基于DJI M300rtk的森林火灾检测与定位系统研究

作     者：周中贤 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：张友民;辛菁

授予年度：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0838[工学-公安技术] 0802[工学-机械工程] 

主      题：森林火灾 无人机 识别与分割 火点定位 

摘      要：森林火灾是严重威胁森林生态安全的自然灾害之一,快速、准确地对森林火灾进行检测与定位是保障森林生态安全的关键。传统的森林火灾检测方法存在着诸多不足,如覆盖范围有限、响应速度慢、检测精度低等问题。无人机凭借快速、灵活等优势可以为森林消防与应急响应提供全面、有效的技术支持。因此,本文围绕无人机实现森林火灾的检测与定位进行研究,构建了一套基于DJI M300rtk无人机的森林火灾检测与定位系统。通过机载检测算法实现火灾的准确检测与定位,同时借助分割算法对火灾区域进行精确界定,最终实现森林火灾的准确检测与定位。本文主要工作如下: (1)提出了一种基于改进Mobilenetv2的机载无人机森林火灾识别算法。针对机载边缘处理器难以对无人机森林火灾图像进行实时、精准识别的问题,利用多分支卷积结构和CBAM注意力机制对Mobilenetv2网络进行改进,提高网络对多尺度特征的提取能力和对重要特征的表征能力,并且通过调整网络的膨胀因子使网络在维持识别精度不变的同时降低参数量与计算量。改进后的算法在FLAME火灾数据集的准确率为83.16%,机载端检测速度为25FPS。实验结果表明,改进后的算法在识别精度和推理速度上均有所提升,基本满足了机载端实时检测的需求。 (2)提出了一种基于改进Deepplabv3+的森林火灾语义分割算法。针对无人机森林火灾分割小目标精度低、实时性差的问题,对Deepplabv3+语义分割网络进行改进。利用Shufflenetv2网络重构分割网络的主干特征提取网络,以减少网络的计算参数,引入循环十字交叉注意力机制和有效通道注意力机制,增强网络对特征的全局捕捉能力并提升模型对关键信息的关注程度;最后将轻量化上采样算子替换双线性插值使网络分割边界更清晰。改进后的分割算法在FLAME分割数据集和自制数据集上分别取得了 94.68%和92.06%的MPA以及88.94%和81.95%的MIOU,并且改进后的网络的推理速度达59FPS。实验结果表明,改进后的算法在分割精度、推理速度以及对有遮挡小目标的分割能力上均有所提升,具有较高的准确性和鲁棒性。 (3)设计并构建了一套驻于DJI M300rtk无人机森林火灾检测与定位系统。该系统以DJIM300rtk无人机、H20T多传感器相机、云冠2-s边缘处理器为核心组件,包括路径巡检、火灾检测和火灾定位三个关键子模块。将改进的森林火灾识别算法与红外图像阈值分割算法部署至机载边缘处理器,对实时采集的双光图像进行火灾检测;利用全覆盖路径规划算法对目标地块进行巡检路线规划;使用云台控制、全球地理信息技术和坐标变换对火点进行定位。利用实验对系统功能进行总结验证,实验结果表明,本文构建的森林火灾检测与定位系统在小目标火点检测、自主巡检以及火点定位等方面均表现出色,能够实现对既定林区的自主巡检与火点定位。