基于卷积神经网络的森林火灾自动检测方法研究
摘要：人工神经网络是一种尝试模拟人脑的功能而产生的人工智能方法,在上个世纪末期经历了一段时间的蓬勃发展之后,再次陷入低潮。深度学习技术是受到生物学和神经学领域在动物和人脑视觉神经领域的新发现的启发,模拟视觉系统的层次化的工作模式,在人工神经网络的基础上构建具有层次化结构的深度网络模型,给人工神经网络带来了新的发展方向。卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法,具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点,在图像识别领域获得了广泛的应用。现代图像识别任务要求分类系统能够适应不同类型的识别任务,深度网络及其特例卷积神经网络是目前人工神经网络领域的研究热点,对卷积神经网络及其在不同识别任务上的应用进行研究具有重要的应用价值。本文在整理和总结了国内外有关人工神经网络和卷积神经网络的发展经过和研究成果,并对人工神经网络特别是卷积神经网络的基本概念和算法进行了总结和介绍的基础上,以经典的卷积神经网络模型为基础,将其应用到森林火灾图像识别任务当中。结合深度卷积网络方法和图像识别技术，设计一种用于林火图像的识别算法，判断森林图像中是否存在明火或者烟雾。
关键词：图像识别；森林火灾识别；深度学习；卷积神经网络
1 研究的目的及意义
近年来，由于全球气候变暖等异常气候因素的影响，全球森林火灾频发。同时，随着电网规模的不断扩大，跨越林区及山区的架空输电线路也随之增加，山火引发的输电线路跳闸故障日益突出。人工神经网络是一种尝试模拟人脑的功能而产生的人工智能方法,在上个世纪末期经历了一段时间的蓬勃发展之后,再次陷入低潮。深度学习技术是受到生物学和神经学领域在动物和人脑视觉神经领域的新发现的启发,模拟视觉系统的层次化的工作模式,在人工神经网络的基础上构建具有层次化结构的深度网络模型,给人工神经网络带来了新的发展方向。卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法,具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点,在图像识别领域获得了广泛的应用。现代图像识别任务要求分类系统能够适应不同类型的识别任务,深度网络及其特例卷积神经网络是目前人工神经网络领域的研究热点,对卷积神经网络及其在不同识别任务上的应用进行研究具有重要的应用价值。
2国内外同类研究概况
在过去几十年中，如何模仿出人类大脑所具备的高效地表述信息的能力成为人工智能领域一个核心的问题。人类每时每刻都在接收大量的感知信息数据，但却能够准确的捕捉到这些数据中的关键因素并且保存下来以备未来使用。一直到20世纪40年代，随着神经解剖学、神经生理学以及神经元的电生理过程等的研究取得了突破性的进展，人们对于人类大脑的结构组成以及基本工作单元有了越来越充分的了解和认识,研究人员开始尝试模仿人类大脑的结构和工作原理来构造能够实现一些类似于人脑这样具有识别和记忆功能的算法。国内外研究者在对深度学习结构深入研究的基础上，针对复杂背景下森林火灾的特点，设计了一种基于深度卷积神经网络的火灾识别方法。该方法可以自动从所给图像中学习特征，避免了传统图像型方法必须人工提取复杂特征的情况，降低了算法对经验知识的依赖。同时该方法直接作用于二维彩色图像，不存在图像预处理过程中信息丢失的问题，保证了信息的完整性和准确性。在训练过程中，使用替换随机初始化参数的方法 ，解决了小样本数据的问题，取得了很好的效果，分类正确率达到98％，优于其它传统方法。实验表明该方法具有良好的应用前景。
3研究内容
卷积神经网络是一种新兴的具有深度学习能力的人工神经网络系统，并且得到了广泛的关注。其具有的适应性强，善于挖掘数据局部特征，全局训练特征抽取器和分类器等优点，使得卷积神经网络应用到了模式识别中的各个领域并取得了很好的成果。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
