隨著科技的發(fā)展和技術的進步,計算機的計算能力逐漸增強,數據規(guī)模不斷擴大,人工智能進入了一個繁榮發(fā)展時期,人工智能和深度學習的應用開始滲透到各個行業(yè),并取得了較好的效果。近年來,國家越來越重視環(huán)境保護,有關部門曾指出,秸稈焚燒會造成嚴重的環(huán)境污染,降低大氣質量,降低土壤營養(yǎng)成分等,成為迫切需要解決的環(huán)境問題。當前的秸稈焚燒監(jiān)測方法主要有三種:人工監(jiān)測方法、基于傳感器的監(jiān)測方法和基于衛(wèi)星遙感或無人機的監(jiān)測方法。人工監(jiān)測的方法,要耗費大量的人力資源,實時性較差且低效�；趥鞲衅鞯谋O(jiān)測方法,存在距離障礙等技術限制,時效性差,無法精準地提供預警信息�；谛l(wèi)星遙感或無人機的監(jiān)測方法,采集到的圖像易受到環(huán)境因素等的干擾,對遙感圖像的處理不夠智能化,也不能很好地起到秸稈焚燒預警作用。近年來,人工智能技術在圖像處理領域取得了長足的發(fā)展,而深度學習是其中一個重要的分支,利用深度學習技術,解決煙火檢測和識別的問題成為又一個熱門的研究方向。因此,本文通過研究人工智能技術,將基于深度學習的煙火檢測技術應用于秸稈焚燒監(jiān)測領域,并構建了一個基于此方法的秸稈焚燒監(jiān)測系統。本文的主要工作內容如下:(1)本文提出了一種基...

【文章頁數】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現狀
    1.3 本文主要的內容及研究的難點
        1.3.1 本文主要的研究內容
        1.3.2 本文研究的難點
    1.4 論文章節(jié)安排
第2章 相關技術概述
    2.1 傳統的目標檢測方法
    2.2 卷積神經網絡
        2.2.1 卷積神經網絡結構
        2.2.2 卷積神經網絡特性
        2.2.3 ResNet網絡結構
    2.3 基于人工智能的目標檢測技術
        2.3.1 二階段的目標檢測方法
        2.3.2 一階段的目標檢測方法
    2.4 本章小結
第3章 基于煙火檢測技術的秸稈焚燒檢測方法
    3.1 秸稈焚燒檢測的實現
        3.1.1 YOLOv3算法介紹
        3.1.2 煙火檢測和秸稈檢測的實現
        3.1.3 秸稈焚燒檢測的實現
    3.2 實驗平臺和實驗數據集
        3.2.1 實驗平臺
        3.2.2 實驗數據集
    3.3 實驗與分析
        3.3.1 四種目標檢測算法的比對實驗
        3.3.2 數據增強比對實驗
        3.3.3 模型性能測試
    3.4 本章小結
第4章 基于煙火檢測技術的秸稈焚燒監(jiān)測系統
    4.1 秸稈焚燒監(jiān)測系統概述
        4.1.1 前端層
        4.1.2 傳輸層
        4.1.3 后臺層
        4.1.4 監(jiān)控平臺層
    4.2 秸稈焚燒監(jiān)測系統應用研究
        4.2.1 前端層部署
        4.2.2 傳輸層部署
        4.2.3 后臺層部署
        4.2.4 監(jiān)控平臺層部署
    4.3 秸稈焚燒監(jiān)測系統平臺
    4.4 本章小結
第5章 總結與展望
    5.1 本文工作總結
    5.2 下一步工作展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況
致謝



本文編號：3749109