(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210524662.3 (22)申请日 2022.05.13 (71)申请人 东南数字经济发展研究院 地址 324000 浙江省衢州市柯 城区芹江东 路288号1幢16 01室 (72)发明人 朱绳祖　 (74)专利代理 机构 北京华智 则铭知识产权代理 有限公司 1 1573 专利代理师 王昌贵 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G08B 17/12(2006.01) (54)发明名称 基于目标检测技术的烟火检测和秸秆检测 的方法及系统 (57)摘要 本发明利用一种基于目标检测技术的烟火 检测和秸秆检测的方法， 对目标检测算法进行一 些改进和优化， 实现检测目的， 最后通过实验验 证该方法的有效性； 然后利用模 型融合方法取交 集进行模型的融合， 获取得到融合后的秸秆焚烧 模型， 通过实验验证模型的有效性。 本发明在基 于秸秆焚烧模 型的基础上， 构建一套能用于实际 过程中对的秸秆焚烧检测系统方案。 该检测系统 主要分为四个模块： 前端层、 传输层、 后台层和监 控平台， 分别负责了前端 图像的获取， 图像数据 在各个模块之间的传输、 对传输图像的数据检测 和算法分析以及最后结果在监控平台的显示。 将 秸秆检测系统应用于整个实际过程， 最终达到了 检测秸秆焚烧的目的。 权利要求书1页 说明书4页 附图1页 CN 114842421 A 2022.08.02 CN 114842421 A 1.一种基于目标检测技 术的烟火检测 和秸秆检测的方法， 其特 征在于， 包括： 步骤1)： 构建烟火检测模型和秸秆检测模型； 步骤2)： 基于检测算法， 在收集的数据集下， 分别 对所述烟火检测模型和秸秆检测模型 进行训练； 步骤3)： 根据之前训练模型中分别训练完成的烟火检测模型和秸秆模型， 通过级连的 方式将两个模型的检测网络融合成一个网络， 并形成秸秆焚烧检测模型； 步骤4)： 通过所述秸秆焚烧检测模型对处理后的图像进行检测， 判断是否存在秸秆焚 烧现象， 若存在则发出报警信息 。 2.如权利要求1所述的一种基于目标检测技术的烟火检测和秸秆检测的方法， 其特征 在于， 所述检测算法为优化后的YOLOv3算法。 3.如权利要求2所述的一种基于目标检测技术的烟火检测和秸秆检测的方法， 其特征 在于， YOLOv3算法的优化方法具体为： 在类别预测时， 将YOLOv3算法中的Softmax损失函数替换为 Logistic函数。 4.如权利要求1所述的一种基于目标检测技术的烟火检测和秸秆检测的方法， 其特征 在于， 所述 步骤3具体为： 先输入一个图像数据， 并对其进行秸秆检测模型进行检测， 如果其中存在秸秆， 则在秸 秆检测网络后加一步裁剪操作， 裁剪出原图中检测出存在秸秆的位置图像并对图像进 行拉 伸调整分辨率， 然后放入烟火检测的网络中， 检测是否存在烟火检测现象， 如果存在烟火检 测则说明图像存在焚烧秸秆 现象， 否则 则不包含焚烧秸秆焚烧现象。 5.一种基于目标检测技术的烟火检测和秸秆检测的系统， 其特征在于， 包括： 前端层、 传输层、 后端层以及监控平台； 所述前端层用于获取图像数据， 对指定区域内的数据进行采集， 并将数据传入所述后 端层和监控平台； 所述传输层用于前端层、 后端层以及监控平台之间的数据传输； 所述后端层通过所述传输层接收所述前端层采集获取的图像数据， 利用如权利要求1 ‑ 4任一项所述的方法， 对采集到的图像数据进行检测， 在服务器上进行算法分析， 分析结果 会被传输 到所述监控平台； 所述监控平台用于和用户之间交 互。 6.如权利要求5所述的一种基于目标检测技术的烟火检测和秸秆检测的方法， 所述前 端层包括多个视频摄 像机。 7.如权利要求5所述的一种基于目标检测技术的烟火检测和秸秆检测的方法， 所述传 输层通过有 线或无线方式进行网络传输 。权　利　要　求　书 1/1 页 2 CN 114842421 A 2基于目标 检测技术的烟火检测和秸秆检测的方 法及系统 技术领域 [0001]本发明涉及电子信息技术领域， 具体地说， 特别涉及一种基于目标检测技术的烟 火检测和秸秆检测的方法及系统。 背景技术 [0002]秸秆焚烧百害无一利， 相关环境保护部门针对秸秆焚烧制定了多种保护政策。 当 前判断秸秆焚烧的方法主要通过人工、 传感器或者遥感图像， 耗费大量的人力物力， 且存在 较多的技术限制 。 考虑到目前深度学习和烟火检测识别是目前主要的研究热点， 因此通过 烟火检测技方法在秸秆焚烧中进行应用是一个很好的方法。 [0003]目前在生活中已经存在较多的烟火检测的方法。 在室内的环境中， 我们一般通过 物理(光测度)和化学(电离)的方法对烟火进 行检测， 这也是目前烟火报警器能广泛应用的 原因。 但是在特殊场景中， 例如较为开阔的场合环境下， 上述方法则不便适用， 所有一般采 用机器视 觉， 图像识别的方法进行检测。 [0004]图像中的烟火检测主要是涉及计算机视觉、 图像识别等领域的问题， 通常是通过 目标分割、 特征提取和综合判断三方面。 传统的图像处理方法的烟雾检测主要是通过对视 频或者图像序列中的烟雾和火焰的显著特征进行检测， 例如烟雾和烟火的颜色、 纹理、 运动 和边缘特性等。 但是在实际情况下， 烟火图像的特征十 分的复杂， 不能通过单一的特征或者 若干特征 的组合进行判断识别。 上述传统的方法在某些特定场景中能进行使用， 但在自然 场景下受限制较为 严重， 识别率低， 误报率高。 限制了其更为广泛的应用。 发明内容 [0005]为了解决现有技术的问题， 本发明实施例提供了一种基于目标检测技术的烟火检 测和秸秆检测的方法及系统。 所述 技术方案如下： [0006]一方面， 提供了一种基于目标检测技 术的烟火检测 和秸秆检测的方法， 包括： [0007]步骤1)： 构建烟火检测模型和秸秆检测模型； [0008]步骤2)： 基于检测算法， 在收集的数据集下， 分别对所述烟火检测模型和秸秆检测 模型进行训练； [0009]步骤3)： 根据之前训练模型中分别训练完成的烟火检测模型和秸秆模型， 通过级 连的方式将两个模型的检测网络融合成一个网络， 并形成秸秆焚烧检测模型； [0010]步骤4)： 通过所述秸秆焚烧检测模型对处理后的图像进行检测， 判断是否存在秸 秆焚烧现象， 若存在则发出报警信息 。 [0011]进一步地， 所述检测算法为优化后的YOLOv3算法。 [0012]进一步地， YOLOv3算法的优化方法具体为： [0013]在类别预测时， 将YOLOv3算法中的Softmax损失函数替换为 Logistic函数。 [0014]进一步地， 所述步骤3)具体为： [0015]先输入一个图像数据， 并对其进行秸秆检测模型进行检测， 如果其中存在秸秆， 则说　明　书 1/4 页 3 CN 114842421 A 3