基于YOLOv5s的城镇森林交界域火灾探测模型

为精准监控城镇森林交界域火灾及定位其空间分布,提出基于改进YOLOv5s网络的城镇森林交界域火灾目标探测模型。首先收集城镇森林交界域火灾图像,利用图像注释工具标注出目标探测数据集;然后将坐标注意力(CA)机制引入YOLOv5s的主干网络,增强模型的方向及位置信息感知,以精准定位出城镇森林交界域火灾起火点;最后以准确度、召回率、平均准确度为评价指标,在自建数据集上进行训练、测试。模拟结果表明：改进的YOLOv5s模型整体性能提升,在城镇森林交界域火灾目标探测中,建筑物火灾平均精确度增加了0.8%,森林火灾则增加了1.3%。     

基于风暴识别算法的森林火灾识别

采用风暴识别算法对森林火灾进行了识别。首先根据参数阈值调整后的风暴识别算法,得到二维分量,结合不同云回波与火灾回波的差异,对火灾回波进行识别。根据算法对浙江省温州市三次森林火灾过程进行识别,结果显示:对于三次火灾过程都能够有效识别。对于火灾发生初期和熄灭时,由于回波强度较弱,回波结构松散,与小范围弱回波混合,导致漏识别。当回波中存在小范围地物杂波时,由于其尺度与小面积火灾接近,最终导致误识别。在森林火灾发生时,该算法可以帮助识别发生火灾的位置,为消防人员提供及时可靠的火灾地点及起火时间。     

基于多特征无量纲向量的图像型管廊火灾探测技术研究

针对管廊火灾检测中背景干扰与小目标检测困难的问题,提出采用无量纲特征参数描述图像型火焰动静态特征的火灾检测方法。利用背景差分法分割火焰目标区域,分析火焰发展特性,提取、计算角二阶矩变化率(A^*_ASM)、对比度变化率(C^*_CON)、自相关度变化率(C^*_COR)、面积变化率(S^*)等无量纲特征参数;拟合无量纲特征融合向量T^*并在SVM模型中检验其可靠性。研究结果表明：通过对不同可燃物在不同空间环境下的燃烧视频随机200帧序列进行检测,发现提出的无量纲特征参数具有“稳定”的变化范围,对火灾火焰与一般火焰的识别率最高可达97.5%,98.0%,受监测空间环境的影响较小。研究结果可为图像型火焰特征提取提供借鉴。     

一种改进的帧差法实现火焰目标分割

针对传统船舶火灾报警系统采用的传感器在远离火灾源时很难探测到初期火灾的特性,提出了利用摄像头模式识别的方法来探测火源的构想,将顶置鱼眼摄像头作为图像传感器,在一个较大的范围内探测初期火灾,提出了一种基于火焰闪点位置的交叉性与聚合性的帧差算法,实现火焰目标分割识别.该方法是在实时视频流中,对连续两帧图像进行帧差,根据闪点位置的交叉性排除运动物体的干扰,再根据闪点的聚合程度排除一部分游离的干扰闪点,最后得到疑似火焰区域.对疑似火焰区域二值化、抽取轮廓、再由种子点位置确定火焰外形.此法能够高效地从视频图像中分割出火焰,从而为火灾的初期预防报警提供高效识别手段.     

基于边缘检测的分液过程监测与终点识别

为解决实验室高耗时操作无人值守问题,提出一种复杂背景透明玻璃仪器内分液过程监测及终点识别算法。利用摄像头采集实验室分液操作画面,采用Canny算子进行边缘检测,获取分液操作的容器区域;为避免分液过程中红绿蓝(RGB)色彩空间多通道特征混合影响,将目标区域画面实时转化为灰度图像;通过全局灰度图像熵随时间变化趋势监测分液进程,并利用图像熵变化曲线最大值判断分液终点。结果表明：基于掩膜裁剪区域一维灰度图像熵终点识别方法与科学家肉眼判断时间平均绝对误差为0.80 s,判断过程更具备稳定性;与基于全画面算法对比,掩膜算法终点判别平均绝对误差降低19.50 s,相对误差降低90.96%,说明复杂背景对终点识别干扰显著;与基于RGB色彩空间图像熵相比,终点判别平均绝对误差降低7.10 s,相对误差降低89.87%,说明纹理信息在终点判别过程中起主要作用。     

林火报警图像中火源点确定方法研究

通过分析早期森林火灾烟雾图像的运动特征,提出了一种基于数字图像处理技术的森林火灾火源点确定方法。通过对早期报警图像RGB模型进行分量提取并各自直方图均衡化,获得了其中烟雾区域和背景区域的灰度特征,进而根据烟雾区域的连通性选用区域生长法则,分割出独立的目标图像,最终使用深度优先搜索算法遍历整个烟雾区域,确定其最低像素点,即火源点,完成林火的自动定位。结果表明,此种定位方法的准确率达到90.8%。     

森林地下火探测仪的研制

FHD型森林地下火探测仪为最新研制的一种光机电一体化的便携式探测设备,采用红外探测技术原理,借助红外焦平面成像器件、可见光摄像器件采集目标图像,利用图像处理技术完成对目标视频图像的获取、显示、温度分析处理及存储过程。它集成了红外与可见光两种模式,两种模型的简单切换有利于辨识目标并可对热像的中心区域进行测温显示。该设备操作界面简单快捷,图片存储方便、容量大,可用于户外多热源连续监测作业。     

基于改进EMD—小波阈值联合去噪的城市地下管线识别与定位

探地雷达(GPR)目标回波信号极易由于背景杂波的干扰而被淹没。为了有效滤出杂波,提出了一种改进的EMD-小波阈值联合去噪法,即用改进的基于统计特性和自相关函数特性的EMD去噪法对回波信号进行预处理,在此基础上对EMD分解后的噪声主导模态分量进行小波阈值处理,最后进行信号的重构。结果表明,该联合去噪法不仅可以有效地滤除杂波,而且最大限度地保留了目标回波有用信号,从而使去噪后的回波剖面为城市地下管线的识别与定位提供了可靠的图像解释资料。     

基于TMS320DM643的视频监控系统的设计

以TMS320DM643为核心,结合视频编解码芯片等设计了高性能的视频监控系统.详细说明了视频处理的相关核心硬件结构;及其在动态图像序列背景中,运动目标的识别与跟踪的软件设计.整个系统采用DM643对视频数据进行处理,通过实际应用证明该方案具有高速视频输入输出能力,为视频编解码算法开发、视频处理产品设计搭建了高性能的平台.     

基于小波-支持向量机的旋转机械碰摩故障诊断

根据旋转机械碰摩故障的特征频率,利用小波变换多分辨率特性,提取碰摩故障特征信号;利用支持向量机原理解决小样本、非线性、高维模式识别问题的优势,建立支持向量机故障诊断模型,进行旋转机械碰摩故障诊断。仿真结果表明,该算法有较好的精度和泛化性,并且运算量小,非常适合旋转机械故障诊断的在线识别。     

数值模拟技术在某爆燃事故致因分析中的应用

调查和分析火灾爆燃事故致因因素,明确事故发生原因,对做好事前预防、减少人员伤亡和财产损失等均具有重要作用和意义.通过计算机数值模拟技术,对一起火灾爆燃事故中的两个可能起火点火势蔓延情况进行再现,研究分析其燃烧速率、热释放速率、温度分布、速度矢量等参数和火势发展的动态模拟图像,并结合现场勘查、调查走访情况,进行相互对比认证,确定准确的起火点,最终找到导致爆燃事故发生的真正原因.     

基于视觉图像的飞行区大型目标监视方法改进研究

机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明：MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0～60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。     

高能X射线包裹图像边沿特征识别方法

针对包裹在进行X射线安检过程中,普遍存在包裹边沿区域自身结构特征如金属制加固筋、扣环以及提手等对违禁品自动探测产生的干扰问题,研究了一种包裹图像边沿特征区域识别方法:根据高能X射线材料特征,结合图像分割、图像模式识别技术,利用图像的形态学分析,定位出包裹边沿区域;然后通过一种阈值选取与连通区测量方式,实现对边沿特征区的识别过程。该试验结果表明,方法能够有效地识别出包裹图像边沿的金属制加固筋、扣环以及提手等特征区,对提高X射线安检设备违禁品自动探测的精度有一定的帮助作用。     

森林防火智能分析系统解析

森林火灾是森林最危险的敌人,也是林业最可怕的灾害,它会给森林带来最具有毁灭性的后果。夏季季气候炎热,温度高,大风天气多,野外用火大量增加,且雷击多等因素的影响,潜伏着发生大的森林火灾的危险。当前,建立林业防火智能监测预警及应急指挥系统,实现林区视频的自动监控、烟火准确识别、火点精确定位、火情蔓延趋势推演、扑救指挥的辅助决策、灾后评估等多方面功能,不断提升森林火灾综合防控能力显得十分紧迫和重要。森林火灾危害大,扑灭困难,于是在火灾还在萌芽状态立即扑灭显得尤为重要。森林火灾因为常常处在深山老林中,不易发现,故而发现火灾对于早扑灭火灾具有重要意义。北京和普威视借助于先进的红外热成像仪图像采集、图像探测系统、无线网络传输系统及显示系统组成的智能森林防火指挥系统以数字化、网络化视频监控为基础,与一般的网络化视频监控相比,它是一种更高端的视频监控智能化的应用。该系统能够实现无人值守不间断工作,自动对视频图像信息进行分析判断;及时发现监控区域内的异常烟雾和火灾苗头,以最快、最佳的方式进行告警和提供有用信息;能有效的协助消防人员处理火灾危机,并最大限度的降低误报和漏报现象;同时还可查看现场实时图像,根据直观的画面直接指挥调度救火。     

矿井突水水源识别的RS-LSSVM模型

为了对矿井突水水源进行准确、高效的判别,综合考虑水化学特征,选取Ca~(2+),Mg~(2+),K~++Na~+,HCO-3,SO2-4,Cl~-和总硬度7个指标的质量浓度(mg/L)作为矿井突水水源的最初判别指标。利用粗糙集(RS)理论的属性约简来筛选水化学特征指标,用以作为水源识别的核心判别指标,建立基于RS的矿井突水水源识别的最小二乘支持向量机(LSSVM)模型。选用约简处理后的13组煤矿数据对模型进行训练,再用训练好的模型对另外12组突水数据进行水源判别,并与未进行属性约简的LSSVM模型及Fisher判别分析法、随机森林方法进行对比。结果表明,利用属性约简方法可以很好地排除原始数据中的冗余信息干扰,因而能有效判别矿井突水水源,使矿井突水水源模型的误判率降低至0;而且指标约简过程可以降低LSSVM运算的复杂度,也能够提高判别效率。     

基于多尺度卷积神经网络的两阶段火灾识别算法研究

基于机器视觉的火灾识别技术对于智慧消防具有极为重要的意义。针对火焰容易受到复杂背景、不同摄像角度等因素影响,本文提出一种基于多尺度卷积神经网络的火灾高精度识别算法。算法将火灾识别任务分解成前景提取与精准识别两个阶段。在前景提取阶段,算法结合火焰运动性特点,使用帧差法对火灾候选区域进行快速提取。在精准识别阶段,算法引入空间金字塔池化模块,设计多尺度卷积神经网络进行火灾识别,实现对不同火焰尺度图像的高精度检测。在实际数据集上进行仿真实验,本文所提出算法在图像和视频领域分别取得93.6%和94.9%的火灾识别准确率,这有力证明了本文算法的有效性。     

浅谈车牌识别在智慧城市停车中的深度应用

正近几年来,车牌识别的概念被提及的越来越多。面对传统停车业务在飞速发展的城市交通面前暴露出来的停车难、寻车难、效率低下等各种问题,车牌识别无疑已成为智能交通行业发展的核心技术。车牌识别技术简单概括就是基于图像分割和图像识别的技术,对含有车辆号牌的图像进行分析处理,从而确定牌照在图像中的位置,并进一步提取和识别出文本字符。车牌识别过程包括图像采集、预处理、车牌定位、字符分割、     

基于视频的嵌入式森林火灾预警系统

针对目前我国森林火情远程监控中长时间不间断监测、建设成本高的不足,提出了一种基于视频的嵌入式森林火灾监测和报警的系统.嵌入式处理器对安插在森林监测点摄像头采集到的视频图像,通过昼间或夜间火情识别算法进行智能处理,当潜在异常确认为异常发生时,通过无线网络将火情信息传送到监控中心,交由工作人员做进一步处理,避免了长时间不间断监控.与现有其他同类系统的比较表明:该系统对于我国森林火情监测有较大的实用价值.     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

基于FTA-SVM的车辆发动机故障识别方法

发动机结构日益复杂,其故障具有多样性和频发性的特点,收集大量故障样本存在很多实施障碍。为了提高车辆发动机的故障识别的效率和准确性,提出了一种新的结合故障树(FTA)和支持向量机(SVM)各自特点,从故障模式分析到故障类型识别的FTA-SVM故障识别方法。首先利用故障树在复杂系统故障模式分析中的优势,找出系统的故障模式,建立故障树模型,通过对故障树模型中各故障事件的分析,采集与故障事件状态相关的数据,建立数据与故障树底事件的映射模型,最后利用支持向量机在小样本数据处理中的优势,进行故障类型的识别。以发动机的失火故障为例建立了发动机失火故障树模型及故障数据与故障模式映射模型,验证了FTA-SVM方法的有效性和适用性。