基于深度學(xué)習(xí)的煙火檢測(cè)方法在秸稈禁燒中的應(yīng)用研究
發(fā)布時(shí)間:2023-02-25 20:06
隨著科技的發(fā)展和技術(shù)的進(jìn)步,計(jì)算機(jī)的計(jì)算能力逐漸增強(qiáng),數(shù)據(jù)規(guī)模不斷擴(kuò)大,人工智能進(jìn)入了一個(gè)繁榮發(fā)展時(shí)期,人工智能和深度學(xué)習(xí)的應(yīng)用開始滲透到各個(gè)行業(yè),并取得了較好的效果。近年來,國(guó)家越來越重視環(huán)境保護(hù),有關(guān)部門曾指出,秸稈焚燒會(huì)造成嚴(yán)重的環(huán)境污染,降低大氣質(zhì)量,降低土壤營(yíng)養(yǎng)成分等,成為迫切需要解決的環(huán)境問題。當(dāng)前的秸稈焚燒監(jiān)測(cè)方法主要有三種:人工監(jiān)測(cè)方法、基于傳感器的監(jiān)測(cè)方法和基于衛(wèi)星遙感或無(wú)人機(jī)的監(jiān)測(cè)方法。人工監(jiān)測(cè)的方法,要耗費(fèi)大量的人力資源,實(shí)時(shí)性較差且低效;趥鞲衅鞯谋O(jiān)測(cè)方法,存在距離障礙等技術(shù)限制,時(shí)效性差,無(wú)法精準(zhǔn)地提供預(yù)警信息;谛l(wèi)星遙感或無(wú)人機(jī)的監(jiān)測(cè)方法,采集到的圖像易受到環(huán)境因素等的干擾,對(duì)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(yù)警作用。近年來,人工智能技術(shù)在圖像處理領(lǐng)域取得了長(zhǎng)足的發(fā)展,而深度學(xué)習(xí)是其中一個(gè)重要的分支,利用深度學(xué)習(xí)技術(shù),解決煙火檢測(cè)和識(shí)別的問題成為又一個(gè)熱門的研究方向。因此,本文通過研究人工智能技術(shù),將基于深度學(xué)習(xí)的煙火檢測(cè)技術(shù)應(yīng)用于秸稈焚燒監(jiān)測(cè)領(lǐng)域,并構(gòu)建了一個(gè)基于此方法的秸稈焚燒監(jiān)測(cè)系統(tǒng)。本文的主要工作內(nèi)容如下:(1)本文提出了一種基...
【文章頁(yè)數(shù)】:62 頁(yè)
【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
1.3 本文主要的內(nèi)容及研究的難點(diǎn)
1.3.1 本文主要的研究?jī)?nèi)容
1.3.2 本文研究的難點(diǎn)
1.4 論文章節(jié)安排
第2章 相關(guān)技術(shù)概述
2.1 傳統(tǒng)的目標(biāo)檢測(cè)方法
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.2.2 卷積神經(jīng)網(wǎng)絡(luò)特性
2.2.3 ResNet網(wǎng)絡(luò)結(jié)構(gòu)
2.3 基于人工智能的目標(biāo)檢測(cè)技術(shù)
2.3.1 二階段的目標(biāo)檢測(cè)方法
2.3.2 一階段的目標(biāo)檢測(cè)方法
2.4 本章小結(jié)
第3章 基于煙火檢測(cè)技術(shù)的秸稈焚燒檢測(cè)方法
3.1 秸稈焚燒檢測(cè)的實(shí)現(xiàn)
3.1.1 YOLOv3算法介紹
3.1.2 煙火檢測(cè)和秸稈檢測(cè)的實(shí)現(xiàn)
3.1.3 秸稈焚燒檢測(cè)的實(shí)現(xiàn)
3.2 實(shí)驗(yàn)平臺(tái)和實(shí)驗(yàn)數(shù)據(jù)集
3.2.1 實(shí)驗(yàn)平臺(tái)
3.2.2 實(shí)驗(yàn)數(shù)據(jù)集
3.3 實(shí)驗(yàn)與分析
3.3.1 四種目標(biāo)檢測(cè)算法的比對(duì)實(shí)驗(yàn)
3.3.2 數(shù)據(jù)增強(qiáng)比對(duì)實(shí)驗(yàn)
3.3.3 模型性能測(cè)試
3.4 本章小結(jié)
第4章 基于煙火檢測(cè)技術(shù)的秸稈焚燒監(jiān)測(cè)系統(tǒng)
4.1 秸稈焚燒監(jiān)測(cè)系統(tǒng)概述
4.1.1 前端層
4.1.2 傳輸層
4.1.3 后臺(tái)層
4.1.4 監(jiān)控平臺(tái)層
4.2 秸稈焚燒監(jiān)測(cè)系統(tǒng)應(yīng)用研究
4.2.1 前端層部署
4.2.2 傳輸層部署
4.2.3 后臺(tái)層部署
4.2.4 監(jiān)控平臺(tái)層部署
4.3 秸稈焚燒監(jiān)測(cè)系統(tǒng)平臺(tái)
4.4 本章小結(jié)
第5章 總結(jié)與展望
5.1 本文工作總結(jié)
5.2 下一步工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況
致謝
本文編號(hào):3749109
【文章頁(yè)數(shù)】:62 頁(yè)
【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
1.3 本文主要的內(nèi)容及研究的難點(diǎn)
1.3.1 本文主要的研究?jī)?nèi)容
1.3.2 本文研究的難點(diǎn)
1.4 論文章節(jié)安排
第2章 相關(guān)技術(shù)概述
2.1 傳統(tǒng)的目標(biāo)檢測(cè)方法
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.2.2 卷積神經(jīng)網(wǎng)絡(luò)特性
2.2.3 ResNet網(wǎng)絡(luò)結(jié)構(gòu)
2.3 基于人工智能的目標(biāo)檢測(cè)技術(shù)
2.3.1 二階段的目標(biāo)檢測(cè)方法
2.3.2 一階段的目標(biāo)檢測(cè)方法
2.4 本章小結(jié)
第3章 基于煙火檢測(cè)技術(shù)的秸稈焚燒檢測(cè)方法
3.1 秸稈焚燒檢測(cè)的實(shí)現(xiàn)
3.1.1 YOLOv3算法介紹
3.1.2 煙火檢測(cè)和秸稈檢測(cè)的實(shí)現(xiàn)
3.1.3 秸稈焚燒檢測(cè)的實(shí)現(xiàn)
3.2 實(shí)驗(yàn)平臺(tái)和實(shí)驗(yàn)數(shù)據(jù)集
3.2.1 實(shí)驗(yàn)平臺(tái)
3.2.2 實(shí)驗(yàn)數(shù)據(jù)集
3.3 實(shí)驗(yàn)與分析
3.3.1 四種目標(biāo)檢測(cè)算法的比對(duì)實(shí)驗(yàn)
3.3.2 數(shù)據(jù)增強(qiáng)比對(duì)實(shí)驗(yàn)
3.3.3 模型性能測(cè)試
3.4 本章小結(jié)
第4章 基于煙火檢測(cè)技術(shù)的秸稈焚燒監(jiān)測(cè)系統(tǒng)
4.1 秸稈焚燒監(jiān)測(cè)系統(tǒng)概述
4.1.1 前端層
4.1.2 傳輸層
4.1.3 后臺(tái)層
4.1.4 監(jiān)控平臺(tái)層
4.2 秸稈焚燒監(jiān)測(cè)系統(tǒng)應(yīng)用研究
4.2.1 前端層部署
4.2.2 傳輸層部署
4.2.3 后臺(tái)層部署
4.2.4 監(jiān)控平臺(tái)層部署
4.3 秸稈焚燒監(jiān)測(cè)系統(tǒng)平臺(tái)
4.4 本章小結(jié)
第5章 總結(jié)與展望
5.1 本文工作總結(jié)
5.2 下一步工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況
致謝
本文編號(hào):3749109
本文鏈接:http://www.lk138.cn/wenshubaike/qiuzhijiqiao/3749109.html
最近更新
教材專著