CN116486550B - 一种高点站森林监测的消防安全防护方法 - Google Patents
一种高点站森林监测的消防安全防护方法 Download PDFInfo
- Publication number
- CN116486550B CN116486550B CN202310266846.9A CN202310266846A CN116486550B CN 116486550 B CN116486550 B CN 116486550B CN 202310266846 A CN202310266846 A CN 202310266846A CN 116486550 B CN116486550 B CN 116486550B
- Authority
- CN
- China
- Prior art keywords
- fire
- image
- forest
- surrounding environment
- combustible
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 19
- 239000000779 smoke Substances 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 5
- 235000017491 Bambusa tulda Nutrition 0.000 description 5
- 241001330002 Bambuseae Species 0.000 description 5
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 5
- 239000011425 bamboo Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种高点站森林监测的消防安全防护方法，方法包括：在森林消防高点站周边布设若干采集周边环境图像的光谱摄像机，周边环境图像包含有位置信息和时间信息；控制器对周边环境图像进行分析，得到引火源及可燃物等引发火灾因素分析结果；存在引发火灾的因素，发出位置信息及时间信息并立即报警。通过在森林区域范围每设置多个一个综合性的森林消防高点，实现对森林区域范围内的消防安全进行防护，真正的实现了全范围且全天候的防护；各个森林消防高点通过互联网连接，实现信息共享，森林消防高点周边设置若干光谱摄像机采集周边环境图像，通过周边环境图像分析得到是否存在引发火灾的隐患，能够提前预警，让火灾发生的概率降到最低。
Description
技术领域
本发明涉及森林消防安全技术领域，特别涉及一种高点站森林监测的消防安全防护方法。
背景技术
消防安全在人们生产和生活中扮演了一个关键的角色，包含家庭消防安全、办公消防安全及环境消防安全等。森林中生态种类居多，在维持人类生存环境中作用很重要，但是由于一些主关和客观因此导致森林火灾发生不断，且造成了难以估量的损失；目前森林防火依靠人工完成，有的依靠科技设备来完成，但是效果甚微，不能做到完全的消防安全防护。
现有技术一，CN111991725A一种森林消防用无人机，包括本体、盖板、放置筒和挡板，放置筒顶端的外部固定有本体，放置筒的顶端设置有盖板，放置筒两侧的底端均设置有支撑结构，安装座的顶端设置有螺旋桨，本体底部的一端安装有摄像机，且摄像机的外部设置有防护结构，放置筒底端的两侧均安装有驱动器，且驱动器的内部贯穿有挡板。虽然通过设置有支撑结构，下降时通过壳体内部的伺服电机带动第二支撑腿旋转，并将第二支撑腿旋转至垂直状态，而在无人机下落实，则通过缓冲弹簧的作用起到缓冲的效果，同时通过第二支撑板的作用能够提高该无人机落地时的稳定性，实现了该无人机下降时起到缓冲的效果，但是由于无人机航程有限，不能实现全天候及全方位的监控，导致对森林的消防安全防火效果较差。
现有技术二，CN201610960604.X一种森林消防预警系统，该预警系统包括气象监测模块、接口保护模块、地理监测模块、数据接收模块、森林消防预警信息生成模块和消防预警信息发送模块，接口保护模块包括检测器、计时器，串口开关和电平变换保护电路，计时器包括顺序连接的秒产生器、计数器和比较器。虽然可以对森林的气象数据和地理数据进行实时监测、处理、分析，对林区火灾进行实时消防预警，并将预警信息即时发布，有效实现森林防火预警，节省人力物力，但是智能化水平较低，功能较单一，实用性较差。
现有技术三，CN201610960757.4一种基于物联网的森林消防控制系统，该系统包括程监控终端、协调器、路由器和ZigBee无线网络节点，远程监控终端内设置有报警模块；每个ZigBee无线网络节点设置在被监控林区内，均包括有ZigBee模块、烟雾检测模块、温度检测模块、自动保护模块和风力检测模块，自动保护模块包括检测器、计时器、串口开关和电平变换保护电路；计时器包括顺序连接的秒产生器、计数器和比较器。虽然运用ZIGBEE网络可以24小时对森林进行实时监控，一旦出现火灾，就能被及时发现，在最短时间内通知消防人员采取救援措施，有效地将森林火灾损失控制在最小范围内，但是对森林的监测范围有限，导致消防安全防护效果不佳。
目前现有技术一、现有技术二和现有技术三存在对森林的监测范围有限，设备功能单一，实用性差的问题，因而，本发明提供一种高点站森林监测的消防安全防护方法，通过森林消防高点站多功能综合应用的工作平台，主要对高点站的单/双光谱摄像机、通信、太阳能及供电系统对数据进行实时采集和分析，实现森林全方位的消防安全防护。
发明内容
为了解决上述技术问题，本发明提供了一种高点站森林监测的消防安全防护方法，包括以下步骤：
在森林消防高点站周边布设若干采集周边环境图像的光谱摄像机；
控制器对周边环境图像进行分析，得到引火源及可燃物引发火灾因素分析结果；
存在引发火灾的因素，发出位置信息及时间信息并立即报警。
可选的，周边环境图像包含有位置信息和时间信息。
可选的，布设若干采集周边环境图像的光谱摄像机的过程，包括：
构建光谱摄像机的布设指标体系，指标体系为光谱摄像机在森林消防高点站周边关键性节点覆盖率；
设计多个在关键性节点光谱摄像机放入布设方案；构建评价矩阵，进行标准化处理，得到加权标准化评价矩阵；
根据加权标准化评价矩阵，求出正解和负解，得到各个布设方案到正解和负解的距离，计算出综合评分进行排序，选取排序第一的为光谱摄像机的布设方案。
可选的，关键性节点包含：森林消防高点站出口及入口、火灾多发点、引火源多发点及可燃物易发点。
可选的，进一步包括：计算出关键性节点的权值，计算出布设方案与正解和负解之间的欧式距离，得到方案的优劣评价排序，实现多个布设方案的规范化对比。
可选的，控制器对周边环境图像进行分析的过程，包括：
控制器通过无线接收光谱摄像机采集的周边环境图像；
并对周边环境图像进行降噪和分类，得到分类后的引火源图像及可燃物图像；
将引火源图像及可燃物图像转化为火灾数字概率，当火灾概率的分析结果大于预设阈值时，周边环境图像的场景将被判断为火灾场景。
可选的，控制器采用目标函数对周边环境图像进行降噪，目标函数的值最小为最优解。
可选的，对周边环境图像进行分类的过程，包括：
控制器接收到降噪后包含引火源及可燃物引发火灾因素的周边环境图像；
将周边环境图像输入至能够筛选图像特征的分类模型中分析；
输出分类模型分析后的引火源图像及可燃物图像。
可选的，将引火源图像及可燃物图像转化为火灾数字概率过程，包括：
对获取到的引火源图像及可燃物图像进行分析和自学习，得到对应的长周期背景图像和短周期背景图像；
根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的火焰特征参数，并对火焰特征参数进行数据融合，得到火焰发生概率；
用于根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的烟雾特征参数，并对烟雾特征参数进行数据融合，得到烟雾发生概率；
对火焰和烟雾发生概率进行数据融合，确定火灾发生概率。
可选的，报警的过程，包括：
火灾发生概率超过阈值，控制器发送火灾指令；
报警器接收到火灾指令进行报警，火灾指令在终端显示；
控制器将火灾发生的位置信息及时间信息发送至终端，清除引发火灾的因素。
本发明首先在森林消防高点站周边布设若干光谱摄像机，光谱摄像机采集周边环境图像；其次控制器对周边环境图像进行分析，得到引火源及可燃物等引发火灾因素分析结果；最后存在引发火灾的因素，发出位置信息并立即报警；通过在森林区域范围每设置多个一个综合性的森林消防高点，实现对森林区域范围内的消防安全进行防护，真正的实现了全范围且全天候的防护；各个森林消防高点通过互联网连接，实现信息共享，森林消防高点周边设置若干光谱摄像机采集周边环境图像，通过周边环境图像分析得到是否存在引发火灾的隐患，能够提前预警，让火灾发生的概率降到最低，确保森林生态环境的安全；森林消防高点发出引发火灾因素的位置信息，让消防人员能够快速的找到位置，实施灭火，提高了灭火的效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例1中高点站森林监测的消防安全防护方法流程图；
图2为本发明实施例2中布设若干采集周边环境图像的光谱摄像机的过程图；
图3为本发明实施例4中控制器对周边环境图像进行分析的过程图；
图4为本发明实施例6中对周边环境图像进行分类的过程图；
图5为本发明实施例8中报警的过程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
实施例1
如图1所示，本发明实施例提供了一种高点站森林监测的消防安全防护方法，包括以下步骤：
S100：在森林消防高点站周边布设若干采集周边环境图像的光谱摄像机，周边环境图像包含有位置信息和时间信息；
S200：控制器对周边环境图像进行分析，得到引火源及可燃物等引发火灾因素分析结果；
S300：存在引发火灾的因素，发出位置信息及时间信息并立即报警。
上述技术方案的工作原理和有益效果为：上述方案首先在森林消防高点站周边布设若干光谱摄像机，光谱摄像机采集周边环境图像；其次控制器对周边环境图像进行分析，得到引火源及可燃物等引发火灾因素分析结果；最后存在引发火灾的因素，发出位置信息并立即报警；通过在森林区域范围每设置多个一个综合性的森林消防高点，实现对森林区域范围内的消防安全进行防护，真正的实现了全范围且全天候的防护；各个森林消防高点通过互联网连接，实现信息共享，森林消防高点周边设置若干光谱摄像机采集周边环境图像，通过周边环境图像分析得到是否存在引发火灾的隐患，能够提前预警，让火灾发生的概率降到最低，确保森林生态环境的安全；森林消防高点发出引发火灾因素的位置信息，让消防人员能够快速的找到位置，实施灭火，提高了灭火的效率。
实施例2
如图2所示，在实施例1的基础上，本发明实施例提供的布设若干采集周边环境图像的光谱摄像机的过程，包括：
S101：构建光谱摄像机的布设指标体系，指标体系为光谱摄像机在森林消防高点站周边关键性节点覆盖率；关键性节点包含：森林消防高点站出口及入口、火灾多发点、引火源多发点及可燃物易发点等；
S102：设计多个在关键性节点光谱摄像机放入布设方案；构建评价矩阵，进行标准化处理，得到加权标准化评价矩阵；
S103：根据加权标准化评价矩阵，求出正解和负解，得到各个布设方案到正解和负解的距离，计算出综合评分进行排序，选取排序第一的为光谱摄像机的布设方案。
上述技术方案的工作原理和有益效果为：上述方案首先构建光谱摄像机的布设指标体系，指标体系为光谱摄像机在森林消防高点站周边关键性节点覆盖率；关键性节点包含：森林消防高点站出口及入口、火灾多发点、引火源多发点及可燃物易发点等；其次设计多个在关键性节点光谱摄像机放入布设方案；构建评价矩阵，进行标准化处理，得到加权标准化评价矩阵；最后根据加权标准化评价矩阵，求出正解和负解，得到各个布设方案到正解和负解的距离，计算出综合评分进行排序，选取排序第一的为光谱摄像机的布设方案；通过构建布设指标体系，对指标体系中的关键性节点进行定义，将易引发火灾的因素考虑在内，健全了布设指标体系的内容，保证了光谱摄像机布设的合理性，为森林消防的数据采集提供了鉴定的数据基础；根据加权标准化评价矩阵，计算出综合评分进行排序，选取排序第一的为光谱摄像机的布设方案，通过对多个布设方案进行排序，减少了人为参与的不可靠性，提高了布设方案的可靠性及安全性，确保布设方案得到最佳的效果。
实施例3
在实施例2的基础上，本发明实施例提供的评价矩阵A为：
A＝(aij)m×n
其中，aij表示第i个布设方案的第j个关键性节点值；m表示布设方案的数量，n表示关键性节点的数量；
对评价矩阵A标准化处理，生成标准化矩阵B，标准化矩阵B的元素值bij为：
定义标准化矩阵B中关键性节点的熵值，第i个布设方案在第j个关键性节点中所占比重Cij为：
第j个关键性节点的熵值Dj为：
其中，k＝1/lnm；
在定义权值的过程中，第j个关键性节点的权值wj为：
加权矩阵E为：
E＝(rij)m×n
加权矩阵的元素值rij为标准化元素值与对应权值之积：rij＝wj·zij，在加权矩阵中寻找第j个关键性节点的最大值和最小值，组成正解和负解/>
计算出第i个布设方案与正解之间的欧式距离计算出第i个布设方案与负解之间的欧式距离/>
最后得到综合评分布设方案i的综合评价相对值Fi为：
Fi值为绝对值，将各个布设方案的Fi值进行排序，即可得到各个布设方案的优劣评价排序。
上述技术方案的工作原理和有益效果为：上述方案首先计算出关键性节点的权值，计算出布设方案与正解和负解之间的欧式距离，得到方案的优劣评价排序，实现了多个布设方案的规范化对比过程，实现了智能化选择布设方案，能够做到高点站森林监测的最佳光谱摄像机的布设，提供了一种效果俱佳的消防安全防护的光谱摄像机的布设方案。
实施例4
如图3所示，在实施例1的基础上，本发明实施例提供的控制器对周边环境图像进行分析的过程，包括：
S201：控制器通过无线接收光谱摄像机采集的周边环境图像；
S202：并对周边环境图像进行降噪和分类，得到分类后的引火源图像及可燃物图像；
S203：将引火源图像及可燃物图像转化为火灾数字概率，当火灾概率的分析结果大于预设阈值时，周边环境图像的场景将被判断为火灾场景。
上述技术方案的工作原理和有益效果为：上述方案首先控制器通过无线接收光谱摄像机采集的周边环境图像；其次并对周边环境图像进行降噪和分类，得到分类后的引火源图像及可燃物图像；最后将引火源图像及可燃物图像转化为火灾数字概率，当火灾概率的分析结果大于预设阈值时，周边环境图像的场景将被判断为火灾场景。通过对光谱摄像机同一地区同一瞬间摄取多个波段图像；通过对周边环境图像进行降噪和分类，实现了周边环境图像的预处理，通过降噪消除了周边环境图像的噪点，提高了引火源及可燃物等引发火灾因素分析的准确率，为这些因素的分类提供了可靠的数据基础；对引火源及可燃物等引发火灾因素进行分类，有助于提升识别效率，降低系统的处理压力；将引火源图像及可燃物图像转化为火灾数字概率，确定能够引发火灾的概率，来确定引发火灾因素的危险程度，若超过阈值，则发出报警，发出报警，清除引发火灾因素。
实施例5
在实施例4的基础上，本发明实施例提供的对周边环境图像进行降噪的目标函数X的表达式为：
其中，μ表示权重系数，e表示周边环境图像滤波的平整度，N表示周边环境图像的个数，xn为原始周边环境图像第n个采样点的值，为降噪后周边环境图像第n个采样点的值。
上述技术方案的工作原理和有益效果为：上述方案控制器采用目标函数对周边环境图像进行降噪，目标函数的值最小为最优解，也就是对周边环境图像的降噪效果最好，既保留了原始周边环境图像的特征，又去除了明显的噪点，提高了引火源及可燃物等引发火灾因素分析的准确率。
实施例6
如图4所示，在实施例4的基础上，本发明实施例提供的对周边环境图像进行分类的过程，包括：
S2021：控制器接收到降噪后包含引火源及可燃物等引发火灾因素的周边环境图像；
S2022：将周边环境图像输入至能够筛选图像特征的分类模型中分析；
S2023：输出分类模型分析后的引火源图像及可燃物图像。
上述技术方案的工作原理和有益效果为：上述方案首先控制器接收到降噪后包含引火源及可燃物等引发火灾因素的周边环境图像；其次将周边环境图像输入至能够筛选图像特征的分类模型中分析；最后输出分类模型分析后的引火源图像及可燃物图像；对引火源及可燃物等引发火灾因素进行分类，有助于提升识别效率，降低系统的处理压力。
实施例7
在实施例4的基础上，本发明实施例提供的将引火源图像及可燃物图像转化为火灾数字概率过程，包括：
对获取到的引火源图像及可燃物图像进行分析和自学习，得到对应的长周期背景图像和短周期背景图像；
根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的火焰特征参数，并对火焰特征参数进行数据融合，得到火焰发生概率；
用于根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的烟雾特征参数，并对烟雾特征参数进行数据融合，得到烟雾发生概率；
对火焰和烟雾发生概率进行数据融合，确定火灾发生概率。
上述技术方案的工作原理和有益效果为：上述方案首先对获取到的引火源图像及可燃物图像进行分析和自学习，得到对应的长周期背景图像和短周期背景图像；其次根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的火焰特征参数，并对火焰特征参数进行数据融合，得到火焰发生概率；然后用于根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的烟雾特征参数，并对烟雾特征参数进行数据融合，得到烟雾发生概率；最后对火焰和烟雾发生概率进行数据融合，确定火灾发生概率；通过火焰发生概率和烟雾发生概率进行判断，以引火源图像及可燃物图像为数据基础，得到森林火灾发生的概率，若概率超过阈值，则发出报警，进行清除，提升了火灾发生概率的自主判断，提高了判断的准确率，有助于提升高点站森林监测的消防安全防护性能。
实施例8
如图5所示，在实施例1的基础上，本发明实施例提供的报警的过程，包括：
S301：火灾发生概率超过阈值，控制器发送火灾指令；
S302：报警器接收到火灾指令进行报警，火灾指令在终端显示；
S303：控制器将火灾发生的位置信息及时间信息发送至终端，清除引发火灾的因素。
上述技术方案的工作原理和有益效果为：上述方案首先火灾发生概率超过阈值，控制器发送火灾指令；其次报警器接收到火灾指令进行报警，火灾指令在终端显示；最后控制器将火灾发生的位置信息及时间信息发送至终端，清除引发火灾的因素；当火灾发生概率超过阈值，报警指令发送至管理人员的便携式终端上，同时发送的还有火灾发生的位置信息及时间信息，便于管理人员快速到达位置，根据时间信息确定采取的措施，为森林的消防安全防护提供了保证，缩短了灭火的时间。
实施例9
在实施例1的基础上，本发明实施例提供的高点站森林监测的消防安全防护方法的高点站包括：单/双光谱摄像机、通信系统、太阳能系统、供电系统、控制器及报警器；
控制器与单/双光谱摄像机、通信系统、供电系统、控制器及报警器连接，太阳能系统与供电系统连接；
单/双光谱摄像机，负责采集周边环境图像；
通信系统，负责实现单/双光谱摄像机与控制器的无线通信；
太阳能系统，负责将太阳能转换为电能；
供电系统，负责将太阳能系统转化的电能供给单/双光谱摄像机、通信系统、控制器及报警器；
控制器，负责实现周边环境图像的处理和分析，得到火灾发生的概率；
报警器，负责实现火灾的报警。
上述技术方案的工作原理和有益效果为：上述方案单/双光谱摄像机采集周边环境图像；通信系统实现单/双光谱摄像机与控制器的无线通信；太阳能系统将太阳能转换为电能；供电系统将太阳能系统转化的电能供给单/双光谱摄像机、通信系统、控制器及报警器；控制器实现周边环境图像的处理和分析，得到火灾发生的概率；报警器实现火灾的报警；通过在森林区域范围每设置多个一个综合性的森林消防高点，实现对森林区域范围内的消防安全进行防护，真正的实现了全范围且全天候的防护；各个森林消防高点通过互联网连接，实现信息共享，森林消防高点周边设置若干光谱摄像机采集周边环境图像，通过周边环境图像分析得到是否存在引发火灾的隐患，能够提前预警，让火灾发生的概率降到最低，确保森林生态环境的安全；森林消防高点发出引发火灾因素的位置信息，让消防人员能够快速的找到位置，实施灭火，提高了灭火的效率。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种高点站森林监测的消防安全防护方法，其特征在于，包括以下步骤：
在森林消防高点站周边布设若干采集周边环境图像的光谱摄像机；
控制器对周边环境图像进行分析，得到引火源及可燃物引发火灾因素分析结果；
存在引发火灾的因素，发出位置信息及时间信息并立即报警；
布设若干采集周边环境图像的光谱摄像机的过程，包括：
构建光谱摄像机的布设指标体系，指标体系为光谱摄像机在森林消防高点站周边关键性节点覆盖率；
设计多个在关键性节点光谱摄像机放入布设方案；构建评价矩阵，进行标准化处理，得到加权标准化评价矩阵；
根据加权标准化评价矩阵，求出正解和负解，得到各个布设方案到正解和负解的距离，计算出综合评分进行排序，选取排序第一的为光谱摄像机的布设方案。
2.如权利要求1所述的高点站森林监测的消防安全防护方法，其特征在于，周边环境图像包含有位置信息和时间信息。
3.如权利要求1所述的高点站森林监测的消防安全防护方法，其特征在于，关键性节点包含：森林消防高点站出口及入口、火灾多发点、引火源多发点及可燃物易发点。
4.如权利要求1所述的高点站森林监测的消防安全防护方法，其特征在于，进一步包括：计算出关键性节点的权值，计算出布设方案与正解和负解之间的欧式距离，得到方案的优劣评价排序，实现多个布设方案的规范化对比。
5.如权利要求1所述的高点站森林监测的消防安全防护方法，其特征在于，控制器对周边环境图像进行分析的过程，包括：
控制器通过无线接收光谱摄像机采集的周边环境图像；
并对周边环境图像进行降噪和分类，得到分类后的引火源图像及可燃物图像；
将引火源图像及可燃物图像转化为火灾数字概率，当火灾概率的分析结果大于预设阈值时，周边环境图像的场景将被判断为火灾场景。
6.如权利要求5所述的高点站森林监测的消防安全防护方法，其特征在于，控制器采用目标函数对周边环境图像进行降噪，目标函数的值最小为最优解。
7.如权利要求5所述的高点站森林监测的消防安全防护方法，其特征在于，对周边环境图像进行分类的过程，包括：
控制器接收到降噪后包含引火源及可燃物引发火灾因素的周边环境图像；
将周边环境图像输入至能够筛选图像特征的分类模型中分析；
输出分类模型分析后的引火源图像及可燃物图像。
8.如权利要求5所述的高点站森林监测的消防安全防护方法，其特征在于，将引火源图像及可燃物图像转化为火灾数字概率过程，包括：
对获取到的引火源图像及可燃物图像进行分析和自学习，得到对应的长周期背景图像和短周期背景图像；
根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的火焰特征参数，并对火焰特征参数进行数据融合，得到火焰发生概率；
用于根据长周期背景图像和短周期背景图像，分别计算引火源图像及可燃物图像的烟雾特征参数，并对烟雾特征参数进行数据融合，得到烟雾发生概率；
对火焰和烟雾发生概率进行数据融合，确定火灾发生概率。
9.如权利要求1所述的高点站森林监测的消防安全防护方法，其特征在于，报警的过程，包括：
火灾发生概率超过阈值，控制器发送火灾指令；
报警器接收到火灾指令进行报警，火灾指令在终端显示；
控制器将火灾发生的位置信息及时间信息发送至终端，清除引发火灾的因素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310266846.9A CN116486550B (zh) | 2023-03-15 | 2023-03-15 | 一种高点站森林监测的消防安全防护方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310266846.9A CN116486550B (zh) | 2023-03-15 | 2023-03-15 | 一种高点站森林监测的消防安全防护方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116486550A CN116486550A (zh) | 2023-07-25 |
| CN116486550B true CN116486550B (zh) | 2024-02-27 |
Family
ID=87224119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310266846.9A Active CN116486550B (zh) | 2023-03-15 | 2023-03-15 | 一种高点站森林监测的消防安全防护方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116486550B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101719298A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院遥感应用研究所 | 森林草原火灾遥感监测预警方法 |
| CN104966372A (zh) * | 2015-06-09 | 2015-10-07 | 四川汇源光通信有限公司 | 多数据融合的森林火灾智能识别系统和方法 |
| CN105704244A (zh) * | 2016-04-11 | 2016-06-22 | 南京工程学院 | 基于移动通讯的森林安全监测系统 |
| CN113554845A (zh) * | 2021-06-25 | 2021-10-26 | 东莞市鑫泰仪器仪表有限公司 | 一种用于森林防火热成像装置 |
| CN113656412A (zh) * | 2021-08-31 | 2021-11-16 | 广州澳盾智能科技有限公司 | 森林火灾风险隐患采集和管理方法、系统、设备及介质 |
| CN114117717A (zh) * | 2020-08-31 | 2022-03-01 | 紫东信息科技(苏州)有限公司 | 一种森林防火监控方法、装置和系统 |
-
2023
- 2023-03-15 CN CN202310266846.9A patent/CN116486550B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101719298A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院遥感应用研究所 | 森林草原火灾遥感监测预警方法 |
| CN104966372A (zh) * | 2015-06-09 | 2015-10-07 | 四川汇源光通信有限公司 | 多数据融合的森林火灾智能识别系统和方法 |
| CN105704244A (zh) * | 2016-04-11 | 2016-06-22 | 南京工程学院 | 基于移动通讯的森林安全监测系统 |
| CN114117717A (zh) * | 2020-08-31 | 2022-03-01 | 紫东信息科技(苏州)有限公司 | 一种森林防火监控方法、装置和系统 |
| CN113554845A (zh) * | 2021-06-25 | 2021-10-26 | 东莞市鑫泰仪器仪表有限公司 | 一种用于森林防火热成像装置 |
| CN113656412A (zh) * | 2021-08-31 | 2021-11-16 | 广州澳盾智能科技有限公司 | 森林火灾风险隐患采集和管理方法、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116486550A (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112034766A (zh) | 一种基于物联网的实验室安全管理系统 | |
| US20220355147A1 (en) | Smart fire-extinguishing device and smart fire-extinguishing system including same | |
| CN109185743B (zh) | 一种智能消防应急灯系统 | |
| Singh et al. | An insight to forest fire detection techniques using wireless sensor networks | |
| CN111754714A (zh) | 一种安防监控系统及其监控方法 | |
| CN103325205B (zh) | 基于径向基神经网络的室内火灾预测方法及系统 | |
| KR20200116560A (ko) | 무인 비행체를 이용한 산악지역의 재난 대응 시스템 및 방법 | |
| KR101884268B1 (ko) | 무선통신 기반의 제어장치를 이용한 송전철탑 지진감지 시스템 및 방법 | |
| CN114971409A (zh) | 一种基于物联网的智慧城市火灾监控预警方法及系统 | |
| KR102273193B1 (ko) | 무인 비행체를 이용한 화재위험도 예측 시스템 및 그 방법 | |
| CN117520998B (zh) | 照明灯塔设备的能耗分析方法、装置、设备及存储介质 | |
| CN115903973A (zh) | 一种基于物联网的火灾探测及应急联动控制系统 | |
| CN116189372A (zh) | 一种应用大数据技术的森林防火多层预警监测系统及方法 | |
| CN115018283A (zh) | 工业园区智能化消防管理方法 | |
| CN116486550B (zh) | 一种高点站森林监测的消防安全防护方法 | |
| CN114792465A (zh) | 一种基于区域报警模型的消防安全监控系统 | |
| CN105701557A (zh) | 一种森林火险预测预报系统 | |
| CN108847985A (zh) | 适用于物联网的输电线路智能远程监控系统 | |
| CN108170060A (zh) | 危险源及环境监测报警系统及方法 | |
| CN110675522A (zh) | 一种基于无人机技术的多用途电子安防巡检系统 | |
| Pettorru et al. | An IoT-based electronic sniffing for forest fire detection | |
| KR102152409B1 (ko) | 생육과정기록 통합관리 시스템 | |
| Fathima et al. | Anintegrated Iot based approach enabled in UAV for the early prediction of forest fires | |
| CN107152966A (zh) | 一种基于深度学习的高压输电线舞动预警系统 | |
| CN111160780A (zh) | 调度机器人及调度方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |