基于无人机系统所捕获烟雾时序分析的遮蔽野火火焰检测
计算机视觉与模式识别
2023-07-04 v1 人工智能
机器学习
摘要
本研究论文探讨了利用仅配备 RGB 相机的无人机实时检测遮蔽野火（火焰被树木、烟雾、云层及其他自然屏障遮挡时）的挑战。我们提出一种基于视频序列中烟雾模式时序分析的语义分割新方法。我们的方法采用基于深度卷积神经网络架构的编码器-解码器架构，使用预训练 CNN 编码器与 3D 卷积进行解码，同时利用特征的顺序堆叠以利用时间变化。预测的火灾位置可协助无人机有效扑救森林火灾，并在确切火焰位置投放阻燃剂。我们将方法应用于从 FLAME2 数据集（包含 RGB 视频与 IR 视频以确定真值）派生的精选数据集。我们提出的方法具有检测遮蔽火灾的独特性质，在测试数据上达到 85.88% 的 Dice 分数、92.47% 的高精度与 90.67% 的分类准确率，视觉检视显示前景良好。事实上，在视频级火灾分类方面，我们使用 MobileNet+CBAM 作为编码器骨干获得了约 100% 的准确率，因而以显著优势超越其他方法。
引用
@article{arxiv.2307.00104,
title = {Obscured Wildfire Flame Detection By Temporal Analysis of Smoke Patterns Captured by Unmanned Aerial Systems},
author = {Uma Meleti and Abolfazl Razi},
journal= {arXiv preprint arXiv:2307.00104},
year = {2023}
}
备注
6 pages, 6 figures