基于深度學(xué)習(xí)的煙火檢測方法在秸稈禁燒中的應(yīng)用研究
發(fā)布時間：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)入了一個繁榮發(fā)展時期,人工智能和深度學(xué)習(xí)的應(yīng)用開始滲透到各個行業(yè),并取得了較好的效果。近年來,國家越來越重視環(huán)境保護(hù),有關(guān)部門曾指出,秸稈焚燒會造成嚴(yán)重的環(huán)境污染,降低大氣質(zhì)量,降低土壤營養(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)測方法主要有三種:人工監(jiān)測方法、基于傳感器的監(jiān)測方法和基于衛(wèi)星遙感或無人機(jī)的監(jiān)測方法。人工監(jiān)測的方法,要耗費(fèi)大量的人力資源,實(shí)時性較差且低效�；趥鞲衅鞯谋O(jiān)測方法,存在距離障礙等技術(shù)限制,時效性差,無法精準(zhǔn)地提供預(yù)警信息�；谛l(wèi)星遙感或無人機(jī)的監(jiān)測方法,采集到的圖像易受到環(huán)境因素等的干擾,對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)域取得了長足的發(fā)展,而深度學(xué)習(xí)是其中一個重要的分支,利用深度學(xué)習(xí)技術(shù),解決煙火檢測和識別的問題成為又一個熱門的研究方向。因此,本文通過研究人工智能技術(shù),將基于深度學(xué)習(xí)的煙火檢測技術(shù)應(yīng)用于秸稈焚燒監(jiān)測領(lǐng)域,并構(gòu)建了一個基于此方法的秸稈焚燒監(jiān)測系統(tǒng)。本文的主要工作內(nèi)容如下:(1)本文提出了一種基...
【文章頁數(shù)】：62 頁
【學(xué)位級別】：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 本文主要的研究內(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)檢測技術(shù)
2.3.1 二階段的目標(biāo)檢測方法
2.3.2 一階段的目標(biāo)檢測方法
2.4 本章小結(jié)
第3章 基于煙火檢測技術(shù)的秸稈焚燒檢測方法
3.1 秸稈焚燒檢測的實(shí)現(xiàn)
3.1.1 YOLOv3算法介紹
3.1.2 煙火檢測和秸稈檢測的實(shí)現(xiàn)
3.1.3 秸稈焚燒檢測的實(shí)現(xiàn)
3.2 實(shí)驗(yàn)平臺和實(shí)驗(yàn)數(shù)據(jù)集
3.2.1 實(shí)驗(yàn)平臺
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)檢測算法的比對實(shí)驗(yàn)
3.3.2 數(shù)據(jù)增強(qiáng)比對實(shí)驗(yàn)
3.3.3 模型性能測試
3.4 本章小結(jié)
第4章 基于煙火檢測技術(shù)的秸稈焚燒監(jiān)測系統(tǒng)
4.1 秸稈焚燒監(jiān)測系統(tǒng)概述
4.1.1 前端層
4.1.2 傳輸層
4.1.3 后臺層
4.1.4 監(jiān)控平臺層
4.2 秸稈焚燒監(jiān)測系統(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 后臺層部署
4.2.4 監(jiān)控平臺層部署
4.3 秸稈焚燒監(jiān)測系統(tǒng)平臺
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)活動及成果情況
致謝
本文編號：3749109
【文章頁數(shù)】：62 頁
【學(xué)位級別】：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 本文主要的研究內(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)檢測技術(shù)
2.3.1 二階段的目標(biāo)檢測方法
2.3.2 一階段的目標(biāo)檢測方法
2.4 本章小結(jié)
第3章 基于煙火檢測技術(shù)的秸稈焚燒檢測方法
3.1 秸稈焚燒檢測的實(shí)現(xiàn)
3.1.1 YOLOv3算法介紹
3.1.2 煙火檢測和秸稈檢測的實(shí)現(xiàn)
3.1.3 秸稈焚燒檢測的實(shí)現(xiàn)
3.2 實(shí)驗(yàn)平臺和實(shí)驗(yàn)數(shù)據(jù)集
3.2.1 實(shí)驗(yàn)平臺
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)檢測算法的比對實(shí)驗(yàn)
3.3.2 數(shù)據(jù)增強(qiáng)比對實(shí)驗(yàn)
3.3.3 模型性能測試
3.4 本章小結(jié)
第4章 基于煙火檢測技術(shù)的秸稈焚燒監(jiān)測系統(tǒng)
4.1 秸稈焚燒監(jiān)測系統(tǒng)概述
4.1.1 前端層
4.1.2 傳輸層
4.1.3 后臺層
4.1.4 監(jiān)控平臺層
4.2 秸稈焚燒監(jiān)測系統(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 后臺層部署
4.2.4 監(jiān)控平臺層部署
4.3 秸稈焚燒監(jiān)測系統(tǒng)平臺
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)活動及成果情況
致謝
本文編號：3749109
本文鏈接：http://www.lk138.cn/wenshubaike/qiuzhijiqiao/3749109.html
最近更新
教材專著
