【摘 要】
:
森林火灾是林业最可怕的灾害,事关人类的生命和财产安全。目前,无人机技术已被广泛应用在森林火灾监测领域。尤其是,无人机遥感技术在采集火场数据、预测火灾规模和估计火点位置等方面发挥出巨大作用,显著提高了消防人员对火灾态势的感知能力。开展基于无人机图像的森林火灾识别与分割研究,能够辅助消防人员识别早期森林火灾并估计火灾规模,具有较高的研究意义和应用价值。因此,课题针对无人机森林火灾图像识别与分割,利用深
【基金项目】
:
国家自然科学基金重点项目(No.61833013)“面向森林环境监测的自主高可靠多无人机系统关键技术研究”;
论文部分内容阅读
森林火灾是林业最可怕的灾害,事关人类的生命和财产安全。目前,无人机技术已被广泛应用在森林火灾监测领域。尤其是,无人机遥感技术在采集火场数据、预测火灾规模和估计火点位置等方面发挥出巨大作用,显著提高了消防人员对火灾态势的感知能力。开展基于无人机图像的森林火灾识别与分割研究,能够辅助消防人员识别早期森林火灾并估计火灾规模,具有较高的研究意义和应用价值。因此,课题针对无人机森林火灾图像识别与分割,利用深度学习技术,开展了以下四方面的研究:(1)针对无人机森林火灾图像识别,提出一种基于C-GhostNet的航空森林火灾图像识别算法。该算法利用Concat操作和通道洗牌改进轻量网络GhostNet中的幻影模块,以解决GhostNet存在的特征表达问题。基于基准FLAME数据集的实验验证表明,在不引进额外参数的前提下,该算法提高了 GhostNet的识别准确率,其速度大约为20 FPS,基本实现了实时识别。(2)针对无人机火灾监测的快速响应要求,进一步提出一种基于R-ShuffleNetv2的实时航空森林火灾图像识别算法。该算法利用残差结构重构ShuffleNetv2中的基础构建单元,以增强网络的特征表达能力。基于基准FLAME数据集的实验验证表明,该算法能够获得比ShuffleNetv2更高的火灾识别准确率,其处理速度大约为31FPS。在权衡精度与速度方面,该算法的综合性能优于(1)中所提方法。(3)针对无人机森林火灾图像分割,提出一种基于F-Unet的航空森林火灾图像分割算法。该算法利用VGG16网络、多尺度特征融合技术和非线性激活函数Mish改进U-Net的结构以提升网络的分割精度。但使用VGG16网络和多尺度特征融合技术会为F-Unet引入额外的参数和计算量,导致影响算法的处理速度。基于基准FLAME分割数据集的实验验证表明,该算法提高了 U-Net的分割准确率,但运行速度仅有9 FPS。(4)针对无人机监测的实时性要求,进一步提出一种基于改进Deeplabv3+的实时航空森林火灾图像分割算法。该算法使用轻量网络MobileNetv3重构Deeplabv3+中的深度卷积神经网络,以达到提高分割速度的目的。然后为了补偿提升速度导致的精度损失,在Deeplabv3+的解码器中额外添加两种浅层特征,以使网络能够解码更多的火灾特征。基于基准FLAME分割数据集的实验验证表明,该算法不仅获得了比Deeplabv3+略好的火灾分割准确率,还大幅度提高了网络的运行速度,其分割速度约为59 FPS。
其他文献
由于塔式光聚热发电系统中调控系统存在分钟级的纯滞后,当吸热器接收到的太阳辐照度发生突变时,调控系统无法实时对该变化进行补偿,从而影响整个发电系统的稳定性以及整个电站的发电效率。本文的实际应用场景为哈密50MW熔融盐塔式光热发电站,通过在光热电站现场进行实际观测发现,云层阴影对定日镜场的遮挡是导致吸热器所接收到的太阳辐照度发生突变的主要因素。因此,本文通过使用鱼眼相机、天文算法和图像处理技术实现对定
随着社会的发展,冷轧带钢的作用与日俱增,其需求量也有着飞速的增长。上卷是冷轧生产工艺的第一步,实现上卷的自动化能够提高冷轧的生产效率,减少人力成本。目前上卷多采用人工操作,少数使用传感器实现自动上卷,该方法成本较高且安装不易。所以我们提出了一种基于图像的自动上卷方案,在开卷机附近安装单目相机,通过对实时采集的图像进行分析得到带卷的位置等信息,结合该信息向PLC发送控制命令控制相应的轧机部件实现自动
了解系统的内部状态是控制系统的重要前提,分数阶卡尔曼滤波器是重建分数阶系统不可测量状态的利器,在各个领域中发挥着不可替代的作用。但是,经典的分数阶卡尔曼滤波器仅考虑了过程噪声和观测噪声,并未考虑实际系统中输入变量所包含的噪声,而此时使用经典的分数阶卡尔曼滤波器估计会产生较大的偏差,所以研究一种考虑输入噪声的分数阶卡尔曼滤波方法是十分必要的。本文在已有分数阶卡尔曼滤波器的基础上,进一步研究了存在输入
近年来,随着通信和分布式优化技术的快速发展,分布式模型预测控制(Distributed Model Predictive Control,DMPC)也得到了广泛的研究。DMPC是一种有效而强大的控制技术,其能够灵活地处理系统的各类约束条件并提供最优的控制性能,在稳定性、可行性分析和过程控制等方面都取得了重大进展。同时,DMPC 比集中式模型预测控制需要更少的通信资源,避免了集中式的单点失败,为系统
大规模超多目标优化算法的研究已成为进化计算领域的一个热点,近年来得到众多研究者的关注。作为一种模拟人类头脑风暴过程的新型群智能优化算法,头脑风暴优化算法在解决多目标的优化问题时取得了很好的结果。与其他众多的群体智能优化算法类似,头脑风暴优化算法在解决多个目标以及大规模决策变量的优化问题时还有一定的局限性。本文在省自然科学基金的资助下,以头脑风暴优化算法作为算法框架,重点研究大规模超多目标优化问题的
遥感技术是获取精确地物信息的重要方式和信息源。随着遥感技术的快速发展,遥感数据规模不断增长,光谱、空间分辨率大幅度提升,在环境监测、目标检测、地质勘查等领域的应用越来越广泛。现阶段,在空间和光谱上具有更高分辨率的遥感数据成为用户的迫切需求。然而,受到成像传感器技术与工艺的限制,单一传感器难以获取兼具清晰空间细节和丰富光谱特征的遥感影像。为此,光学遥感卫星通常搭载两类传感器,分别获取多光谱图像和全色
水下机械臂在海洋资源的开发和利用中扮演着越来越重要的角色,但水下环境复杂多变,建立动力学模型需要考虑水流扰动、摩擦干扰等因素。现有控制方法使用一种算法逼近动力学模型中两种不同类型的参数,导致控制精度不高。除此之外,水下机械臂系统设计具有开发时间长、效率低和成本高的特点。针对以上问题,本文首先建立精准的水下机械臂动力学模型,进而提出采用RBF(Radial Basis Function)神经网络和模
构建基因调控网络可以更好地理解不同生物分子间的相互作用,以及如何调控基因表达水平发生变化,为揭示分子生物体系的功能、药物开发设计和疾病治疗提供了科学的理论和方法。考虑到实际生物系统呈现周期振荡、分岔等非线性特征以及存在时滞因素的影响,本文主要研究分数阶时滞基因调控网络模型的构建与动力学分析,主要工作包括:(1)基于基因转录调控的线性模型建立分数阶时滞基因调控网络模型。为了提高模型的辨识精度,研究了
变压器是电网中最重要的一种输变电装置,其工作状况的好坏关乎电网的安全、稳定。对绕组变形的诊断一直是变压器故障诊断技术的核心研究内容。频率响应法因为检测效果良好被广泛应用在变压器绕组检测领域。当前,变压器绕组变形的故障诊断研究主要针对单一变形故障,对于混合故障少见涉及,为此,本文提出一种针对混合故障的融合多特征的特征量提取方法,并采用相关向量机分类器进一步精确诊断变压器绕组混合故障类型。首先,使用P
图像盲去噪是指在未知或少知图像噪声信息的情况下,利用已有的退化图像信息恢复得到与原始图像尽可能相近的图像。目前大多数的图像去噪算法都假设加性高斯白噪声的噪声水平已知,但实际上退化图像的噪声信息是未知的,因此假设噪声水平已知的图像去噪算法难以满足实际需求。为了能在噪声水平未知的情况下,灵活地去除退化图像中的噪声,并尽可能地保留原始图像信息,本文进行了以下两方面的工作研究:(1)数据与模型混合驱动的稀