CN119399904A 多感合一林业火灾自动识别与预警系统与方法 （国家林业和草原局华东调查规划院）

杜瑞轩多感合一林业火灾自动识别与预警系统与本发明公开了一种多感合一林业火灾自动22.根据权利要求1所述的多感合一林业火灾自动识别与预警方法，其特征在于：在S13.根据权利要求1所述的多感合一林业火灾自动识别与预警方法，其特征在于：在S3模型包括3个head卷积层、3个多尺度特征提取模块、6个Transformer模块和1个分类首先获取预处理后的数据，将预处理后的数据调整为3×224×224然后，通过三个多尺度特征提取模块充分提取图像中的经过多尺度特征提取模块后，将带有位置嵌入和类标记的特征图输入到Transformer，Transformer模块：Transformer模块的全局特征提取能力主要依赖于多头注意力机5.根据权利要求4所述的多感合一林业火灾自动识别与预警方法，其特征在于：对3卷积操作，s是卷积核大小；ConvProj()表示卷积投影Reshape2D()表示数据重塑为二维形式；FFN(X)＝GeLU(XW1+b1)和b20表示多尺度特征提取模块导出参数B维度变换后，添加类标Transformer模块的输出；当继续执行最后一个Transformer模块时，y表示模型的输出；6.根据权利要求1所述的多感合一林业火灾自动识别与预警方法，其特征在于：在S47.根据权利要求1所述的多感合一林业火灾自动识别与预警方法，其特征在于：在S548.一种多感合一林业火灾自动识别与预警系统，实现权利要求1_7所述的多感合一林平台服务层包括传输网路以及设备接入服务、地图引擎服56[0027]其中，MSA表示多头自注意力机制，head表示前面提及的自注意力机制的结果，GeLU为激活函数；78[0070](3)大数据可视化融合多源感知监测数据，为林业生态决策支持提供决策分析和9[0104]模型主要由3个head卷积层、3个多尺度特征提取模块(MFEModule)、6个[0106]CNN(ConvolutionalNeuralNetwork，卷积神经网络)采用多层卷积和池化操作滑动来选择窗口内的最大值作为池化输出。这有助于保留主要特征并减小特征图的大小，照不同权重(W0)组合在一起就是多头自注意GeLU为激活函数。经纬度坐标，可以使用地理信息系统(GIS)工具进行位置匹配，确定报警点所在的具体区[0187]通过多跨协同等手段，平台根据用户权限提供相应的入[0219]如图13所示，烟火识别算法是能够将摄像机采集到视频图像未经压缩地数字化[0220]烟火识别在满足能见度的条件下，识别准确率不低于97热成像林火定位误差[0221]热成像火点识别：热成像前端通过嵌入式DSP(数字信号处理器)温度分析火点探[0227]无人机早期火情核实：可以高空实时拍摄作业，根据早期火情报警指定林区GPS[0241]对于同一设备的重复报警，能够做到同一地点一段时间[0244]事件区域判定算法可以实时监测特定事件的发生区域，有助于及时发现潜在风行数据的流转和治理将各类数据库引擎有机支持。进而从宏观的层面为后续的业务决策和处置预案的优化提供可量化的数据样本支业务应用提供专题数据报告自动生成和发布的GIS数据服务由于其承载有空间关系的特殊性，因此需要相应的专用空间索引进行快速检为直观的地图内容显示或者通过图层叠加的形后的标准化有效数据存储到公共基础数据服务以提供给其他系统服务做进一步的分析和备所输出的感知数据并转换为统一的感知数据类型为过数据处理流水线完成数据格式标准化后的数据进行校验和必要的修补以保障在进入大化的动态分配和调度，从而充分利用集群中的AI算力提高AI预测的及时性和处理吞吐能[0334]地理信息搜索提供了基于关键字或空间关系等综合方式查询各类地理相关信息业务应用的开发成本提高业务应用响应不同业务需提高终端用户获取数据的传输效率提高业务应用的用户[0341]感知数据实时点播能够为上层业务应用提供将指定前端感知设备的实时采集数[0343]感知数据历史回放能够为上层业务应用提供将指定前端感知设备在历史上指定[0347]基于上层业务应用访问感知数据大量存在多终端同时访问同一个前端感知设备机制提高对应用前端的响应速度，同时可以有效降低对下层感知数据提取服务的访问压[0351]通过自定义业务流程管理，可以帮助业务应用向其终端用户提供感知数据分发、[0356]通过自定义业务流程，可以将部分能够在平台中自动处理的业务流程进行预编身份认证，可以对接数字林业系统的用户身份认证服务实现对用户的单点登录身份识别。及时记录并同步用户对平台的访问记录以实现统一的用户访开放授权(OpenAuthorization)协议实现外部用户的访问