摘要
一种基于深度学习的森林火灾预警方法,依次包括数据生成、分类模型训练、树莓派部署和实时监控预警;数据生成:搜集部分森林场景图片及森林火灾场景图片,利用生成式对抗网络生成大量的置信度高的森林火灾仿真图片,并创建分类数据集;分类模型训练:通过轻量级卷积神经网络对分类数据集进行训练;树莓派部署:将训练结果模型部署到树莓派上;实时监控预警:在树莓派预警平台上实时采集图像并立刻进行模型推理,将推理结果及现场图片、位置等预警信息发送回服务器端。本发明,使用成本低,监控范围大,检测精度高,提高数据集的有效性,极大地提高了现场检测的准确率。