森林野火预警的小目标检测算法研究.pdfVIP

摘要

为了摆脱林火事故频发的困境，高效预防并遏制突发性森林野火的发生与蔓

延，采用智能化，自动化的森林野火检测系统不可或缺。本文系统性分析森林野

火检测的相关理论与研究现状，针对目前方案检测速度慢，检测精度低的问题，

在现有目标检测方案基础上应用深度学习技术，提出了一种针对森林野火的高效

检测及预警方法，主要内容可以分为以下几个部分。

由于森林野火的突发性以及火灾发生现场自然条件复杂，采用卫星或无人机

航拍得到的火灾现场图像可获取信息较少，本文所提出目标检测网络均采用小样

本量的航拍林火图像数据进行训练，并针对性的制作小目标检测数据集以应对林

火初期目标较小较少的状态，力求在林火发生初期对实现及时检测并预警。

文中以现行的目标检测流程框架为基础，结合森林野火的本身特性提出了森

林野火识别与检测的总体框架与具体流程，并采用YOLOv5与FasterR-CNN目

标检测算法分别进行实验测试以考察其可行性。对比分析采用不同算法的检测性

能，实验结果表明基于YOLOv5算法的性能远优于传统目标检测算法，并在检

测速率与检测精度上均优于FasterR-CNN算法，同时对于视频检测中火焰形态无

规则变化情况下检测效果明显较好。

针对远距离监测下林火目标较小，且神经网络在特征提取过程中对小目标特

征获取不全面的问题，本文提出了一种改进型的YOLOv5算法以提高网络模型

的小目标检测性能。一方面在数据输入端采用Mosaic9数据增强方法以提高网络

对输入图像数据的特征提取性能，在检测端新增小目标检测层增大网络感受野；

另一方面将原有的FPN+PAN特征融合方式替换成BIFPN特征融合以促进不同特

征层的迭代重叠和多维特征的融合；最后还引入了CBAM注意力模块提高提取目

标的关键特征的能力。

在基于上述优化方案的基础上，本文综合提出一种针对森林野火的检测算法，

通过训练测试及验证实验对该检测方法进行实验分析，实验结果表明改进后的目

标检测模型能够实现对图像或视频中的火焰区域高效的识别，为森林野火预警提

供火灾位置与火势相关信息。

关键词：森林野火预警，卷积神经网络，小目标检测，YOLOv5算法

ABSTRACT

Inordertoescapefromtheplightoffrequentforestfireaccidentsandtoefficiently

preventandcontaintheoccurrenceandspreadofsuddenforestwildfires,anintelligent

andautomatedforestwildfiredetectionsystemisindispensable.Thisthesis

systematicallyanalysesthetheoryandresearchstatusofforestwildfiredetection,and

proposesanefficientdetectionandearlywarningmethodforforestwildfiresbasedon

theexistingtargetdetectionschemebyapplyingdeeplearningtechnologytoaddressthe

problemsofslowdetectionspeedandlowdetectionaccuracy.

Duetothesuddennessofforestwildfiresandcomplexnaturalconditionsofthefire

site,thefiresiteimagesobtainedfromthesatelliteorUAVaerialphotographyhaveless

informationtoobtain，sotheproposedtargetdetectionnetworkusessmallsamplesize

ofaerialphotography