摘要：针对我国林火监测现状,为加强近地面监测中的早期林火发现,提出采用多传感器数据融合算法对早期林火进行识别的方法。通过设计林火仿真试验,采集CO2浓度、CO浓度、烟雾浓度与空气温湿度等多传感器数据,并通过初步分析从中选取关键贡献率传感器数据。然后分别采用BP神经网络算法、神经模糊系统算法与支持向量机算法对数据进行识别与分析,并在每个算法中均设置三输入与九输入2种不同输入向量数以进行比较。最后通过定义的识别性能评价参数对识别效果进行比较,得出支持向量机算法在一定范围内能较好地实现对早期林火的识别。

摘要：采用铱星SBD卫星通信业务,基于支持向量机算法,设计了一套专门服务于林业部门的信息采集、数据分析及林火识别的森林管护系统,实现了CO浓度、CO2浓度、烟雾浓度、空气温湿度的自动采集与林区无死角实时远距离无线传输,在10 m范围内可有效识别森林火灾发生的可能性。采集终端硬件基于STM32处理器、铱星Q9602模块、LTC2950-1开关机控制、DS2781电源管理以及两级降压结构,软件在自动模式及手动模式下均可实现数据的实时采集与远程传输,并在远程服务器上进行数据分析与林火发生可能性识别。经实验验证:系统可实时采集5种微环境参数,卫星传输成功率为100%,10 m范围内林火正确识别率为80%左右。2014年开始,系统在内蒙古自治区呼伦贝尔市海拉尔区林区的森林管护工作中得到应用测试。

摘要：森林火灾图像识别是森林防火监测系统的核心。目前的主要研究多在图像的向量模式表示上展开。由于向量模式的样本数由图像分辨率决定,易导致模型训练的负担过重。样本类别标记的准确性,直接影响后续的模型训练和目标识别。而目前的类别标定工作多采用手工或图像预处理方法完成,任务繁琐且容易出错。此外,由于像素位置在图像向量化过程中被调整,不可避免地会损失图像原有的结构信息。鉴于此,提出了基于矩阵分块的半监督学习算法Semi-MHKS,优势在于:①矩阵分块形式的样本数远低于向量模式,可有效缩短训练和识别时间;②只需标记分块类别,更有利于准确标定样本类别;③采用双线性判别函数,设计了针对林火问题的半监督学习算法;④证明了算法的收敛性。与支持向量机(SVM)、MHKS和半监督的LapMatLSSVM方法相比,在林火图像和视频上的实验验证了Semi-MHKS的具有较高的识别率和较低的训练时间。

摘要：基于计算视觉的常规林火图像识别算法过多依赖于庞大训练集,算法复杂无法满足林火监测实时性要求,提出一种基于图像检索的林火识别算法,搭建了VS2013和OpenCV程序验证平台。采用拉伸直方图和直方图均衡化方法提高图像对比度,通过减色降低程序计算复杂度,设定林火参考图像和固定阈值,采用直方图对比算法检索林火图像。程序验证结果表明,本文设计的程序能快速识别林火图像,具有实用价值,可为相关研究提供参考。

摘要：森林火灾监控是运用各种监测技术,及时发现火情并准确定位起火点,确定火的大小及动态,监视林火发生、发展的整个过程。林火视频监控系统是林火监测系统的重要组成部分,分为可见光、热成像、可见光和热成像相结合的智能双监系统三种监测形式。对视频监控系统功能、在林火监测中的地位、发展现状进行了概述,旨在充分了解林火视频监控系统应用优势和缺陷,提高使用效率。