■ 文/ 中航天基空間信息科學(xué)研究院 盧柯楠 胡曉惠 李小濤

基于多光譜大數(shù)據(jù)分析的智能森林火警檢測(cè)

■ 文/ 中航天基空間信息科學(xué)研究院 盧柯楠 胡曉惠 李小濤

森林火災(zāi)的發(fā)生，將造成生態(tài)環(huán)境的嚴(yán)重破壞和人民生命財(cái)產(chǎn)安全的巨大損失，影響社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展。為了確保在處置森林火災(zāi)時(shí)反應(yīng)及時(shí)，最大限度地減少火災(zāi)損失，盡早地檢測(cè)火警成為森林安防領(lǐng)域的當(dāng)務(wù)之急。本文介紹了一套地面遙感森林火災(zāi)智能預(yù)警系統(tǒng)，該系統(tǒng)創(chuàng)新地將多光譜感知技術(shù)與基于深度學(xué)習(xí)的物體識(shí)別技術(shù)相結(jié)合，充分考慮了物體發(fā)射率的不同，實(shí)現(xiàn)了火警的智能精確檢測(cè)和精準(zhǔn)定位。

多光譜 火警檢測(cè) 森林安防 大數(shù)據(jù) 深度學(xué)習(xí)

1 引言

森林火災(zāi)是一種突發(fā)性強(qiáng)、發(fā)生面廣、破壞性大、處置撲救困難的自然災(zāi)害，能夠在短時(shí)間內(nèi)造成巨大的損失。面對(duì)每年如此嚴(yán)峻的森林防火境況，國(guó)家主管部門要求各地運(yùn)用先進(jìn)的科學(xué)技術(shù)及管理方法，迅速采取最有力的措施，盡可能對(duì)森林大火的發(fā)生和蔓延進(jìn)行最大限度控制，做到早避免、早發(fā)現(xiàn)、早控制。由于森林地區(qū)地形復(fù)雜、面積巨大，林火難以及時(shí)發(fā)現(xiàn)，因此快速火災(zāi)預(yù)警和報(bào)警技術(shù)至關(guān)重要。

我國(guó)現(xiàn)有國(guó)有林場(chǎng)、林區(qū)、林地面積達(dá)18.6億畝，國(guó)家級(jí)生態(tài)保護(hù)區(qū)440個(gè)省級(jí)4000個(gè)。目前所使用的安防技術(shù)大部分基于視頻監(jiān)控，無(wú)法實(shí)現(xiàn)高智能，高準(zhǔn)確率火災(zāi)識(shí)別。本文提出的多光譜掃描火災(zāi)預(yù)警系統(tǒng)，將多光譜感知技術(shù)與大數(shù)據(jù)分析技術(shù)相結(jié)合，利用機(jī)器學(xué)習(xí)算法（深度學(xué)習(xí)算法），快速準(zhǔn)確地識(shí)別火災(zāi)特征，準(zhǔn)確鎖定林火的初火、明火、暗火的坐標(biāo)位置，能夠更有效的減少森林火災(zāi)造成的損失，實(shí)現(xiàn)林區(qū)科學(xué)化、數(shù)字化管理。該系統(tǒng)具有全天候、實(shí)時(shí)性、高精度和易部署的特點(diǎn)，便于在全國(guó)范圍內(nèi)快速推廣，實(shí)現(xiàn)全國(guó)森林火災(zāi)預(yù)警和報(bào)警的智能化。

2 火警檢測(cè)的主流技術(shù)

目前國(guó)內(nèi)森林安防領(lǐng)域使用的火警檢測(cè)技術(shù)，主要包括視頻監(jiān)控、紅外熱像監(jiān)控、航空巡護(hù)、衛(wèi)星遙感等技術(shù)。

（1）視頻監(jiān)控技術(shù)，其基于彩色圖像的火焰檢測(cè)算法的研究也較多，但都是對(duì)已經(jīng)形成火焰的火災(zāi)進(jìn)行檢測(cè)，很難發(fā)現(xiàn)初火和暗火。因而現(xiàn)有算法對(duì)于早期火災(zāi)高危點(diǎn)的檢測(cè)能力有限，而且識(shí)別率極低，誤報(bào)率很高。

（2）紅外熱成像監(jiān)控，根據(jù)探測(cè)到的物體的溫度的大小，經(jīng)系統(tǒng)處理轉(zhuǎn)變?yōu)槟繕?biāo)物體的熱圖像。但是此類方法因?yàn)榭繙囟茸R(shí)別容易受自然環(huán)境高溫物體干擾，如曬熱的石頭、水面反光、煙囪等等，需要火的面積足夠大才能識(shí)別，容易錯(cuò)過(guò)最佳撲火期，不能全方位檢測(cè)，因此，會(huì)產(chǎn)生誤報(bào)漏報(bào)。

（3）航空巡護(hù)，優(yōu)點(diǎn)是機(jī)動(dòng)性大，但是會(huì)受夜間、大風(fēng)等天氣的限制，不能實(shí)時(shí)的大范圍觀察，有時(shí)會(huì)錯(cuò)過(guò)起火點(diǎn)，飛行成本也比較高。萬(wàn)一墜毀，更容易引起森林火災(zāi)。

（4）衛(wèi)星遙感，優(yōu)點(diǎn)是探測(cè)范圍廣，不足是存在軌道周期盲點(diǎn)，火災(zāi)的初級(jí)階段難以判斷，需要地面花費(fèi)大量人力、物力、財(cái)力成本，當(dāng)熱點(diǎn)達(dá)到衛(wèi)星圖像的3個(gè)像素時(shí)，已形成森林火災(zāi)。

3 多光譜火警智能檢測(cè)系統(tǒng)

相對(duì)以上火警檢測(cè)的安防技術(shù)，基于多光譜的火警檢測(cè)技術(shù)將先進(jìn)的衛(wèi)星載荷遙感多光譜相關(guān)數(shù)據(jù)分析技術(shù)、3S數(shù)據(jù)處理技術(shù)及無(wú)線網(wǎng)絡(luò)技術(shù)，應(yīng)用在地面森林防火系統(tǒng)，具有監(jiān)測(cè)面積大、天氣影響小、準(zhǔn)確率高，性價(jià)比高等優(yōu)勢(shì)。

多光譜火警智能預(yù)警系統(tǒng)（圖1）包括前端遙感探測(cè)站和后端監(jiān)控中心兩部分。前端遙感探測(cè)站負(fù)責(zé)多光譜數(shù)據(jù)的采集和傳輸，由多光譜探測(cè)器、無(wú)線數(shù)據(jù)傳輸系統(tǒng)、自防盜報(bào)警系統(tǒng)、設(shè)備桿塔及防雷系統(tǒng)組成；后端監(jiān)控中心負(fù)責(zé)報(bào)警數(shù)據(jù)的存儲(chǔ)和分析，安裝多光譜遙感探測(cè)預(yù)警管理系統(tǒng)，由通訊服務(wù)器、數(shù)據(jù)存儲(chǔ)平臺(tái)、報(bào)警數(shù)據(jù)分析平臺(tái)、預(yù)警管理終端、多媒體報(bào)警裝置組成。

3.1 多光譜火警數(shù)據(jù)信息的獲取

多光譜掃描火災(zāi)探測(cè)器由垂直360度、水平360度全方位逐點(diǎn)成像光機(jī)、超小型探測(cè)距離10km長(zhǎng)度70mm口徑80mm非球面折返式望遠(yuǎn)寬光譜450 nm - 20 ?m光學(xué)接收器（是一種利用非球面鍍金屬反射膜凹反射聚光鏡作為主鏡，非球面鍍金屬反射膜凸鏡做次鏡，工作在折反方式，光線到達(dá)非球面鍍金屬膜凹反射聚光鏡非球面拋物線形狀的表面后，向其焦點(diǎn)反射，并經(jīng)一片較小的非球面鍍金屬反射膜凸鏡再向傳感器反射成像）、光調(diào)制器、積分時(shí)間1us波長(zhǎng)0.7μm-5μm高速寬光譜傳感器、鎖相放大器、信號(hào)處理器、數(shù)據(jù)采集器和多光譜相關(guān)數(shù)據(jù)處理器組成（圖2）。

在一個(gè)傳感器上有2段帶寬光學(xué)濾波器實(shí)現(xiàn)綜合利用2個(gè)大氣窗口（0.76μm-1.1μm、3μm-5μm）實(shí)施森林火災(zāi)的早期預(yù)警，第1個(gè)大氣窗口0.76μm-1.1μm的成像作為全景林區(qū)地貌信息圖，第2個(gè)大氣窗口波長(zhǎng)3μm-5μm的太陽(yáng)光波成像做無(wú)火災(zāi)時(shí)林區(qū)背景，當(dāng)沒(méi)有火災(zāi)時(shí)太陽(yáng)照射在林區(qū)背景的3μm-5μm的電磁波很弱而且很均衡，當(dāng)發(fā)生林火時(shí)植被燃燒會(huì)產(chǎn)生強(qiáng)烈的3μm-5μm的火災(zāi)特征波，多光譜掃描探測(cè)器檢測(cè)到3μm-5μm的火災(zāi)特征波大于無(wú)火災(zāi)林區(qū)背景設(shè)定的閥值時(shí)，內(nèi)置的多光譜相關(guān)數(shù)據(jù)處理器進(jìn)行接收分析和記錄，當(dāng)檢測(cè)出某一區(qū)域局部火災(zāi)識(shí)別火災(zāi)特征波長(zhǎng)的輻射達(dá)到相應(yīng)的設(shè)定的火災(zāi)級(jí)別、溫差上升到設(shè)定范圍值、識(shí)別特征波長(zhǎng)的像素不斷增多蔓延時(shí)，就可以非常準(zhǔn)確地鎖定森林火災(zāi)初火、暗火、明火目標(biāo)特征預(yù)警，這樣就能夠在森林燃燒物處在預(yù)熱階段甚至更早階段發(fā)現(xiàn)林火前兆目標(biāo)，將其發(fā)送到監(jiān)控中心分析預(yù)警。

多光譜遙感探測(cè)器主要安裝在森林各個(gè)制高點(diǎn)，安裝位置要求視野寬、無(wú)障礙，這樣才能做到單點(diǎn)監(jiān)控范圍大，盡量少設(shè)監(jiān)控點(diǎn)以節(jié)約投資。如無(wú)法回避有死角，可增加監(jiān)控點(diǎn)，同時(shí)通過(guò)監(jiān)控點(diǎn)的蜂窩狀組網(wǎng)布置來(lái)實(shí)現(xiàn)全境森林的完全覆蓋，如圖4所示。單臺(tái)多光譜探測(cè)器探測(cè)半徑10公里以上，至少探測(cè)覆蓋300平方公里范圍，全年365天全天24小時(shí)工作，不受探測(cè)范圍的氣候環(huán)境影響。

3.2 基于大數(shù)據(jù)分析技術(shù)的火警檢測(cè)

通過(guò)多光譜探測(cè)器采集第二個(gè)大氣窗口內(nèi)林區(qū)太陽(yáng)光波，可以快速準(zhǔn)確地發(fā)現(xiàn)符合火災(zāi)特征的位置點(diǎn)。但對(duì)于火警的精確檢測(cè)，只依靠背景差分是遠(yuǎn)遠(yuǎn)不夠的。因?yàn)榱謪^(qū)內(nèi)包含的物體眾多（森林、河流、建筑物和石塊等），這些物體的發(fā)射率存在較大的差別，發(fā)射率大的物體，相同溫度下產(chǎn)生的輻射更大，雖然和背景圖像相比相差很大，但其實(shí)溫度的上升并不明顯。發(fā)射率指物體的輻射能力與相同溫度下黑體的輻射能力之比，也稱為輻射率。一些常見(jiàn)物體的發(fā)射率可通過(guò)查詢發(fā)射率表獲取，對(duì)于表中不包含的物體，需要根據(jù)采樣數(shù)據(jù)擬合標(biāo)定。另外對(duì)于水面這些容易反射太陽(yáng)光的場(chǎng)景，也會(huì)造成輻射增加，但并不是因?yàn)榛馂?zāi)引起的。以上這些因素容易引起誤報(bào)率的增加，造成防護(hù)人員的無(wú)效工作。對(duì)此本系統(tǒng)利用第一個(gè)大氣窗口內(nèi)的光譜圖像作為探測(cè)器檢測(cè)到的林區(qū)范圍內(nèi)的背景圖像，基于深度學(xué)習(xí)的多光譜圖像物體識(shí)別技術(shù)，訓(xùn)練物體識(shí)別神經(jīng)網(wǎng)絡(luò)模型，從背景圖像中識(shí)別出對(duì)應(yīng)區(qū)域的物體，再結(jié)合物體的發(fā)射率來(lái)最終判斷是否為火情，圖5為本系統(tǒng)識(shí)別火警的整個(gè)流程。

3.2.1 多光譜高動(dòng)態(tài)范圍背景圖像的變換顯示

對(duì)于探測(cè)器而言，無(wú)法直接得到第1個(gè)大氣窗口范圍內(nèi)多光譜背景圖像，傳輸?shù)胶蠖藬?shù)據(jù)中心的數(shù)據(jù)均為14比特的原始數(shù)據(jù)，現(xiàn)在大多數(shù)圖像用的是8比特的圖像設(shè)備，這限制設(shè)備的動(dòng)態(tài)范圍于兩個(gè)數(shù)量級(jí)（256級(jí)）。從14位的原始數(shù)據(jù)線性壓縮到8比特的灰度圖像，會(huì)造成很多圖像細(xì)節(jié)的缺失。而且轉(zhuǎn)換后的背景圖像還要作為深度學(xué)習(xí)模型的訓(xùn)練集，在人工標(biāo)記過(guò)程，很難確定圖像樣本屬于哪一類物體，因此需要一種最大限度保存圖像細(xì)節(jié)的14比特圖像到8比特圖像的轉(zhuǎn)換方法，這在圖像領(lǐng)域稱為高動(dòng)態(tài)范圍圖像（High-Dynamic Range，簡(jiǎn)稱HDR）的顯示變換問(wèn)題。

本系統(tǒng)根據(jù)多光譜數(shù)據(jù)的特點(diǎn)，采用了自適應(yīng)的分段線性結(jié)合直方圖的轉(zhuǎn)換算法，通過(guò)統(tǒng)計(jì)探測(cè)器傳回的掃描一周的原始多光譜數(shù)據(jù)的分布情況，確定場(chǎng)景物體的輻射范圍，并且利用直方圖進(jìn)行增強(qiáng)處理。該方法無(wú)需用戶設(shè)置和調(diào)節(jié)參數(shù)，對(duì)于不同場(chǎng)景下的HDR圖像均能轉(zhuǎn)換成清晰的8比特灰度圖像。圖6為使用本方法得到了一個(gè)林區(qū)的背景圖像，建筑物、數(shù)目和信號(hào)塔等清晰可見(jiàn)，細(xì)節(jié)保留得非常完整。

3.2.2 基于深度學(xué)習(xí)的多光譜圖像物體識(shí)別

轉(zhuǎn)換后多光譜HDR圖像作為場(chǎng)景物體識(shí)別的輸入。在傳統(tǒng)圖像識(shí)別算法中，特征提取與選擇的好壞對(duì)最終算法的確定性起了非常關(guān)鍵的作用。目前一般都是靠人工提取特征，而手工選取特征費(fèi)時(shí)費(fèi)力，需要專業(yè)知識(shí)，并且很大程度上靠經(jīng)驗(yàn)和運(yùn)氣。深度學(xué)習(xí)的出現(xiàn)就這個(gè)問(wèn)題提出了一種解決方案。深度學(xué)習(xí)通過(guò)構(gòu)建具有很多隱含層的機(jī)器學(xué)習(xí)模型（圖7）和海量的訓(xùn)練數(shù)據(jù)，來(lái)學(xué)習(xí)更有用的特征，從而最終提升分類的準(zhǔn)確性。

本系統(tǒng)采取卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks，簡(jiǎn)稱CNN）來(lái)從海量多光譜背景圖像中自動(dòng)提取特征。卷積神經(jīng)網(wǎng)絡(luò)避免了手動(dòng)的特征取樣，自動(dòng)地從訓(xùn)練數(shù)據(jù)學(xué)習(xí)特征。通過(guò)結(jié)構(gòu)重組和權(quán)值更新將特征提取功能融合進(jìn)多層感知器。CNN的網(wǎng)絡(luò)層分為卷積層（C層）和池化層（S層），C層進(jìn)行特征提取，S層進(jìn)行特征映射，根據(jù)特征的維數(shù)和深度學(xué)習(xí)網(wǎng)絡(luò)的層數(shù)，可設(shè)置不同數(shù)量的網(wǎng)絡(luò)層。如圖8所示，輸入圖像通過(guò)和三個(gè)可訓(xùn)練的卷積核和可加偏置進(jìn)行卷積，卷積后在C1層產(chǎn)生三個(gè)特征映射圖，然后C1層的特征映射圖在經(jīng)過(guò)子采樣后，加權(quán)值，加偏置，再通過(guò)一個(gè)Sigmoid函數(shù)得到三個(gè)S2層的特征映射圖。CNN可以直接處理灰度圖片，能夠直接用于處理多光譜背景圖像的分類。

4 未來(lái)技術(shù)展望

基于大規(guī)模多光譜圖像訓(xùn)練的深度學(xué)習(xí)物體識(shí)別模型能夠得到較高的森林物體的識(shí)別精度。但是從本系統(tǒng)在全國(guó)不同林區(qū)的實(shí)際應(yīng)用經(jīng)驗(yàn)來(lái)看，帶有準(zhǔn)確標(biāo)簽的樣本數(shù)據(jù)越多，最終訓(xùn)練的模型識(shí)別的正確率也越高。但是，和普通的光學(xué)圖像物體識(shí)別任務(wù)相比，森林火警預(yù)測(cè)系統(tǒng)缺少能夠直接利用的帶有標(biāo)簽的多光譜圖像數(shù)據(jù)，而且樣本需要大量的人工標(biāo)注工作。此外，我國(guó)領(lǐng)土幅員遼闊，不同地區(qū)的地形和植被種類都相差巨大，全局的分類模型很難保證識(shí)別的準(zhǔn)確率。如果對(duì)多光譜預(yù)警系統(tǒng)部署的林區(qū)分別訓(xùn)練分類模型又增加了大量訓(xùn)練的前期工作，影響系統(tǒng)的及時(shí)上線。因此針對(duì)以上問(wèn)題，未來(lái)希望在以下兩個(gè)方向上進(jìn)行改進(jìn)。

（1）選取全國(guó)在不同區(qū)域的幾個(gè)大型林區(qū)場(chǎng)景的多光譜圖像作為訓(xùn)練樣本集，利用深度學(xué)習(xí)模型訓(xùn)練多個(gè)分類模型。對(duì)于其他區(qū)域的森林草原場(chǎng)景，借助于遷移學(xué)習(xí)技術(shù)，根據(jù)地理位置就近選擇已訓(xùn)練好的分類模型作為其場(chǎng)景的初始模型，然后在實(shí)際應(yīng)用過(guò)程中，伴隨數(shù)據(jù)的增加，逐漸的修正優(yōu)化模型，以此來(lái)解決以上提到的訓(xùn)練數(shù)據(jù)量不足的問(wèn)題。

（2） 積極促進(jìn)全國(guó)林區(qū)火警信息的聯(lián)網(wǎng)，打通不同地區(qū)護(hù)林辦公室和消防單位之間信息壁壘，實(shí)現(xiàn)多光譜圖像信息和報(bào)警信息等數(shù)據(jù)的共享，在此基礎(chǔ)之上進(jìn)行機(jī)器學(xué)習(xí)分類模型的訓(xùn)練，進(jìn)一步提高物體識(shí)別和火警檢測(cè)的準(zhǔn)確度。

5 結(jié)語(yǔ)

地面多光譜掃描火災(zāi)預(yù)警系統(tǒng)，能更好的保護(hù)國(guó)家財(cái)產(chǎn)及生態(tài)環(huán)境，能獲得巨大的社會(huì)經(jīng)濟(jì)效益，符合我國(guó)當(dāng)前林業(yè)改革發(fā)展的要求，具有廣闊的應(yīng)用前景，可為維護(hù)國(guó)家林業(yè)安全、保護(hù)生物多樣性、建設(shè)生態(tài)文明做出更大貢獻(xiàn)。

本系統(tǒng)的技術(shù)除了能夠智能檢測(cè)森林火警，還能夠應(yīng)用在其它類型場(chǎng)景（草原、礦區(qū)、油田等）的火災(zāi)檢測(cè)。此外，對(duì)于化工行業(yè)的易燃易爆預(yù)警、國(guó)土資源監(jiān)測(cè)、工廠有害氣體排放等領(lǐng)域，本文的解決方案同樣具有很好的借鑒意義，未來(lái)針對(duì)這些領(lǐng)域的相關(guān)產(chǎn)品也會(huì)成為研發(fā)的重點(diǎn)。