囊神经网络和适应的黄金搜索优化器基于森林火灾和烟雾检测
Luling Liu1, Li Chen2, Mehdi Asadi3,4
1College of Mechanical and Electrical Engineering, The College of Post and Telecommunication of WIT, Wuhan, 430000, Hubei, China.
Scientific reports
|February 5, 2025
概括
本研究介绍了一种使用囊神经网络 (CNN) 和适应金色搜索优化器 (AGSO) 的先进方法,用于准确地检测森林火灾和烟雾. 这种创新方法改善了预警系统,并有助于减轻野火风险.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 森林火灾对生态系统和人类健康构成重大风险,其频率越来越高,加剧了全球变暖.
- 准确及时检测森林火灾和烟雾对于有效的缓解和应对工作至关重要.
研究的目的:
- 开发一种创新的方法来检测森林火灾和烟雾,使用增强的囊神经网络 (CNN) 和适应的黄金搜索优化器 (AGSO).
- 提高自动森林火灾检测系统的准确性和可靠性.
主要方法:
- 使用了一个增强的囊神经网络 (CNN) 与一个适应的金色搜索优化器 (AGSO) 集成.
- 采用先进的深度学习和优化策略来识别与野火相关的复杂模式.
- 在野火烟雾图像和BowFire数据集上测试了模型.
主要成果:
- 与传统的特征选择和分类方法相比,拟议的方法显示出更高的性能.
- 修改后的CNN和AGSO的集成显著提高了森林火灾识别的准确性和可靠性.
- 该系统促进了快速反应和缓解努力.
结论:
- 先进的计算技术,如将囊神经网络与黄金搜索优化器相结合,对于解决森林火灾等复杂的环境问题至关重要.
- 开发的方法表明,在推进自动森林火灾检测系统,降低风险和确保安全方面,有很大的潜力.
