基于边缘计算的森林火警监测系统

doi:10.11959/j.issn.2096-0271.2019015

大数据 ›› 2019, Vol. 5 ›› Issue (2): 79-88.doi: 10.11959/j.issn.2096-0271.2019015

所属专题：边缘计算

基于边缘计算的森林火警监测系统

张科¹,叶影¹,张红²

¹ 浙江省林业技术推广总站（浙江省林业信息宣传中心），浙江杭州 310020
² 北京航天泰坦科技股份有限公司，北京 100071

出版日期:2019-03-15 发布日期:2019-04-04
作者简介:张科（1978- ），女，浙江省林业技术推广总站（浙江省林业信息宣传中心）副研究馆员、副主任，主要研究方向为“互联网+林业”、林业信息安全等。|叶影（1986- ），女，浙江省林业技术推广总站（浙江省林业信息宣传中心）中级工程师，主要研究方向为地理信息系统、遥感、“互联网+林业”、网络安全等。|张红（1993- ），女，北京航天科技股份有限公司技术工程师，主要研究方向为林业信息化。
基金资助:
浙江省科技计划基金资助项目(2017C02044)

Forest fire monitoring system based on edge computing

Ke ZHANG¹,Ying YE¹,Hong ZHANG²

¹ Zhejiang Forestry Technology Extension Center(Zhejiang Forestry Information Technology and Publicity Centre),Hangzhou 310020,China
² Beijing Aerospace Titan Technology Co.,Ltd.,Beijing 100071,China

Online:2019-03-15 Published:2019-04-04
Supported by:
The Science and Technology Program of Zhejiang(2017C02044)

摘要/Abstract

摘要：

云计算和图像处理技术的应用极大地改变了森林火警监测的方式。基于云架构的森林火警监测技术在检测实时性和图像算法可配置性方面均存在不足。为了解决这些问题，设计了一种基于边缘计算的森林火警监测系统。系统采用边缘计算的方式，利用森林监测站的边缘计算机或服务器执行火灾检测的图像处理任务，提高了火灾检测和预警的实时性。另外，系统引入了算法重配置的功能模块，以便火灾识别算法的迭代与更新，减少了系统二次开发的成本，进一步增强了系统的实用性。

关键词: 森林火警监测, 云计算, 边缘计算

Abstract:

The application of cloud computing and image processing technology has greatly changed the way of forest fire monitoring.The forest fire monitoring system based on cloud architecture has shortcomings in real-time detection and image algorithm configuration.In order to solve these problems,a forest fire monitoring system based on edge computing was designed.This system adopts the edge computing method and uses edge computers or servers in forest monitoring stations to perform image processing tasks of fire detection,which significantly improves the real-time performance of fire detection and early warning.On the other hand,the system introduces a function module for algorithm reconfiguration,which facilitates the iteration and update of the algorithms,reduces the cost of system redevelopment,and further improves the practicability of the system.

Key words: forest fire monitoring, cloud computing, edge computing

中图分类号:

S762.2

张科, 叶影, 张红. 基于边缘计算的森林火警监测系统[J]. 大数据, 2019, 5(2): 79-88.

Ke ZHANG, Ying YE, Hong ZHANG. Forest fire monitoring system based on edge computing[J]. Big Data Research, 2019, 5(2): 79-88.

图/表 8

表1

图1

图2

图3

图4

图5

表2

图6

参考文献 19

[1]	林宏, 刘志刚, 赵同林 ,等. 基于视频的林火烟雾识别算法研究[J]. 安全与环境学报, 2013,13(2): 210-214.
	LIN H , LIU Z G , ZHAO T L ,et al. Improved algorithm for smoking identification of the forest fire based on the video survey[J]. Journal of Safety and Environment, 2013,13(2): 210-214.
[2]	沈诗林, 于春雨, 袁非牛 ,等. 一种基于视频图像相关性的火灾火焰识别方法[J]. 安全与环境学报, 2007,7(6): 96-99.
	SHEN S L , YU C Y , YUAN F N ,et al. Renovated method for identifying fire plume based on image correlation[J]. Journal of Safety and Environment, 2007,7(6): 96-99.
[3]	刘亚秋, 景维鹏, 井云凌 . 高可靠云计算平台及其在智慧林业中的应用[J]. 世界林业研究, 2011,24(5): 18-24.
	LIU Y Q , JING W P , JING Y L . High reliable cloud computing platform and its application in smarter forestry[J]. World Forestry Research, 2011,24(5): 18-24.
[4]	陈康, 郑纬民 . 云计算:系统实例与研究现状[J]. 软件学报, 2009,20(5): 1337-1348.
	CHEN K , ZHENG W M . Cloud computing:system instances and current research[J]. Journal of Software, 2009,20(5): 1337-1348.
[5]	徐小军, 郑健, 郭尚芬 . 火灾图像探测的神经网络方法研究[J]. 计算机工程与设计, 2008,29(13): 3416-3418.
	XU X J , ZHENG J , GUO S F . Study on neural network method of fire image detection[J]. Computer Engineering and Design, 2008,29(13): 3416-3418.
[6]	傅天驹, 郑嫦娥, 田野 ,等. 复杂背景下基于深度卷积神经网络的森林火灾识别[J]. 计算机与现代化, 2016(3): 52-57.
	FU T J , ZHENG C E , TIAN Y ,et al. Forestfire recognition based on deep convolutional neural network under complex background[J]. Computer and Modernization, 2016(3): 52-57.
[7]	FRIZZI S , KAABI R , BOUCHOUICHA M ,et al. Convolutional neural network for video fire and smoke detection[C]// The 42nd Annual Conference of the IEEE Industrial Electronics Society,October 23-26,2016,Florence,Italy. Piscataway:IEEE Press, 2016: 877-882.
[8]	MUHAMMAD K , AHMAD J , LV Z ,et al. Efficient deep CNN-based fire detection and localization in video surveillance applications[J]. IEEE Transactions on Systems,Man,and Cybernetics:Systems, 2018(99): 1-16.
[9]	ZHANG Q , LIN G , ZHANG Y ,et al. Wildland forest fire smoke detection based on faster R-CNN using synthetic smoke images[J]. Procedia Engineering, 2018,211: 441-446.
[10]	施巍松, 孙辉, 曹杰 ,等. 边缘计算:万物互联时代新型计算模型[J]. 计算机研究与发展, 2017,54(5): 907-924.
	SHI W S , SUN H , CAO J ,et al. Edge computing-an emerging computing model for the internet of everything era[J]. Journal of Computer Research and Development, 2017,54(5): 907-924.
[11]	YUAN C , LIU Z , ZHANG Y . Fire detection using infrared images for UAV-based forest fire surveillance[C]// 2017 International Conference on Unmanned Aircraft Systems (ICUAS),June 13-16,2017,Miami,USA. Piscataway:IEEE Press, 2017: 567-572.
[12]	CASBEER D W , BEARD R W , MCLAIN T W ,et al. Forest fire monitoring with multiple small UAVs[C]// 2005 American Control Conference,June 8-10,2005,Portland,USA. Piscataway:IEEE Press, 2005.
[13]	MORVAN D , DUPUY J L . Modeling of fire spread through a forest fuel bed using a multiphase formulation[J]. Combustion and flame, 2001,127(1-2): 1981-1994.
[14]	唐晓燕, 孟宪宇, 易浩若 . 林火蔓延模型及蔓延模拟的研究进展[J]. 北京林业大学学报, 2002,24(1): 87-91.
	TANG X Y , MENG X Y , YI H R . Review and prospect of researohes on forest fire spreading models and simulating method[J]. Journal of Beijing Forestry University, 2002,24(1): 87-91.
[15]	张菲菲 . 基于地理元胞自动机的林火蔓延模型与模拟研究[D]. 汕头:汕头大学, 2011.
	ZHANG F F . Research on the model and simulation of the forest fire spread based on geographic cellular automata[D]. Shantou:Shantou University, 2011.
[16]	CHEN T H , WU P H , CHIOU Y C . An early fire-detection method based on image processing[C]// 2004 International Conference on Image Processing,October 24-27,2004,Singapore. Piscataway:IEEE Press, 2004: 1707-1710.
[17]	KRIZHEVSKY A , SUTSKEVER I , HINTON G E . Imagenet classification with deep convolutional neural networks[C]// The 25th International Conference on Neural Information Processing Systems,December 3-6,2012,Lake Tahoe,USA.Miami:Curran Associates Inc. , 2012: 1097-1105.
[18]	LEE D S . Effective Gaussian mixture learning for video background subtraction[J]. IEEE Transactions on Pattern Analysis ＆ Machine Intelligence, 2005(5): 827-832.
[19]	YUAN F . A fast accumulative motion orientation model based on integral image for video smoke detection[J]. Pattern Recognition Letters, 2008,29(7): 925-932.

火警监测技术	评价
人工巡查	成本低，但辨识能力有限
民用飞行器巡查	成本过高，无法检测有覆盖物的火情点
传感器探测	适用于室内火灾，容易受地形限制，响应时间长，可靠性较弱，误报率高
卫星遥感检测	数据来源受限，实时性低，不适用于小面积火灾
视频图像检测	监测范围大，误报率低，实时性高，易部署

图像数据来源	检测次数/有烟火图像数	误报次数/无烟火图像数	平均检测率	平均误报率
开源火情数据集	297/300	0/2 000	98.1%	0.01%
示范区视频数据集	1 470/1 500	2/17 500
巡航机航拍数据集	195/200	0/500

基于边缘计算的森林火警监测系统

Forest fire monitoring system based on edge computing

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 19

相关文章 13

Metrics

推荐阅读 0

[1]	李明, 吕阿斌. 隐私计算在车路协同场景应用的探索与实践[J]. 大数据, 2022, 8(5): 74-87.
[2]	刘汪根, 郑淮城, 荣国平. 云环境下大规模分布式计算数据感知的调度系统[J]. 大数据, 2020, 6(1): 81-98.
[3]	李肯立, 刘楚波. 边缘智能：现状和展望[J]. 大数据, 2019, 5(3): 69-75.
[4]	李林哲, 周佩雷, 程鹏, 史治国. 边缘计算的架构、挑战与应用[J]. 大数据, 2019, 5(2): 3-16.
[5]	屈志昊, 叶保留, 陈贵海, 唐斌, 郭成昊. 面向边缘计算的资源优化技术研究进展[J]. 大数据, 2019, 5(2): 17-33.
[6]	凌捷, 陈家辉, 罗玉, 张思亮. 边缘计算安全技术综述[J]. 大数据, 2019, 5(2): 34-52.
[7]	周知, 于帅, 陈旭. 边缘智能：边缘计算与人工智能融合的新范式[J]. 大数据, 2019, 5(2): 53-63.
[8]	张聪, 樊小毅, 刘晓腾, 庞海天, 孙立峰, 刘江川. 边缘计算使能智慧电网[J]. 大数据, 2019, 5(2): 64-78.
[9]	孙忠富, 褚金翔, 马浚诚, 杜克明, 郑飞翔. 大数据服务三农的初步分析与探索[J]. 大数据, 2017, 3(3): 33-43.
[10]	孟祥飞, 冯景华, 赵洋, 夏梓峻. 应用驱动的大数据融合平台建设[J]. 大数据, 2017, 3(2): 67-77.
[11]	王玲玲, 劳保强, 陆扬, 伍筱聪, 郭绍光. SKA数据中心云平台方案的概念性研究[J]. 大数据, 2016, 2(6): 75-82.
[12]	张峰, 孙宗哲, 刘建楠, 宋杰. 数据产品在线定制平台的探索实践[J]. 大数据, 2016, 2(6): 118-128.
[13]	熊刚, 董西松, 朱凤华, 季统凯. 城市交通大数据技术及智能应用系统[J]. 大数据, 2015, 1(4): 81-96.