基于卷积神经网络的林火烟雾检测

摘要：

[目的]随着卫星遥感技术的蓬勃发展,卫星遥感已成为林火监测的重要手段.林火发生初期,由于燃烧温度不高致使卫星红外波段接收不到足以成像的能量辐射.林火发生时会首先产生烟雾,采用深度学习方法利用气象卫星影像进行林火烟雾检测,相较于利用卫星红外通道监测林火而言可更早地发现林火.[方法]以高时间分辨率国产静止气象卫星FY-4A数据为基础,采集研究区内 1 500 张林火烟雾图像和 1 500 张云图像作为数据集,以 4︰1 的比例划分训练集与验证集并进行数据预处理,采用卷积神经网络AlexNet、MobileNet、ResNet及Inception-ResNet(IRNet)结构对数据集进行实验分析,采用准确率、精确率、召回率和Kappa系数评价模型的总体效果,选取最优结果建立基于卷积神经网络的林火烟雾检测模型.[结果]利用准确率、精确率、召回率及Kappa系数定量评价各模型的总体效果,得出AlexNet模型的准确率达 89.3%,精确率达100%,召回率达 78.7%,Kappa系数为 78.7%;MobileNet模型的准确率达 98.2%,精确率达 99.7%,召回率达 96.7%,Kappa系数为 96.3%;ResNet模型的准确率达 98.0%,精确率达 100%,召回率达 96.0%,Kappa系数为 96.0%;IRNet模型的准确率达 99.8%,精确率达 100%,召回率达 99.7%,Kappa系数为 99.7%.IRNet模型的总体效果高于AlexNet模型、MobileNet模型与ResNet模型,选取IRNet为林火烟雾检测的最优模型.[结论]利用高时效性FY-4A静止气象卫星遥感数据,采用IRNet模型进行林火烟雾检测的总体效果最好,能有效地减少卫星监测时的林火漏判和迟判现象,提高对森林火灾的早期监测预警能力.

关键词：卷积神经网络、林火烟雾、图像识别、IRNet模型、林火监测、FY-4A

所属期刊栏目：43

分类号：S762.3(森林保护学)

资助基金：国家自然科学基金;湖南省科技创新平台与人才计划项目

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：23-31,64