兰元帅 何晋

(成都信息工程大学软件工程学院,四川 成都 610225)

森林资源是人类的重要资源，在净化环境的同时给人类带来多样的物种资源。但是，我国每年都有不少森林防火不当引起的灾难和损失。

早期森林防火仅依靠人工观测技术，不仅精度低，而且实时性差。在森林防火中传感器技术带来了较大影响，但对于大面积的森林空间，传统的传感技术并不是很有效[1]。由于空间距离大，传感器无法快速采集烟气变化信息，有效探测火灾情况。目前，森林火灾的探测方法大多是红外探测方法，具有火灾探测精度高的特点，但红外探测系统的探测算法易受到外界干扰，火灾早期烟雾微弱时探测精度较低[2]。

通过深度学习方法训练目标检测模型，运用树莓派4B搭载YOLOv3机器视觉模型对火焰智能识别，采用这种森林防火方法，抗干扰能力强，检测精度高。本系统采用树莓派4B+，性能强、价格低、功耗低、体积小，能很好地解决森林防火中因环境特殊性带来的防火预警不及时的问题，具有一定的推广价值。

1 系统的流程设计

森林防火系统采用模块化的设计理念，主要由Gan网络数据生成模块、YOLOv3目标检测模块、实时图像采集模块、动态报警系统4部分组成，系统总体框图如图1所示。

图1 系统总体框架图

1.1 Gan网络数据生成模块

数据处理是模型训练过程中很重要的一步。通过将烟雾和明火的图片数据输入到图片生成Gan模型进行训练，图片生成Gan模型训练成熟后再输入固定格式的编码即可生成大量目标图片数据，以此降低寻找大量训练图片数据的成本，再将由图片生成Gan模型的生成的目标图片数据根据需求进行标注，标注后的图片数据进行归一化处理，加快网络训练的收敛性；……