员进出,对于动物、昆虫或者鸟类不予识别,当识别到有人员进入所述特定区域后,输出对应的指令到所述无人机,令其起飞到达所述特点区域进行巡逻,以识别闯入人员,并发出语音提醒,将其引出所述特定区域,由于所述特定区域为火灾高发地区,为了避免人为活动造成火灾抑或是为了保护人民群众生命财产安全,可以利用无人机将其进行驱离。
需要说明的是,在巡山人员进行巡检时,也会进入所述特定区域,此时,所述巡山人员回提前给出时间区间指令,在该所述时间区间内,不派出所述无人机进行驱离,以增强实用性。
图2示出了本发明一种基于物联网的森林火灾检测系统的框图。
如图2所示,本发明公开了一种基于物联网的森林火灾检测系统,包括存储器和处理器,所述存储器中包括基于物联网的森林火灾检测方法程序,所述基于物联网的森林火灾检测方法程序被所述处理器执行时实现如下步骤:
基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子;
将所述环境因子输入到训练好的识别神经网络模型中以得到模拟输出值;
基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子;
获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾。
需要说明的是,首先,所述传感器组设置的区域为火灾多发易发地区,可以提高针对性,以有效感应火情高发区域的环境数据,基于所述周期定期获取所述传感器组采集到的第一环境数据,以从中提取环境因子,以将所述环境因子输入到训练好的所述识别神经网络模型中训练识别,得到模型输出的所述模拟输出值进行大数据分析研判,以获得所述第一预警数据,提取对应的特征因子作为待验证数据集,进而获取相邻的下一所述周期内的第二环境数据,与所述第一环境数据的变化率,即所述验证数据集,比对所述待验证数据集与所述验证数据集的结果,其中,若所述待验证数据集为火灾数据,而所述验证数据集证明了这一点,则比对结果为发生火灾,以此识别出所述森林火灾。
根据本发明实施例,所述基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子,具体为:
获取所述周期触发值,建立与所述传感器组的通信连接,其中,所述传感器组包括但不仅限于烟雾传感器、热源传感器以及温度传感器;
基于所述周期获取对应时限内的所述传感器组采集到的数据;
将所述传感器组采集到的数据进行预处理以得到所述第一环境数据,基于所述第一环境数据提取其所述环境因子。
需要说明的是,每隔所述周期收集一次所述传感器组采集的数据,其中,所述传感器组不仅包括烟雾传感器、热源传感器以及温度传感器,还可以包括湿度传感器以及敏感源传感器等等,基于所述周期收集对应时限内采集到的数据,进行预处理,去除明显误差值以及无效值得到所述第一环境数据,例如,一个片区只有一个温度传感器检测到温度异常,可能是野生动物的体温变化或者野生动物的粪便导致,而后从中提取所述环境因子,例如:温度值,湿度值,烟雾浓度等等因子。
根据本发明实施例,所述基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子,具体为:
获取到所述模拟输出值后,调用火情数据库进行大数据分析以得到所述研判结果;
基于所述研判结果输出文本信息作为所述第一预警数据,并基于预设的火情对照表提取所述特征因子。
需要说明的是,获取到所述识别神经网络模型的模拟输出值后,调用所述火情数据库进行大数据分析,判断当前的输出值是否为火灾隐患,以将所述研判结果输出为文本信息作为所述第一预警数据,其中,所述文本信息可以为“无火灾隐患”,“疑似有火灾隐患”以及“确有火灾隐患”,每一种火情预警数据都有对应的数据值,即所述特征因子,例如,“无火灾隐患”中的温度值为25°为正常值。
根据本发明实施例,所述识别神经网络模型训练方法为:
获取历史检测数据的环境数据与火灾原因;
将所述历史检测数据的环境数据与火灾原因进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述检测神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述检测神经网络模型。
需要说明的是,所述识别神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确,本申请中的所述识别神经网络模型可以通过历史检测数据的环境数据与火灾原因作为输入进行训练,当然,在进行神经网络模型训练时,不仅要通过历史检测数据的环境数据与火灾原因进行训练,还需要结合确定的火灾现场数据进行训练,通过大量试验数据与真实数据比对,得到的结果也会更加准确,进而使得识别神经网络的输出结果更加准确。优选地,所述准确率阈值一般设置为90%。
根据本发明实施例,所述获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾,具体为:
基于所述传感器组获取下一所述周期内的采集数据作为所述第二环境数据;
将所述第二环境数据输入到预设算法中识别与所述第一环境数据的变化率,并将所述变化率作为所述验证数据集;
验证所述特征因子与所述验证数据集的相关性,以识别出验证结果,进而识别所述森林火灾。
需要说明的是,基于所述传感器组获取下一所述周期内的采集数据,同样进行预处理,去除明显误差值以及无效值得到所述第二环境数据,判断相邻周期内各个采集数据间的变化率作为所述验证数据集,其中,所述预设算法即为测量变化率,公式如下:θ=ΔA/A1|ΔA=(A2-A1),其中,θ为所述变化率,A1为所述第一环境数据中的某个数据值,A2为所述第二环境数据中与所述A1对应的同一个数据值。
值得一提的是,验证所述特征因子与所述验证数据集的相关性,以识别出验证结果,进而识别所述森林火灾,比对所述待验证数据集与所述验证数据集的结果,其中,若所述待验证数据集为火灾数据,而所述验证数据集证明了这一点,则比对结果为发生火灾,以此识别出所述森林火灾,即为所述特征因子与所述验证数据集的相关性为高,则表明比对结果为发生火灾,以此识别出所述森林火灾。
根据本发明实施例,还包括通过预设移动设备识别所述森林内的所述第一环境数据。
需要说明的是,采集森林内的数据不仅仅可以通过传感器获得,也可以通过所述移动设备,例如无人机获取。
值得一提的是,所述方法还包括获取用户的反馈值以识别所述森林火灾,具体为:
获取预设警铃的所述反馈值,并根据所述反馈值的反馈时间进行识别,其中,
若所述反馈时间高于预设时间值,则表明可能出现火灾。
需要说明的是,由于所述传感器组的分布原因以及所述移动设备的视觉死角,可能会出现偶发性的火灾难以识别,因此,可以获取设置在森林内的所述警铃的反馈值来识别是否出现火灾,设置预设事件为“15s”,可以有效避免因为动物意外碰触造成的假报警的现象,以进一步提高识别森林火灾的能力。
值得一提的是,所述方法还包括在断电情况下,触发紧急机制以识别森林火灾,具体为:
所述传感器组识别当前连接电源为断电状态时,所述传感器组连接备用电源进行通信。
需要说明的是,由于在森林地区远离城市,偶发出现断电现象,会造成所述传感器组无法进行通信,此时,所述传感器组会自动连接设置在其自身上的备用电源进行无线通信以完成信息交互。
值得一提的是,所述方法还包括检测特定区域内的人员进出,以调配所述无人机到所述特定区域进行巡逻,其中,利用设置在所述特定区域内的人体检测装置识别是否有人员进出,对于动物、昆虫或者鸟类不予识别,当识别到有人员进入所述特定区域后,输出对应的指令到所述无人机,令其起飞到达所述特点区域进行巡逻,以识别闯入人员,并发出语音提醒,将其引出所述特定区域,由于所述特定区域为火灾高发地区,为了避免人为活动造成火灾抑或是为了保护人民群众生命财产安全,可以利用无人机将其进行驱离。
需要说明的是,在巡山人员进行巡检时,也会进入所述特定区域,此时,所述巡山人员回提前给出时间区间指令,在该所述时间区间内,不派出所述无人机进行驱离,以增强实用性。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于物联网的森林火灾检测方法程序,所述基于物联网的森林火灾检测方法程序被处理器执行时,实现如上述任一项所述的一种基于物联网的森林火灾检测方法的步骤。
本发明公开的一种基于物联网的森林火灾检测方法、系统和可读存储介质,基于物联网技术的交互,通过预设在森林内的传感器以及其他采集设备可以收集森林环境数据的第一手资料,并基于提取到的环境数据自动识别当前的火灾隐患可能,进而通过下一周期的采集数据进行验证,判断当前森林内部是否出现火灾,可以增强火灾的控制预防能力,有效降低火灾伤害。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于物联网的森林火灾检测方法,其特征在于,包括以下步骤:
基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子;
将所述环境因子输入到训练好的识别神经网络模型中以得到模拟输出值;
基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子;
获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾。
2.根据权利要求1所述的一种基于物联网的森林火灾检测方法,其特征在于,所述基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子,具体为:
获取所述周期触发值,建立与所述传感器组的通信连接,其中,所述传感器组包括但不仅限于烟雾传感器、热源传感器以及温度传感器;
基于所述周期获取对应时限内的所述传感器组采集到的数据;
将所述传感器组采集到的数据进行预处理以得到所述第一环境数据,基于所述第一环境数据提取其所述环境因子。
3.根据权利要求1所述的一种基于物联网的森林火灾检测方法,其特征在于,所述识别神经网络模型训练方法为:
获取历史检测数据的环境数据与火灾原因;
将所述历史检测数据的环境数据与火灾原因进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述检测神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述检测神经网络模型。
4.根据权利要求1所述的一种基于物联网的森林火灾检测方法,其特征在于,所述基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子,具体为:
获取到所述模拟输出值后,调用火情数据库进行大数据分析以得到所述研判结果;
基于所述研判结果输出文本信息作为所述第一预警数据,并基于预设的火情对照表提取所述特征因子。
5.根据权利要求4所述的一种基于物联网的森林火灾检测方法,其特征在于,所述获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾,具体为:
基于所述传感器组获取下一所述周期内的采集数据作为所述第二环境数据;
将所述第二环境数据输入到预设算法中识别与所述第一环境数据的变化率,并将所述变化率作为所述验证数据集;
验证所述特征因子与所述验证数据集的相关性,以识别出验证结果,进而识别所述森林火灾。
6.根据权利要求1所述的一种基于物联网的森林火灾检测方法,还包括通过预设移动设备识别所述森林内的所述第一环境数据。
7.一种基于物联网的森林火灾检测系统,其特征在于,包括存储器和处理器,所述存储器中包括基于物联网的森林火灾检测方法程序,所述基于物联网的森林火灾检测方法程序被所述处理器执行时实现如下步骤:
基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子;
将所述环境因子输入到训练好的识别神经网络模型中以得到模拟输出值;
基于所述模拟输出值进行大数据分析得到研判结果,基于所述研判结果获得第一预警数据,并提取对应的特征因子;
获取下一所述周期内的第二环境数据,并识别与所述第一环境数据的变化率作为验证数据集,与所述第一预警数据的特征因子进行验证,以识别森林火灾。
8.根据权利要求7所述的一种基于物联网的森林火灾检测系统,其特征在于,所述基于预设周期通过传感器组识别所述森林的第一环境数据,并提取环境因子,具体为:
获取所述周期触发值,建立与所述传感器组的通信连接,其中,所述传感器组包括但不仅限于烟雾传感器、热源传感器以及温度传感器;
基于所述周期获取对应时限内的所述传感器组采集到的数据;
将所述传感器组采集到的数据进行预处理以得到所述第一环境数据,基于所述第一环境数据提取其所述环境因子。
9.根据权利要求7所述的一种基于物联网的森林火灾检测系统,其特征在于,所述识别神经网络模型训练方法为:
获取历史检测数据的环境数据与火灾原因;
将所述历史检测数据的环境数据与火灾原因进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述检测神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述检测神经网络模型。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括一种基于物联网的森林火灾检测方法程序,所述基于物联网的森林火灾检测方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种基于物联网的森林火灾检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111174802.0A CN114005236A (zh) | 2021-10-09 | 2021-10-09 | 基于物联网的森林火灾检测方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111174802.0A CN114005236A (zh) | 2021-10-09 | 2021-10-09 | 基于物联网的森林火灾检测方法、系统和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114005236A true CN114005236A (zh) | 2022-02-01 |
Family
ID=79922396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111174802.0A Pending CN114005236A (zh) | 2021-10-09 | 2021-10-09 | 基于物联网的森林火灾检测方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114005236A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050155A (zh) * | 2022-04-25 | 2022-09-13 | 苏州光格科技股份有限公司 | 火灾预警方法、装置、计算机设备、存储介质 |
CN115062706A (zh) * | 2022-06-17 | 2022-09-16 | 中国电信股份有限公司 | 森林火灾监测方法及装置、存储介质、电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105449840A (zh) * | 2016-01-16 | 2016-03-30 | 北京正丰电子科技有限公司 | 应用无线充电技术的智能传感器及其应用系统 |
CN107241684A (zh) * | 2017-06-07 | 2017-10-10 | 深圳市创艺工业技术有限公司 | 一种火灾智能监测系统 |
CN107784771A (zh) * | 2017-12-12 | 2018-03-09 | 大连理创科技有限公司 | 一种基于神经网络模型的森林火灾监控方法 |
CN107993398A (zh) * | 2017-12-12 | 2018-05-04 | 大连理创科技有限公司 | 一种具有自主学习能力的森林火灾监控系统 |
CN108534956A (zh) * | 2018-03-14 | 2018-09-14 | 合肥光万信息科技有限公司 | 一种用于危化品泄露检测装置的智能化气体检测传感器 |
CN109920192A (zh) * | 2019-03-15 | 2019-06-21 | 深圳力维智联技术有限公司 | 火灾报警方法、系统及计算机可读存储介质 |
CN111932816A (zh) * | 2020-07-29 | 2020-11-13 | 中国能源建设集团广东省电力设计研究院有限公司 | 用于海上风电场和海岛微电网的火灾报警管理方法及装置 |
CN113469816A (zh) * | 2021-09-03 | 2021-10-01 | 浙江中科华知科技股份有限公司 | 基于多组学技术的数字货币识别方法、系统和存储介质 |
-
2021
- 2021-10-09 CN CN202111174802.0A patent/CN114005236A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105449840A (zh) * | 2016-01-16 | 2016-03-30 | 北京正丰电子科技有限公司 | 应用无线充电技术的智能传感器及其应用系统 |
CN107241684A (zh) * | 2017-06-07 | 2017-10-10 | 深圳市创艺工业技术有限公司 | 一种火灾智能监测系统 |
CN107784771A (zh) * | 2017-12-12 | 2018-03-09 | 大连理创科技有限公司 | 一种基于神经网络模型的森林火灾监控方法 |
CN107993398A (zh) * | 2017-12-12 | 2018-05-04 | 大连理创科技有限公司 | 一种具有自主学习能力的森林火灾监控系统 |
CN108534956A (zh) * | 2018-03-14 | 2018-09-14 | 合肥光万信息科技有限公司 | 一种用于危化品泄露检测装置的智能化气体检测传感器 |
CN109920192A (zh) * | 2019-03-15 | 2019-06-21 | 深圳力维智联技术有限公司 | 火灾报警方法、系统及计算机可读存储介质 |
CN111932816A (zh) * | 2020-07-29 | 2020-11-13 | 中国能源建设集团广东省电力设计研究院有限公司 | 用于海上风电场和海岛微电网的火灾报警管理方法及装置 |
CN113469816A (zh) * | 2021-09-03 | 2021-10-01 | 浙江中科华知科技股份有限公司 | 基于多组学技术的数字货币识别方法、系统和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050155A (zh) * | 2022-04-25 | 2022-09-13 | 苏州光格科技股份有限公司 | 火灾预警方法、装置、计算机设备、存储介质 |
CN115062706A (zh) * | 2022-06-17 | 2022-09-16 | 中国电信股份有限公司 | 森林火灾监测方法及装置、存储介质、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726652B (zh) | 一种基于卷积神经网络检测值班人员睡觉行为的方法 | |
CN111445106B (zh) | 一种用电采集设备故障处理作业现场安全控制方法及系统 | |
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 | |
CN110674772A (zh) | 电力作业现场智能安全管控辅助系统及方法 | |
CN110795963A (zh) | 一种基于人脸识别的监控方法、装置及设备 | |
CN107707541A (zh) | 一种流式的基于机器学习的攻击行为日志实时检测方法 | |
CN110147762A (zh) | 一种嵌入式消防误报消除系统 | |
Yang et al. | Detection of non‐suicidal self‐injury based on spatiotemporal features of indoor activities | |
CN111259682B (zh) | 监控施工场所的安全的方法和装置 | |
CN114613101A (zh) | 一种基于大数据的智慧酒店智能安防系统 | |
CN110930632B (zh) | 一种基于人工智能的预警系统 | |
CN115567690A (zh) | 一种自动识别现场作业危险点的智慧监控系统 | |
CN108776452A (zh) | 一种特种设备现场维保监控方法及系统 | |
CN111681355A (zh) | 一种适用智慧校园的安防系统 | |
CN105225398B (zh) | 一种森林防火监控平台 | |
CN113554364A (zh) | 灾害应急管理方法、装置、设备及计算机存储介质 | |
CN113936293A (zh) | 基于视频信息的人员离岗检测方法、控制装置、存储介质 | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
TWI590204B (zh) | 環境狀況異常通知系統及方法 | |
CN109509329B (zh) | 一种基于可穿戴设备的溺水报警方法及可穿戴设备 | |
CN115190277B (zh) | 施工区域的安全监控方法、装置、设备及存储介质 | |
CN116433029A (zh) | 电力作业风险评估方法、系统、设备及存储介质 | |
CN115860979A (zh) | 一种用于电力电网现场作业的人工智能管理系统 | |
CN115152732A (zh) | 智能驱鸟系统 | |
CN115065812A (zh) | 一种基于用户行为的实时监控方法及相关设备 |
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: 20220201 |