论文部分内容阅读
摘要：森林火灾智能预警系统的应用，可以减少森林公园火灾的发生，有效的控制森林面积的减少，这是当地经济发展和生态文明建设的需要。本研究采用基于早期林火地面红外识别技术，结合早期林火地面红外监测系统，采集林火地面红外探测图像，同时使用方差和频率分析，可以有效的判别出波形数据是否是火焰或者干扰。
关键词：森林火灾 林火红外探测 图像采集 识别
森林火灾是世界性的林业重要灾害，造成森林资源的重大损失和全球性的环境污染。森林火灾具有突发性、灾害发生的随机性、短时间内能造成巨大损失等特点。随着数字林业进一步完善以及物联网技术的发展，我国林业信息化正朝着智能林业的方向进步，与此同时也展开了对智能林业的研究。林业信息化[1]是现代林业建设的重要组成部分，是推进林业科学发展的重要手段，是关系林业工作全局的战略举措和当务之急。我国现代林业建设，信息技术创新将会成为推动林业信息化的直接动力，只有将信息技术和现代林业建设的需求结合，才能真正发挥信息技术的威力[2]。森林火灾智能预警系统的应用，可以减少森林公园火灾的发生，有效的控制森林面积的减少，这是当地经济发展和生态文明建设的需要。目前我国通用的林火红外监测系统主要采用气象预报为主导，以晾望台观测和飞机巡护为主，配合以气象卫星（TIROS）对森林火灾宏观遥感监测，它们不但要消耗大量的人力资源或资金，而且监测效果不理想，对于有些较落后的林区也只能采用嘹望台监测的方法[3]，因此国内开始努力研究林火地面红外监测系统[4]。
1试验设计
2试验数据收集
三类条件下的试验，每组对照与重复获取200个波形数据样本，存储到PC软件平台中，为算法分析和调整提供数据支撑。
下列图示中（图1-6），红线是火焰识别通道波形数据，黄线是干扰识别通道波形数据。
2.1静态试验数据
（1）20°静态测试典型样本数据
传感器在无其他干扰源的条件下，20°时的典型输出波形如图1所示。火焰信号和干扰信号的波形峰峰值都在100mv范围内，两者都比较稳定。
（2）40°静态测典型样本试数据
傳感器在无其他干扰源的条件下，40°时的典型输出波形如图2所示。火焰信号和干扰信号的波形峰峰值同样都在100mv范围内，两者都比较稳定。
2.2点火试验数据
（1）25米点火测试典型样本数据
在无其他干扰源的条件下，传感器收集得到的数据存于PC软件平台中。其典型输出波形如图3所示。
（2）50米点火测试典型样本数据
在无其他干扰源的条件下，传感器收集得到的数据存于PC软件平台中。其典型输出波形如图4所示。
2.3干扰试验数据
（1）人体干扰试验典型样本数据
在无火焰燃烧，只有人体晃动干扰的条件下，其典型输出波形如图5所示。
（2）阳光干扰试验典型样本数据
在无火焰燃烧，只有阳光晃动干扰的条件下，其典型输出波形如图6所示。
（3）人工光源干扰试验典型样本数据
在无火焰燃烧，只有人工光源干扰的条件下，其典型输出波形如上图所示。
3数据分析
3.1 滤波
针对采集到的波形数据，首先需要进行平滑滤波，过滤掉波形中一些没有意义的高频成分，使波形便于处理。本设计中，平滑滤波选用的是如下函数：
V（n） =[V（n-5）+V（n-4）+V（n-3）+V（n-2）+V（n-1）]/5 （滤波）
n是波形数据中的X轴坐标，代表n时刻的一次数据采集。V（n）是波形数据在n时刻采集到的数据值。N>6。
3.2 波峰波谷识别
通过平滑滤波，本设计获得了新的波形数据。通过以下两个公式寻找到波峰波谷：
V（n）>V（n+1）&&V（n）>V（n-1） （波峰）
当n时刻的数据值，同时大于（n+1）和（n-1）时刻的数据值时，n时刻既可以判定为一次波峰数据。最终获得波峰数据组Sum[]。
V（n） 当n时刻的数据值，同时小于（n+1）和（n-1）时刻的数据值时，n时刻既可以判定为一次波谷数据。最终获得波谷数据组Bot[]。
3.3方差计算
在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：
针对波峰数据组Sum和波谷数据组Bot，先求得其组内的平均值，再通过上述公式求得其方差Xsum和Xbot。
3.4结论
对于采集到的波形数据，其中包含火焰识别通道数据S火和S干扰。对两组数据分别一次进行滤波、波峰波谷识别和方差计算，分别得到火焰波峰方差X11、火焰波谷方差X12和干扰波峰方差X21、干扰波谷方差X22，以及火焰波峰数量Num。其中，火焰波峰数量Num可以等同于波形的頻率F。
对上述6种试验获得的数据进行上述处理后，每种数据求平均值，得到如下表格。
表中数据是各种条件下采集的大量数据经过运算后得到的平均值，没有保留小数点。其中当该条波形数据不具备波峰波谷，即频率为0时，无法计算其方差值。
由表中数据可知，方差和频率同时使用，可以有效的判别出波形数据是否是火焰或者干扰。
当火焰识别通道的波峰波谷方差大于100000时，火焰频率大于5，干扰频率小于2时，波形可以判定为火焰。通过以上判定方法，1200个火焰数据样本的识别率达到99.667%。
参考文献
[1]董晨，吴保国，靳爱位.我国林业信息化标准建设现状[J].林业调查规划.2013.5：83-88
[2]田少卿.林业稳像与识别定位算法研究.东北林业大学学位论文.2014.1
[3]王宏.森林火灾的自动识别.沈阳工业大学硕士论文.2008：3-4
[4]王婷婷.林火地面红外探测图像信号的采集与处理研究.东北林业大学硕士论文.2011.1
关键词：森林火灾 林火红外探测 图像采集 识别
森林火灾是世界性的林业重要灾害，造成森林资源的重大损失和全球性的环境污染。森林火灾具有突发性、灾害发生的随机性、短时间内能造成巨大损失等特点。随着数字林业进一步完善以及物联网技术的发展，我国林业信息化正朝着智能林业的方向进步，与此同时也展开了对智能林业的研究。林业信息化[1]是现代林业建设的重要组成部分，是推进林业科学发展的重要手段，是关系林业工作全局的战略举措和当务之急。我国现代林业建设，信息技术创新将会成为推动林业信息化的直接动力，只有将信息技术和现代林业建设的需求结合，才能真正发挥信息技术的威力[2]。森林火灾智能预警系统的应用，可以减少森林公园火灾的发生，有效的控制森林面积的减少，这是当地经济发展和生态文明建设的需要。目前我国通用的林火红外监测系统主要采用气象预报为主导，以晾望台观测和飞机巡护为主，配合以气象卫星（TIROS）对森林火灾宏观遥感监测，它们不但要消耗大量的人力资源或资金，而且监测效果不理想，对于有些较落后的林区也只能采用嘹望台监测的方法[3]，因此国内开始努力研究林火地面红外监测系统[4]。
1试验设计
2试验数据收集
三类条件下的试验，每组对照与重复获取200个波形数据样本，存储到PC软件平台中，为算法分析和调整提供数据支撑。
下列图示中（图1-6），红线是火焰识别通道波形数据，黄线是干扰识别通道波形数据。
2.1静态试验数据
（1）20°静态测试典型样本数据
传感器在无其他干扰源的条件下，20°时的典型输出波形如图1所示。火焰信号和干扰信号的波形峰峰值都在100mv范围内，两者都比较稳定。
（2）40°静态测典型样本试数据
傳感器在无其他干扰源的条件下，40°时的典型输出波形如图2所示。火焰信号和干扰信号的波形峰峰值同样都在100mv范围内，两者都比较稳定。
2.2点火试验数据
（1）25米点火测试典型样本数据
在无其他干扰源的条件下，传感器收集得到的数据存于PC软件平台中。其典型输出波形如图3所示。
（2）50米点火测试典型样本数据
在无其他干扰源的条件下，传感器收集得到的数据存于PC软件平台中。其典型输出波形如图4所示。
2.3干扰试验数据
（1）人体干扰试验典型样本数据
在无火焰燃烧，只有人体晃动干扰的条件下，其典型输出波形如图5所示。
（2）阳光干扰试验典型样本数据
在无火焰燃烧，只有阳光晃动干扰的条件下，其典型输出波形如图6所示。
（3）人工光源干扰试验典型样本数据
在无火焰燃烧，只有人工光源干扰的条件下，其典型输出波形如上图所示。
3数据分析
3.1 滤波
针对采集到的波形数据，首先需要进行平滑滤波，过滤掉波形中一些没有意义的高频成分，使波形便于处理。本设计中，平滑滤波选用的是如下函数：
V（n） =[V（n-5）+V（n-4）+V（n-3）+V（n-2）+V（n-1）]/5 （滤波）
n是波形数据中的X轴坐标，代表n时刻的一次数据采集。V（n）是波形数据在n时刻采集到的数据值。N>6。
3.2 波峰波谷识别
通过平滑滤波，本设计获得了新的波形数据。通过以下两个公式寻找到波峰波谷：
V（n）>V（n+1）&&V（n）>V（n-1） （波峰）
当n时刻的数据值，同时大于（n+1）和（n-1）时刻的数据值时，n时刻既可以判定为一次波峰数据。最终获得波峰数据组Sum[]。
V（n）
3.3方差计算
在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：
针对波峰数据组Sum和波谷数据组Bot，先求得其组内的平均值，再通过上述公式求得其方差Xsum和Xbot。
3.4结论
对于采集到的波形数据，其中包含火焰识别通道数据S火和S干扰。对两组数据分别一次进行滤波、波峰波谷识别和方差计算，分别得到火焰波峰方差X11、火焰波谷方差X12和干扰波峰方差X21、干扰波谷方差X22，以及火焰波峰数量Num。其中，火焰波峰数量Num可以等同于波形的頻率F。
对上述6种试验获得的数据进行上述处理后，每种数据求平均值，得到如下表格。
表中数据是各种条件下采集的大量数据经过运算后得到的平均值，没有保留小数点。其中当该条波形数据不具备波峰波谷，即频率为0时，无法计算其方差值。
由表中数据可知，方差和频率同时使用，可以有效的判别出波形数据是否是火焰或者干扰。
当火焰识别通道的波峰波谷方差大于100000时，火焰频率大于5，干扰频率小于2时，波形可以判定为火焰。通过以上判定方法，1200个火焰数据样本的识别率达到99.667%。
参考文献
[1]董晨，吴保国，靳爱位.我国林业信息化标准建设现状[J].林业调查规划.2013.5：83-88
[2]田少卿.林业稳像与识别定位算法研究.东北林业大学学位论文.2014.1
[3]王宏.森林火灾的自动识别.沈阳工业大学硕士论文.2008：3-4
[4]王婷婷.林火地面红外探测图像信号的采集与处理研究.东北林业大学硕士论文.2011.1