U3UNet:基于无人机视觉的森林火灾监测准确可靠的细分模型
Hailin Feng1, Jiefan Qiu2, Long Wen3
1College of Mathematics and Computer Science, Zhejiang A&F University, Hangzhou, 311300, China.
概括
本研究介绍了U3UNet,这是一种用于准确监测森林火灾的无人机视觉模型. 与现有方法相比,U3UNet在动态场景中表现出色,大大改善了火灾检测和细分.
科学领域:
- 环境科学 环境科学
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 森林火灾构成了重大的全球生态威胁,需要有效的火灾预警和实时监控系统.
- 传统的监测方法 (地面观测,卫星传感) 覆盖范围有限,时空分辨率低,阻碍了精确的火源识别.
研究的目的:
- 开发一个准确可靠的森林火灾监测细分模型,利用无人机 (UAV) 视觉.
- 通过增强特征融合和信息整合来改进现有方法,以精确检测火焰形状.
主要方法:
- 提出了U3UNet模型,具有嵌套的U形结构,用于多尺度的功能融合和全尺度连接.
- 对各种模型 (U-Net,UNet 3+,U2-Net,Yolov9等) 进行了比较实验. 在模拟的 (虚幻引擎) 和真实的森林火灾场景上.
- 在适用于无人机部署的边缘计算设备上评估实时性能.
主要成果:
- 在静态场景中,U3UNet的复合度量S达到71.44%,略低于最佳方法的0.3%.
- 在动态场景中,U3UNet以80.53%的成绩表现出优越的表现,比最佳方法的表现高出8.94%.
- 实时性能在边缘计算设备上进行了验证,用于实际无人机应用.
结论:
- 使用无人机视觉,U3UNet模型为准确可靠的森林火灾监测提供了一个有前途的解决方案.
- 它的有效性在动态火灾场景中尤其显著,为早期预警和响应提供了关键的改进.
- 该模型的实时功能使其适合在无人机上部署,以便及时管理森林火灾.
