无人机图像采集技术在森林防火的应用

导语：无人机图像采集技术在森林防火的应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：近年来森林火灾时有发生，给人们的生命和财产安全带来了很大威胁。笔者针对无人机获取森林图像及处理分析的技术研究，介绍了无人机的特点，分析了无人机图像采集处理技术在森林火灾防控中的技术要点，旨在对森林火灾进行更好地预防和控制。

关键词：无人机；森林防火；图像处理；AI火点识别

森林火灾既是八大自然灾害之一，又是破坏森林三大自然灾害之首。科技发展到今天，人类对森林火灾的控制效果依然较差，究其原因，一方面是森林火灾发生的时间难以事先预测，另一方面因为火灾发生后，大火会借助风势及周边森林等易燃物蔓延和扩大，对森林系统甚至人类造成不可估量的危害和损失。森林火灾事件时有发生，整体来看，面临的整体防火形势依然严峻。随着社会的进步和发展，森林防火体系也在持续地完善和优化，森林火灾监测方式也呈现多样化的特点，目前无人机图像采集技术在森林火灾预防方面的应用最为广泛。无人机图像采集是借助固定翼无人机搭载吊舱/视频摄像头，无人机会根据需要不定时地在森林上空进行巡航、拍摄，从而获取不同时段的森林图像，获取的图像通过链路实时回传到地面站，再利用不同的识别算法对森林火灾进行监测预警，减少森林火灾的发生。

一、无人机概况分析

（一）无人机的结构和类型

无人机是由遥控站管理的航空器，也称遥控驾驶航空器，机上没有驾驶员，能一次或多次使用，可以自行控制也可以远程引导。无人机系统也称无人驾驶航空器系统，由飞机机体、飞控系统、数据链系统、发射回收系统等组成。其中，飞控系统是无人机系统的“心脏”，对其飞行性能起决定性的作用，对无人机的稳定性、数据传输的可靠性、精确度、实时性等都有重要影响；数据链系统可以保证对遥控指令的准确传输，保证无人机接收、发送信息的实时性和可靠性；发射回收系统则是保证无人机顺利升空，以达到安全的高度和速度飞行，并在执行完任务后，从天空安全回落到地面。按飞行平台构型的不同，可将无人机分为固定翼无人机、旋翼无人机等；按用途可分为军用、民用无人机；按照无人机的活动半径，又分为超近程（15km以内）、近程（15～50km之间）、短程（50～200km之间）无人机等；按照执行任务的高度不同，分为超低空（0～100m）、低空（100～1000m）、中空（1000～7000m）无人机等。

（二）无人机在森林防火中应用的优势

无人机使用灵活，具备全天候，受气象、环境条件影响偏小等特性。同时，机上无驾驶员，可以不用考虑人的生理承受能力和体力限制，可执行枯燥、危险、污染性大的工作，即3D任务（Dangerous，Dirty，Dull），用途广泛。无人机应用于森林防火最突出的优势在于能够快速到达现场，很好地完成林区的低空巡护任务，在火灾扑救处置过程中，提升对火点核查时效及火场环境的侦查能力。无人机所提供的火情信息，可以让森林消防队伍对火情进行宏观掌握，更好地进行火灾扑救。

二、无人机森林图像采集处理与识别分析

（一）无人机森林图像采集流程

无人机森林图像采集通常是借助固定翼无人机装载摄像头通过巡航对森林进行图像拍摄，采集过程通常包括以下流程：（1）设备地面展开；（2）根据任务对航线进行规划设计；（3）飞行前设备检查；（4）启动动力系统；（5）飞机起飞；（6）到达作业地点、作业采集；（7）返回降落；（8）飞机落地后检查维护；（9）数据后期处理。具体作业流程如图1所示。

（二）无人机森林图像处理

由于采集的图像不可避免地会受到不同程度的外界环境干扰，比如烟雾、噪声等，因此，进行正式分析识别前应对图像进行去噪复原、边缘检测、图像分割等处理，以便为后续特征提取和分析打下基础。1.森林图像降噪处理无人机采集图像过程中，噪声是图像中一个常见且占比较大的干扰因素，而产生噪声的原因也较多，包括无人机本身受外界环境干扰，比如会受到恶劣天气、强磁场等影响，噪声会对图像的处理造成大的影响，而图像降噪处理的本质是采取有效措施最大限度减少图像中噪声的处理过程，不可能消除噪声，只能尽力降低。当前一般是根据实际情况采用适合的滤波器处理图像，包括小波滤波、中值滤波和高通滤波等。2.森林图像分割处理森林图像分割选取处理是后续识别分析的基础工作，是选择敏感点、可疑点、重点关注点的过程，森林范围一般较大，不宜全面识别分析，也不利于提高工作效率。图像分割方法有灰度阈值分割、颜色分割等。彩色图像是指每个像素由RGB分量构成的图像，而森林火灾的火焰颜色在图像中较为明显，通常使用RGB彩色空间进行分割即可完成分割目的。而灰度阈值分割是通过图像灰度级选择一个较好的灰度阈值。阈值的设置是至关重要的，因为阈值过大或过小都可能产生误判或多判，不利于对目标进行分析。分割图像的前提是需要有明显颜色差异等条件，而森林图像中的土壤等灰度值同森林中的太阳光线等环境接近，形成准确的分割极为不易，实践中应注意分割方法的选择。3.森林图像边界提取森林图像的边界提取在森林防火中具有非常重要的作用，需要将分割后的森林火灾火焰的边界线从森林图像中提取出来，以便用于后期要素的提取分析，通常用的图像边界线提取算法是梯度算法。

（三）无人机森林图像特征提取与识别分析

当前，森林防火的研究多在火灾事后控制上，森林火灾的预防措施效果不佳或力度不够，有些依靠护林员巡山，效率低下，未能达到真正的森林防火目的，而无人机森林图像特征提取与识别分析能有效对森林火灾进行预防。研究发现，利用无人机对森林图像进行提取，通过对森林土壤图像灰度值进行分析，确定森林环境的湿度情况，以此判断森林火灾等危险性；火灾发生后，利用森林图像提取，针对火焰的特征，采取先进的识别算法原理，对火灾火焰目标进行识别分析等，综合利用这些技术可以为森林火灾预防及森林火灾扑救提供有力的技术支撑。1.森林图像湿度特征分析相关研究表明，在森林环境中，可以通过建立土壤图像灰度值与湿度值的关系函数，通过森林土壤图像灰度值监测森林环境的湿度，当森林中的湿度低于一定阈值时，就需要对森林进行相应的火灾预防工作，以达到森林火灾预防的目的。森林图像中土壤腐殖层像素的灰度值可以反映出土壤中的含水量，通过太阳光谱中的光反射信息可以估算出土壤腐殖层的含水量。在可见光的范围内，土壤腐殖层表面的含水量越高，则土壤图像的灰度值越小；反之，土壤中含水率越低，则图像灰度值越大。可以通过森林图像先测量土壤湿度，再获得森林图像的平均灰度值，最后建立森林土壤图像的灰度值与含水量之间的关系，从而确定预警值。2.森林火灾的火焰特征分析火灾本质是一种燃烧现象，并且伴随着发光发热的现象，一旦有火灾的发生就必然有火焰的出现。在进行森林火灾识别时，可依靠火焰颜色的分割对森林火灾图像进行有效甄别，初步确定火灾可疑区域或敏感范围。但是，由于森林火灾火焰的颜色受外界（比如阳光）干扰较大，为了能准确判定是否发生了火灾，就需要研究森林火灾火焰的特征来增强识别的科学性和准确性，因此，研究森林火灾的火焰特征显得格外重要。火焰的颜色是由焰心向焰外、由黄色到红色渐变的，其中以红色为主。而森林火灾发生后，火焰等特征一般会非常突出。火灾是动态的，火焰区域也是动态的，而非火灾是静态的或相对不变的，因此可以从固定和变化的角度考虑问题，实践中可以通过非火灾区域的面积变化来判断火灾发生的区域。由于森林火灾的火焰受风等因素影响很大，其圆形度较小（周长与面积的比值），而太阳光的圆形度一般接近1，所以当圆形度与1偏离较大时，则为火灾发生区域。实践中可以将此特征作为森林火焰的判断依据之一。另外，森林火灾发生后，火焰受到风等外界因素的影响，火焰的边缘会产生抖动现象，呈现在森林图像上，边缘曲线会呈现锯齿状，或者出现许多的尖顶点。但相对太阳光等稳定的光源，虽然在图像上也会存在尖角，但数量上基本稳定，不会大量出现。相比而言，森林火灾火焰由于外部干扰因素多，其尖角特征是动态的，会随着火势而持续变化。因此，也可以通过识别火焰的尖角特征来区分森林火灾火焰和其他干扰光源。3.利用森防AI火点识别森林防火最理想的技术手段是采用全天候、高密度、高精度的无人机图像采集技术对森林火灾进行监测，采用这种巡航、采集、处理、分析、识别报警、火点定位一体化系统将为森林防火作出强有力的贡献。基于森防巡查过程AI火点识别自动预警的技术是无人机森林图像最直接的提取与识别分析方法，通过人工智能技术，系统采用不同的光学相机进行拍摄，并根据照片的拍摄参数，来自动识别出火点/火情，在查全率和查准率上实现大幅提升，同时通过应用系统进行自动预警，提升森防巡检作业效率。实践中，应结合多种方法，增强识别判定结果的可靠性，提高预防森林火灾的能力。

三、无人机图像采集技术在森林防火中的应用

（一）无人机图像采集技术在森林防火中的应用现状

无人机在实际应用过程中表现出了自身的优势及价值，长远来看，在森林防火工作中，无人机的应用将越来越广泛，对森林防火工作相当有利。一方面，无人机图像采集技术的应用可明显降低森林防火的工作强度，通过图像采集与识别分析，无须实地巡检就能大范围地掌握森林火灾形势，大大降低了防火工作的难度；另一方面，无人机图像采集技术的应用，明显提升了森林防火的工作效率。森林面积一般较大，且火灾具有突发性特点，需要及时发现、及时处理，避免火灾蔓延。通过合理使用无人机图像采集技术可监测可视范围内任一角落，及时发现火灾隐患。然而，无人机森林图像采集技术的实际应用过程中，其作用并没有完全展现出来。从无人机的普及度比较小到森林工作人员未能熟练掌握无人机及森林图像处理技术等，都造成了无人机森林图像采集技术未能从根本上发挥其价值。另外，我国无人机森林图像采集技术水平与世界水平还存在一定差距，仍需深入研究。总体来看，无人机图像采集技术在森林防火中的应用范围还不够广，还不够深入，存在技术体系不完善，管理措施不到位，硬件配套不齐全等劣势，与当前森林防火的严峻形势不匹配，对于满足森林防火的实际需要仍差距较大。

（二）无人机图像采集技术在森林防火中的应用前景

一方面，无人机图像采集技术获取的森林图像具有高效率、高精度、大范围等特点；且无人机能按照设定的线路飞行，能够全天候、全方位监测林区，机动灵活性强，成本低，且能识别可疑目标，对重点目标进行重点监测，常规目标常规监测，且在不良环境下依然具备监测能力，为森林防火数据采集、处理、分析提供了强大的技术支撑，由此可见，无人机图像采集技术在森林防火中的应用前景将更加广阔。另一方面，无人机森林图像采集的应用技术体系将更加完善，技术手段将更加智能化、便捷化。随着社会的不断进步，技术的不断迭代、更新，森林防火的体系将会更加完善，不论是技术上，还是管理、应用上，将形成地空一体的全方位综合体系，不断地加强新技术和应用研究，比如，在无人机动力方面，可以考虑采用新能源、新技术提高无人机的续航时间、承载能力；再比如，在数据链传输的安全性和可靠性方面，尤其是海量数据的传输，在森林图像处理分析识别技术的深度和效率方面，以及在新材料、新软件的研发应用等方面都将朝着智能化、便捷化等方向发展，从而提高森林图像采集和处理效率等。

四、结语

未来，会有更加先进的技术及设备应用到森林防火工作中，但无人机图像采集技术在森林防火中的应用前景仍不可小觑，仍需加强这方面的研究，使森林防火工作变得更加便捷、高效、智能，为国家森林资源保护作出应有的贡献。

参考文献：

[1]韩美林.基于数字图像的火焰识别算法研究与仿真[J].科技经济市场,2018(09):11-12.

[2]贾艳成.基于红外图像的森林火灾识别技术研究[D].成都:电子科技大学,2015.

[3]郑昕然.基于图像处理技术的火灾识别方法的应用[J].电子技术与软件工程,2019(01):66.

[4]李玲,张旭,贾磊磊.火焰图像分割算法研究[J].科技视界,2015(33):105-106.

[5]李玲.基于视频图像的火灾识别研究[D].广州:华南理工大学,2012.

作者：邢志斌 王培毅 伍刚 单位：山西航空产业集团有限公司 山西通用航空无人机有限公司 成都纵横大鹏无人机科技有限公司