森林是自然界中的宝贵资源,森林火灾检测技术的研究在林业中具有非常重要的意义。无人机(UAVs),由于其高机动性和能够以相对较低的成本覆盖不同高度和位置的区域,而越来越多地用于森林火灾监测和检测。本文针对森林火灾的检测问题,并基于无人机技术,主要做了以下几个方面的研究工作:(1)构建了用于森林火灾检测的无人机平台。针对森林防火的需求,本文利用六旋翼无人机平台,搭载单反相机等硬件机载设备,完成对森林火灾的检测。同时,无人机搭载机载任务计算机,与地面站计算机分别进行图像检测。文章并针对系统中数据处理量大、网络带宽占用率高的问题,提出边缘计算的网络架构,对整个森林防火系统进行了初步的设计。(2)基于所构建的森林火灾检测无人机平台,提出基于颜色特征及小波分析的森林火灾检测算法。该方法使用了无人机所拍摄图像的颜色特征,并使用了小波分析对其结果进行进一步判别。首先根据森林火焰及烟雾的颜色特征,本文采取一种低运算成本的算法对其相关区域进行像素提取。为了修正颜色特征提取的不准确性,文章对颜色提取后的像素区域与原图像分别进行一次离散二维小波变换(DWT),将火焰烟雾区域同其它高频噪声分离开。多组实验表明本文所提出的算法可以有效检测图像中森林火焰及烟雾部分。该方法能够在花费较少的运算成本的基础上显著提高森林火灾检测的准确率,并能够在所构建的无人机平台上进行实时火情检测。(3)基于所构建的森林火灾检测无人机平台,提出分别用于地面检测与天空检测YOLOv3实时目标检测算法。传统的火灾检测算法大多基于RGB颜色模型,但其速度与精准度都不甚理想。本文提出了一种利用YOLOv3对基于无人机的航空影像进行森林火灾检测算法的方法。首先把森林火灾图像分为S*S的单元,然后根据目标在单元的位置,通过尺寸聚类方法计算检测目标的宽度和高度以及中心点的坐标,并对坐标进行归一化。同时,该方法使用logistic回归来预测目标边界框得分与对数损失函数预测边界框内可能包含的类别,计算置信度然后进行预测。实验测试结果表明,该算法在无人机平台上的识别率可达到83%,视频检测速率可达3.2 fps以上;地面端识别率可达到91%,视频检测速率可达30fps以上。该方法对于使用无人机的实时森林火灾探测应用具有很大的优势。(4)提出了无人机在森林火灾检测中路径规划的初步方案。本文将森林防火任务的搜寻分为广义搜索与关键点搜索,并针对其任务分别提出了螺旋形搜索算法,割草机式搜索算法与基于混合粒子群算法的最短路径搜索算法。MATLAB的仿真实验证明,该路径规划算法能够满足无人机在森林防火中的任务需求。