- 研究背景及意义
几十年来，在我国大力发展经济的同时，在短时间内便实现了工业化，随着工业化而来的就是大小各种工厂和产业的建立，大量的工业废气排放也因此随之增加。在历史上由于大量工业废气的排放，曾造成过著名的比利时马斯河谷延误事件、伦敦烟雾事件、日本四日市哮喘事件、美国洛杉矶光化学烟雾事件等，不仅仅给地球环境造成不小的危害，还严重危及人民的生命安全。如今我国总的二氧化碳排放量占据了全球约28%，也是世界上最大的能源消费和温室气体排放国，然而我国环境对于废气的承载量是有限的，所以为了应对环境问题和保障人民生命健康，我国对于环境保护加大了力度，制定了大量相关政策。如限制工厂排放制定标准，放弃了大量的落后产能等，在第75届联合国大会期间，我国甚至定下了在2060年实现碳中和的伟大目标。
在对工业烟雾排放的治理，并非是因噎废食的事情，不会因为危害而放弃发展，所以为了可持续性发展制定了工厂的排放量标准。然而由于我国幅员辽阔，大小工厂无数，并不能有效的实时监测全国上下大小工厂所有的排放情况，这对我国的环境治理工作造成不小的压力。现在急需一种可以大大提高检测工业烟雾排放的手段。
近年来，随着计算机性能的不断提升，深度学习早已被广泛应用于各个领域，尤其是卷积神经网络在图像识别方面具有无接触、高精度的特点。到目前为止，在图像识别领域的每一个重大突破无一不是用到了卷积神经网络技术。以卷积神经网络衍生而来的众多网络模型，可以直接以图像为输入，无需对图像进行任何预处理和额外的特征提取等操作，以其特有的细粒度特征提取方式使得对图像的处理达到了近乎人类水平
所以引进深度卷积网络在检测工业排烟雾排放情况是将来发展的必然趋势，基于深度卷积网络的工业烟雾排放识别对于工业排放监测方面有着重要的作用，对于国家的环境治理定然会发挥巨大的作用。
- 国内外研究概况
对于烟雾识别方法，一直以来都是对图像的预处理、特征提取以及类识别等流程，然而随着计算机视觉技术的不断发展，人们已经探索除了更多种烟雾的特征表示和提取方法。提取方法上有图像识别、显著特征、多特征融合等，而在特征的表示方面出现了从烟雾的颜色特征、纹理特征、透明度、形状以及运动特征等方面的分析。
Truong等人提出了一种用来分析烟雾运动区域的颜色特征算法，然后利用运动向量、烟雾区域面积变化以及表面粗糙度组成特征[1]；Chen利用烟雾的颜色通常是黑色或灰色这一特性将RGB三通道的颜色分量与HIS颜色空间种的亮度I分量相结合，建立了色彩判别模型，利用具体的判别条件实现对烟雾的判别[2]；
兰久强等人提出基于颜色和纹理特征的林火烟雾识别方法，首先用颜色特征确定烟雾疑似区域，随后采用局部二值模式方差提取意思区域纹理的不规则度特征产生LBP图像，然后利用小波变换分解LBP图像并提取模糊度、复杂度和相关度特征，最后利用支持向量机（SVM）进行烟雾识别[3]。
郑璐、陈俊周等人也曾为了提高视频烟雾检测的准确性,有效排除视频中类似烟雾运动的物体,降低对环境光照变化产生的误检,提出了基于运动和颜色改进的烟雾检测算法。该算法能有效克服被检测场景光照的变化、背景混乱运动、以及运动目标阴影带来的干扰。它由两部分构成:烟雾运动检测和烟雾颜色特征的提取。该算法通过运动分割的方法检测出运动的像素,把归一化rgb空间颜色模型引入,以剔除疑似烟雾区域的干扰,并有效减小光照变化等影响[2]。此后陈俊周等人继而提出了一种静态和动态特征结合的卷积神经网络视频烟雾检测框架，在静态单帧图像检测的基础上，进一步分析其时空域上的动态纹理信息以克服复杂环境的干扰[4]。
袁非牛等人通过分析早期烟雾运动规律，早期曾提出了一种基于运动积累和半透明的视频烟雾检测模型。由于烟雾通常从阴燃点持续冒出，因而通过积累模型度量运动像素的累计层度，能够很好的捕捉这种早期的火灾时空视觉特征，同时有效的抑制噪声的干扰。根据烟雾的模糊和部分遮挡背景特性,提出了一种基于高通滤波的半透明遮挡快速模型。半透明模型能有效地表征烟雾遮挡的半透明特性。实验结果表明,累积和半透明模型相结合提高了鲁棒性、增强了抗干扰性,明显地提高了探测的准确率[5]。
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。
