(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 202210051209.5 (22)申请日 2022.01.17 (71)申请人 电子科技大 学 地址 610000 四川省成 都市高新区(西区) 西源大道 2006号 (72)发明人 景堃　秦志光　秦臻　 (74)专利代理 机构 深圳市凯博企服专利代理事 务所(特殊普通 合伙) 44482 专利代理师 杨锋 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/17(2022.01) G06V 20/52(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种森林火灾图片实时分割和火灾边缘点 监测算法 (57)摘要 本发明公开了一种森林火灾图片实时分割 和火灾边缘点监测算法， 其步骤依次包括： 搭建 MobileNet网络模型； 构建注意力模块； 构造一个 注意力残差网络； 将得到的空间注 意力特征与原 特征使用残差得到微调后的图片特征； 获得的注 意力残差模块； 提取森林火灾的图片特征； 将图 片中的火情区域分割出来； 计算火情边界点像 素； 计算飞机的横向纵向距离； 计算图像中心点 经纬度坐标； 计算火情边界点经纬度。 本发明提 供的算法可以帮助工作人员查看火情的实时状 况， 监测火情边界； 通过对森林火情的实时快速 的分析， 可以对火灾进行有效处理， 降低对火灾 带来的损失。 权利要求书2页 说明书4页 附图2页 CN 114821289 A 2022.07.29 CN 114821289 A 1.一种森林火灾图片实时分割和火灾边缘点监测算法， 其特征在于， 所述算法包含下 述步骤： S1、 搭建Mobi leNet网络模型， 该网络结构的基本单 元为深度可分离卷积； S2、 构建注意力模块， 分别为 通道注意力模块和空间注意力模块； S3、 构造一个注意力残差网络， 将得到的空间注意力特征与原特征使用残差得到微调 后的图片特 征； S4、 构造深度注意力模块， 加入深度度可卷积模块， 再连接p ointwise  convolution， 最 后加入S3获得的注意力残差模块； S5、 构建MobileCBAM ‑Net网络模型， 以S1搭建的MobileNet做为基础的网络架构， 以S2、 S3、 S4为组件组合成Mobi leCBAM‑Net， 提取森林火灾的图片特 征； S6、 将火情图片输入到S5构建的MobileCBAM ‑Net网络模型中， 将具有火请的区域 的像 素点赋值 为红色， 不是火情区域的像素点赋值 为黑色， 从而将图片中的火情区域分割出来； S7、 计算火情边界点像素， 获得S6中分割后的图片， 如果一个像素的四周有一个点不是 红色， 则该点 为边界点像素， 否则为非边界点像素； S8、 计算飞机的横向纵向距离， 对输入的飞行夹角进行处理， 使之转换成所需要的正夹 角， 结合飞机和吊舱的俯仰角和飞机飞行高度计算出飞机的横向纵向距离； S9、 计算图像中心点经纬度坐标， 结合飞机经纬度与S8中的结果计算出图像中心点经 纬度坐标； S10、 计算火情边界点经纬度， 获取到S7中的边缘点像素和S9中图像的经纬度， 计算左 上角的经纬度， 根据左上角的经纬度， 计算其余三个点的经纬度， 从而得到边界点的经纬 度。 2.根据权利要求1所述的森林火灾图片实时分割和火灾边缘点监测算法， 其特征在于： 所述S1中， 深度可分离卷积具体可以分为两个操作depthwise  convolution和pointwise   convolution。 3.根据权利要求2所述的森林火灾图片实时分割和火灾边缘点监测算法， 其特征在于： depthwise convolution卷积操作与标准的卷积操作不同， dept hwise convolution卷积操 作对每一个通道使用的卷积核不同， 一个卷积核对一个通道进行 卷积。 4.根据权利要求1所述的森林火灾图片实时分割和火灾边缘点监测算法， 其特征在于： 所述S5中， Mob ileCBAM‑Net包括三个模块注意力模块、 残差网络、 深度可分离卷积； 首先建 立两个注意力模块， 分别为 通道注意力模块和空间注意力模块。 5.根据权利要求4所述的森林火灾图片实时分割和火灾边缘点监测算法， 其特征在于： 通道注意力模块输入为多通道特征图， 同时经过一个最大池化层和平均池化层； 将得到的 结果分别输入到shared  MLP网络中， 然后再同时经过一个最大池化层和平均池化层， 将其 两者的结果相加， 最后通过激活函数后获得调整后的通道 注意力特 征。 6.根据权利要求5所述的森林火灾图片实时分割和火灾边缘点监测算法， 其特征在于： 空间注意力模块输入为调整后的通道注意力特征， 进行空间上的特征提取， 先经过一个最 大池化， 再通过一个平均池化层后， 添加一个激活函数 得到空间注意力特 征。 7.根据权利要求6所述的森林火灾图片实时分割和火灾边缘点监测算法， 其特征在于： 将得到的空间注 意力特征与原特征使用残差得到微调后的图片特征； MobileCBAM ‑Net模型权　利　要　求　书 1/2 页 2 CN 114821289 A 2优点是可以兼顾空间和通道的特征， 是一个轻量级的网络； 满足森林火灾图片分割 快速获 取结果的需求， 速度在1到2秒之间。权　利　要　求　书 2/2 页 3 CN 114821289 A 3