蔡亲玮 王潇宇 王晴

摘要：随着人类社会的发展进步，森林火灾成为了社会不可忽视的常态性多发性问题。由于森林火灾具有传播速度快、扑灭森林火灾较为困难等特点，且森林火灾一次次展示了其对于人员伤亡和财产的巨大破坏性，所以如何有效的对森林火灾的发生进行有效的监测以及预防就成为了目前的研究热点。

由于森林火灾发生的时间与地点具有不确定性，而且森林面积广阔，目前市面上的一些主流火灾检测系统无法正常的检测与识别森林火灾，故森林火灾的发生给消防员与附近群众带来了诸多安全问题。

本设计主要针对检测场所空间大、范围大，地点不确定等问题，并为此展开深入的研究与讨论，设计了一款全自动森林检测无人机，它可以通过不定期的飞行在特定的区域进行火灾检测，通过高精度的红外CCD图像传感器采集火灾现场的图片，通过视频采集卡转换为数字图像传送到监控中心，有监控中心的计算机终端利用图像处理技术对火灾图像进行识别。

一、项目的背景

近年来，随着各项自然灾害的频繁发生，人类的力量在大自然中显得微不足道，而传统的火灾报警系统只适用于小空间，小面积的环境中，且多采用烟尘检测法，而并不检测其火焰本身，所以其检测准确率低、检测灵敏度低，监测适用范围少。

随着信息传输技术、计算机技术的发展，图像AI处理技术获得了广泛的应用。图像监测识别技术的基础是视觉所接受的信息以光为传播媒介，并且图像更加具体和形象，为火灾的前期发生提供了更好的预防基础，因此可以利用图像处理技术与无人机融为一体进行火灾的监控与报警，能够更好的预防森林火灾。

由上述背景可知，我们发现目前市面上的火灾检测识别系统针对森林火灾这一特殊复杂环境场合都存在部分缺陷，为此我们着眼于森林火灾检测与识别，实现自动化的检测森林火灾，减少消防员与灭火队员的人身安全伤害，提高对森林的保护级别，面向未来开展的研究项目。

二、森林火灾监测研究现状

传统的火灾报警监测一般采用浓度检测浓度法，而并不检测火焰的温度，所以检测时间较长，并且监测的准确率低，对某些情况无法预报，比如低颗粒浓度的无烟火焰等。而现有的图像处理方法，因为设备昂贵、对环境或传感器等要求高而无法大规模推广应用。

与以往把火灾过程中的某个特征物理量作为监测对象的方案相比较。近年来，人们在研究火灾等问题时更多的将目光投入到研究火灾的预防的过程中，并已经取得与以往把火灾过程中的某个特征物理量作为监测火灾的方案相比较。近年来，火灾科学界正逐渐将注意力转移到火灾现象本身和深层次的机理研究方面，并已经取得一定的成果。

三、项目研究的意义

根据调查的结果与最近发生的森林火灾新闻，我们发现目前市面上的火灾检测识别系统针对森林火灾这一特殊复杂环境场合都存在部分的缺陷，为此我们团队着眼与森林火灾检测与识别，实现自动化的检测森林火灾，减少消防员与灭火队员的人身安全伤害，提高对森林的保护级别，面向未来开展的研究项目。火灾的探测实质就是利用传感器件感受火焰物理特征的变化，并将其转化为易处理的物理量。

四、森林火灾监测无人机主要系统的设计思路

系统有三部分组成，分别是控制系统、通信系统、识别系统。

无人机支持自动巡视和手动控制。通过预先规划监控区域，无人机自动规划路径，在整个区域上方进行巡视，巡视过程中，识别系统通过摄像头获取图像并对图像进行火焰特征识别，如果识别到火焰特征，识别系统对控制系统发送前往火焰特征所在区域的指令和火焰区域大小的数据，在前往火焰特征所在区域的过程中，如果识别系统识别到明显的火焰特征和较大的火焰区域，立即向控制系统发送火灾警告的指令和火焰区域大小的数据，控制系统接收到指令和数据后通过通信系统回传火情信息。

（一）控制系统

处于自动巡视模式时，当识别到火焰特征，首先前往火焰区域以获得足够的火焰特征样本信息，然后对火焰特征区域进行环绕飞行，从不同的角度采集火焰特征信息，以提高识别的准确性。考虑到森林所在区域特殊的空间结构，摄像头通过云台控制。当需要进入森林时，通过无人机的旋转和云台摄像头的俯仰获取无人机所在位置的空间信息，以确保无人机的安全和飞行路径的可行性，同时在飞行的过程中对飞行路径进行动态规划并记忆飞行路径，避免因为森林特殊的空间结构而导致无人机无法返航。

（二）通信系统

为了保证通信链路的完整性和数据回传的有效性，无人机和控制平台之间通过心跳包对通信链路进行监测，飞行过程中定时进行位置信息和通信信号信息的采集和记录，在进入森林时也会进行信息采集和记录，以提高信号丢失后能够自动寻回信号的可能性，也提高了数据回传的有效性，同时也支持了在特殊情况下通过预先规划路径而进行的中断通信链路时的数据采集并在通信链路恢复后的自动数据回传。

（三）识别系统

为保证火焰识别的可靠性，采用RGB 与 HIS 颜色空间模型相结合的火焰尺寸检测方法。采集到的视频帧为RGB颜色空间模型，之后转换为HIS 颜色空间模型。根据火焰的 RGB 与 HIS 主要颜色特征对视频帧进行阈值滤波，滤波后视频帧保留的像素点为火焰像素点，进而检测出火焰区域的大小，以及火焰区域所在方位。

参考文献：

[1]改进YOLOV3的火灾检测方法[J]. 罗小权，潘善亮. 計算机工程与应用. 2020（17）

[2]基于GIS的森林安全防火系统的研究[J]. 魏娜，肖冰，才丽华，佘光宇，曲航峰，何山. 林业机械与木工设备. 2019（12）

[3]可视化信息网络基础平台在森林防火工作中的应用[J]. 闫杨. 林业科技情报. 2019（03）

[4]探究数字化监控预警系统在森林防火中的作用[J]. 王红霞. 农民致富之友. 2019（04）

[5]基于显著性检测的红外森林火灾监测系统[J]. 王亚，张宝峰. 消防科学与技术. 2018（12）

[6]森林火灾监测系统的WSN改进路由算法[J]. 赵子豪，王红蕾. 消防科学与技术. 2018（09）

[7]一种智能火灾探测器系统的设计探讨[J]. 田树仁，张铁壁. 消防科学与技术. 2017（10）

[8]森林火灾领域国内外专利信息分析[J]. 曲梦茜，王武魁. 消防科学与技术. 2017（03）

[9]基于机器视觉的火灾监测系统研究[J]. 熊晓松，刘钰如，董逸君，王剑. 消防科学与技术. 2017（02）

[10]森林防火无人机系统设计与林火识别算法研究[J]. 张庆杰，郑二功，徐亮，徐伟. 电子测量技术. 2017（01）