基于北斗定位与感知的森林防火监测方法及系统
申请人信息
- 申请人:广东邦盛北斗科技股份公司
- 申请人地址:528325 广东省佛山市顺德区杏坛镇德富路68号顺德智创园4号楼11楼之一
- 发明人: 广东邦盛北斗科技股份公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于北斗定位与感知的森林防火监测方法及系统 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311851943.0 |
| 申请日 | 2023/12/29 |
| 公告号 | CN117523499B |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06V20/52 |
| 权利人 | 广东邦盛北斗科技股份公司 |
| 发明人 | 李华栈; 苏鑫煌; 蔡升沿; 彭文斌 |
| 地址 | 广东省佛山市顺德区杏坛镇德富路68号顺德智创园4号楼11楼之一 |
摘要文本
广东邦盛北斗科技股份公司取得“一种透气窗帘布”专利技术,本发明涉及数据处理技术领域,具体涉及基于北斗定位与感知的森林防火监测方法及系统,在本发明实施例中,考虑到火灾征兆特征描述变量的特征表达形式为整数型,因而可以提高后续特征分析处理的时效性,减少运算资源开销,这样可以快速实现目标潜在火灾预判图的配对。此外,火灾征兆特征描述变量的整数型特征表示能够反映监测图像在不同注意力通道是否存在相应的特性,这样可以确保火灾监测的特征表达丰富性和全面性,当基于火灾征兆特征描述变量进行潜在火灾预判时,能够确保潜在火灾预判的全面性。综上,本发明的方案能够提高针对多维传感定位监测图像的潜在火灾预判准确性和及时性,从而实现高效、科学且合理的火灾监测防控。
专利主权项内容
1.一种基于北斗定位与感知的森林防火监测方法,其特征在于,应用于森林防火监测系统,所述方法包括:将待处理多维传感定位监测图像加载至火灾征兆识别网络进行火灾征兆特征挖掘,得到火灾征兆特征描述变量;确定潜在火灾预判图对应的潜在火灾趋势描述变量,所述潜在火灾趋势描述变量是基于所述火灾征兆识别网络对所述潜在火灾预判图进行潜在火灾趋势分析后得到;获取所述火灾征兆特征描述变量与所述潜在火灾趋势描述变量的防火监测联系特征,其中,所述防火监测联系特征表征所述火灾征兆特征描述变量与所述潜在火灾趋势描述变量在对应防火监测注意力通道的区别;基于所述防火监测联系特征,从所述潜在火灾预判图中确定与所述待处理多维传感定位监测图像配对的目标潜在火灾预判图;其中,所述火灾征兆识别网络是基于多维传感定位监测图像调试样例的火灾征兆特征描述变量调试样例以及不同所述多维传感定位监测图像调试样例之间的牵涉特征进行调试后得到,所述火灾征兆特征描述变量调试样例基于对所述多维传感定位监测图像调试样例的图像描述特征挖掘信息进行特征映射后得到,所述图像描述特征挖掘信息基于对所述多维传感定位监测图像调试样例进行图像描述特征挖掘所得;其中,所述获取所述火灾征兆特征描述变量与所述潜在火灾趋势描述变量的防火监测联系特征,包括:确定所述火灾征兆特征描述变量和所述潜在火灾趋势描述变量在各个注意力通道的特征映射值的区别,得到注意力通道差异变量;基于各个注意力通道的注意力通道差异变量,确定所述火灾征兆特征描述变量和所述潜在火灾趋势描述变量的防火监测联系特征;其中,所述基于所述防火监测联系特征,从所述潜在火灾预判图中确定与所述待处理多维传感定位监测图像配对的目标潜在火灾预判图,包括:将所述注意力通道差异变量皆不小于0的防火监测联系特征作为目标防火监测联系特征;将所述目标防火监测联系特征对应的潜在火灾趋势描述变量作为目标潜在火灾趋势描述变量;将所述目标潜在火灾趋势描述变量对应的潜在火灾预判图作为目标潜在火灾预判图;其中,所述将待处理多维传感定位监测图像加载至火灾征兆识别网络进行火灾征兆特征挖掘,得到火灾征兆特征描述变量之前,所述方法还包括:获取待调试火灾征兆识别网络和知识图谱单元调试样例集合,所述知识图谱单元调试样例集合包括最少两个具有传递联系的知识图谱单元调试样例,每个知识图谱单元调试样例对应最少两个关联的多维传感定位监测图像调试样例;从所述知识图谱单元调试样例集合对应的多维传感定位监测图像调试样例中选取初筛多维传感定位监测图像调试样例、所述初筛多维传感定位监测图像调试样例对应的多维传感定位监测图像积极调试样例以及所述初筛多维传感定位监测图像调试样例对应的多维传感定位监测图像消极调试样例;基于所述知识图谱单元调试样例的知识传递特征确定所述初筛多维传感定位监测图像调试样例、所述多维传感定位监测图像积极调试样例和所述多维传感定位监测图像消极调试样例之间的牵涉特征;通过所述待调试火灾征兆识别网络,得到所述初筛多维传感定位监测图像调试样例对应的火灾征兆特征描述变量调试样例、所述多维传感定位监测图像积极调试样例对应的火灾征兆特征描述变量积极调试样例,以及所述多维传感定位监测图像消极调试样例对应的火灾征兆特征描述变量消极调试样例;基于所述火灾征兆特征描述变量调试样例、所述火灾征兆特征描述变量积极调试样例、所述火灾征兆特征描述变量消极调试样例以及所述牵涉特征对所述待调试火灾征兆识别网络进行调试,得到火灾征兆识别网络;其中,所述基于所述火灾征兆特征描述变量调试样例、所述火灾征兆特征描述变量积极调试样例、所述火灾征兆特征描述变量消极调试样例以及所述牵涉特征对所述待调试火灾征兆识别网络进行调试,得到火灾征兆识别网络,包括:基于所述火灾征兆特征描述变量调试样例与所述火灾征兆特征描述变量积极调试样例的防火监测联系特征,以及所述火灾征兆特征描述变量调试样例与所述火灾征兆特征描述变量消极调试样例的防火监测联系特征,确定防火监测联系识别代价函数;确定与所述初筛多维传感定位监测图像调试样例关联的过往多维传感定位监测图像调试样例,基于所述初筛多维传感定位监测图像调试样例与所述过往多维传感定位监测图像调试样例的防火监测联系特征,确定特征分团代价函数;确定所述初筛多维传感定位监测图像调试样例对应的防火应急预案标签,基于所述初筛多维传感定位监测图像调试样例与所述防火应急预案标签的防火监测联系特征,确定防火应急预案识别代价函数;确定所述初筛多维传感定位监测图像调试样例对应的前后序图像调试样例,基于所述初筛多维传感定位监测图像调试样例与所述前后序图像调试样例的防火监测联系特征,确定前后序配对代价函数;基于所述火灾征兆特征描述变量调试样例、所述火灾征兆特征描述变量积极调试样例、所述火灾征兆特征描述变量消极调试样例、所述牵涉特征、以及所述防火监测联系识别代价函数、所述特征分团代价函数、所述防火应急预案识别代价函数和所述前后序配对代价函数对所述待调试火灾征兆识别网络进行调试,得到火灾征兆识别网络。。 (来源 马克数据网)