2026-07-22 18:23
输入关键词,如黄金提取,余热利用,硝化废酸回收等后点击搜索进行检索技术资料
导航:X技术最新专利计算;推算;计数设备的制造及其应用技术
本发明针对传统山火监测方法存在定位精度低、响应滞后等问题,提出基于深度学习算法的解决方案。通过红外相机采集热成像数据,结合深度学习模型实现山火目标识别与测距定位,并融合地形数据预测火势蔓延方向,提升电网山火防控的实时性与准确性。
本发明涉及输电线路监测,具体涉及基于深度学习算法的山火监测方法、装置、设备及介质。
1、山火是一种常见的自然灾害,给人们的生命财产安全带来严重威胁,尤其是在山区和森林地带,不仅造成大面积的植被破坏,还威胁到附近的居民和电网设施。因此,及早发现山火、准确测距定位山火能力对于采取及时有效的灭火措施至关重要。
2、传统的山火监测方法主要依靠人工巡逻、遥感技术和传感器网络等手段。然而,这些方法存在一些局限性,例如人力成本高、监测范围有限、准确度不高等。另外,传统方法往往只能确定山火的大致位置,而缺乏对山火的准确测距和定位能力,难以为应急响应提供有效的支持。
3、近年来,随着深度学习算法的发展和应用,基于图像处理和模式识别的山火监测技术取得了显著进展。深度学习算法能够从传感器采集的数据中提取特征,并实现对山火的自动检测、分类和定位。相比传统方法,基于深度学习的山火监测技术具有更高的准确性和实时性,能够在更广泛的范围内实现山火的监测和预警。因此,提出一种能够有效利用深度学习算法,结合电网设施,实现对山火的准确测距和定位的新型方法,以提高山火监测和应急处理的效率和效果。
1、基于此,有必要针对上述问题,提出一种基于深度学习算法的山火监测方法、装置、设备及介质。
2、为实现上述目的,本申请第一方面提供一种基于深度学习算法的山火监测方法,所述方法包括:
3、通过在电网中安装的红外相机或热成像摄像机,捕捉山火周围环境的热量和光谱信息的图像数据;
6、根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息;
8、在一些实施方式中,所述对所述图像数据进行处理和特征提取,获得特征向量,具体包括:
10、对去噪后的图像数据进行标准化处理,获得具有统一的尺度和范围的图像数据;
12、在一些实施方式中,所述对所述图像数据进行去噪处理,具体包括:根据获得去噪后的图像数据;其中,g(x,y)是高斯滤波器的输出,σ是高斯分布的标准差,(x,y)是滤波器的空间坐标。
13、在一些实施方式中,所述对去噪后的图像数据进行标准化处理,获得具有统一的尺度和范围的图像数据,具体包括:根据获得具有统一的尺度和范围的图像数据;其中x是原始数据,u是均值,σ是标准差。
14、在一些实施方式中,所述通过深度学习模型对特征向量进行分析,识别山火目标,具体包括:
15、通过循环神经网络(rnn)模型对特征向量进行特征提取,通过一系列的卷积层、池化层和全连接层,逐步提取特征向量中的抽象特征;
17、在一些实施方式中,所述根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息,具体包括:根据确定红外相机或热成像摄像机与山火目标之间的距离d;其中,相机的焦距为f,山火在图像中的像素尺寸为h像素,山火的实际尺寸为h;
19、在一些实施方式中,所述根据所述山火位置信息和地形地貌数据预测山火的蔓延速度和方向,具体包括:
20、根据所述山火位置信息和地形地貌数据,确定山火在单位时间内的移动距离对山火的蔓延速度;
21、通过分析山火在图像数据上的形态和周围环境的情况,预估山火的蔓延方向。
22、为实现上述目的,本申请第二方面提供一种基于深度学习算法的山火监测装置,所述装置包括:
23、图像数据捕捉模块,用于通过在电网中安装的红外相机或热成像摄像机,捕捉山火周围环境的热量和光谱信息的图像数据;
24、特征向量获得模块,用于对所述图像数据进行处理和特征提取,获得特征向量;
25、山火目标识别模块,用于通过深度学习模型对所述特征向量进行分析,识别山火目标;
26、位置信息获得模块,用于根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息;
27、山火预测模块,用于根据所述山火位置信息和地形地貌数据预测山火的蔓延速度和方向。
28、为实现上述目的,本申请第三方面提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
29、通过在电网中安装的红外相机或热成像摄像机,捕捉山火周围环境的热量和光谱信息的图像数据;
32、根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息;
34、为实现上述目的,本申请第四方面提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
35、通过在电网中安装的红外相机或热成像摄像机,捕捉山火周围环境的热量和光谱信息的图像数据;
38、根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息;
41、本发明通过在电网中安装的红外相机或热成像摄像机,捕捉山火周围环境的热量和光谱信息的图像数据;利用深度学习算法对所述图像数据进行处理和特征提取,获得特征向量;通过深度学习模型对所述特征向量进行分析,识别山火目标;根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息;根据所述山火位置信息和地形地貌数据实现对山火的精确测距和定位,预测山火的蔓延速度和方向,能够为电网山火防控工作提供科学依据,提高应急响应效率,减少火灾造成的损失,并且可广泛应用于电网输电线路山火预防领域。
2.根据权利要求1所述的基于深度学习算法的山火监测方法,其特征在于,所述对所述图像数据进行处理和特征提取,获得特征向量,具体包括:
3.根据权利要求2所述的基于深度学习算法的山火监测方法,其特征在于,所述对所述图像数据进行去噪处理,具体包括:根据获得去噪后的图像数据;其中,g(x,y)是高斯滤波器的输出,σ是高斯分布的标准差,(x,y)是滤波器的空间坐标。
4.根据权利要求3所述的基于深度学习算法的山火监测方法,其特征在于,所述对去噪后的图像数据进行标准化处理,获得具有统一的尺度和范围的图像数据,具体包括:根据获得具有统一的尺度和范围的图像数据;其中x是原始数据,u是均值,σ是标准差。
5.根据权利要求4所述的基于深度学习算法的山火监测方法,其特征在于,所述通过深度学习模型对特征向量进行分析,识别山火目标,具体包括:
6.根据权利要求5所述的基于深度学习算法的山火监测方法,其特征在于,所述根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息,具体包括:根据确定红外相机或热成像摄像机与山火目标之间的距离d;其中,相机的焦距为f,山火在图像中的像素尺寸为h像素,山火的实际尺寸为h;
7.根据权利要求6所述的基于深度学习算法的山火监测方法,其特征在于,所述根据所述山火位置信息和地形地貌数据预测山火的蔓延速度和方向,具体包括:
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
本发明实施例公开了一种基于深度学习算法的山火监测方法、装置、设备及介质,通过在电网中安装的红外相机或热成像摄像机,捕捉山火周围环境的热量和光谱信息的图像数据;对所述图像数据进行处理和特征提取,获得特征向量;通过深度学习模型对所述特征向量进行分析,识别山火目标;根据所述山火目标进行测距定位,获得红外相机或热成像摄像机与山火目标的山火位置信息;根据所述山火位置信息和地形地貌数据预测山火的蔓延速度和方向。该方案,为电网山火防控工作提供科学依据,提高应急响应效率,减少火灾造成的损失,可广泛应用于电网输电线路山火预防领域。
4764437、一种基于星空地多模态数据融合的山火监测方法和装置与流程
4764438、一种基于Himawari-8时序数据多波段联合的亮温预测方法
针对山火监测中传统固定阈值法精度低、亮温预测误差大的问题,提出基于Himawari-8多波段联合的亮温预测方法。通过动态阈值筛选晴空像元,结合时域卷积网络模型,利用3.9μm、10.4μm、1...
针对传统山火监测装置因地形复杂和灌木遮挡导致监测盲区的问题,提出一种激光点云防山火在线监测装置。通过转盘、齿轮、电动伸缩杆与调节框的联动结构,实现激光传感器的多维度角度与位置调节,有效规避植被...
4764442、基于OPPC分布式光纤测温的架空线路山火监测装置的制作方法
针对传统山火监测手段存在实时性差、供电困难及通信不稳定等问题,提出基于OPPC光纤的分布式测温方案。通过将OPPC光纤作为传感媒介,结合分布式光纤测温技术与山火蔓延模型,实现输电线路山火的全天...
4764443、一种基于多元组网的输电线路山火灾害监测预警装置的制作方法
针对传统山火监测难以及时发现隐蔽火点及预测蔓延路径的问题,提出基于多元组网的输电线路山火预警装置。通过A类烟感温湿度传感器识别小范围火点,B类风向风速监测分析火势扩散趋势,C类红外可见光成像精...
1.计算机网络安全 2.计算机仿线.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用
Copyright © 2022-2028 KY开元·(中国)集团 版权所有 非商用版本 备案号:津ICP备03420555号