基于EfficientNet的林火识别模型
[摘要]多年来，森林火灾的发生越来越频繁，平均每年发生数十万次，森林火灾一旦发生，损失巨大，扑灭尤为困难，对经济、生态环境等会产生巨大影响，世界各国对林火监测系统的研究都非常重视。传统的森林火灾探测方法是用机械设备或人来监测周围的环境，但这些方法是危险的，而且需要耗费大量的人力资源。本文将林火识别与机器学习领域的深度学习算法相结合，将其中的卷积神经网络模型EfficientNet应用在林火识别上。深度网络可以自动提取输入图像特征，通过层与层之间的传递，将底层特征组合形成高层的抽象特征，避免了传统方法中人工提取特征的复杂性和盲目性。本文所介绍的森林火灾预测预警系统结合深度学习模型，不仅高效，而且能够有效减少大量的人力物力投入，保证人员安全，使监控范围更加广泛。
[关键词]EfficientNet 烟火识别 卷积神经网络
1．研究背景及意义
森林可以吸收二氧化碳；它们可以提供木材和森林副产品；它们可以净化水、阻挡风暴和吸收灰尘；它们还可以保持生态平衡。不幸的是，每年有数百万毫米的森林被森林大火烧毁，数亿美元被用来扑灭这些大火。森林火灾一旦发生，损失巨大，扑灭尤为困难，对经济、生态环境等会产生巨大影响，世界各国对林火监测系统的研究都非常重视。减少对森林资源的破坏，挽救人类生命财产损失。为了减少森林火灾的危害，预防的后果远远大于扑灭火灾。因此，森林防火被认为是保护和保护自然资源的重要任务之一。
多年来，森林火灾的发生越来越频繁，平均每年发生数十万次，造成数百万公顷的森林损失，特别是80年代以后的气候变暖，加剧了这场自然灾害的发生。
例如，1987年大兴安岭发生火灾；1997年至1998年印尼长期干旱后，火灾造成300多万公顷森林损失；1999年至2000年，美国西部因森林火灾损失200万公顷森林。；2001年澳大利亚的一场火灾摧毁了70万公顷的森林资源。特别是2015年我国发生的火灾、2016年加拿大阿尔伯塔省发生的火灾、2017年温哥华发生的严重火灾以及2017年10月和12月加利福尼亚州发生的两起重大火灾更为重要。这是一个巨大的损失。为了减少森林火灾的危害，有必要对森林火灾进行预防和监测。基于视频的早期森林火灾探测方法的研究具有很高的研究和应用价值，具有重要的社会意义和经济效益。[1]
2．国内外研究现状
传统的森林火灾探测方法是用机械设备或人来监测周围的环境，但这些方法是危险的，而且需要耗费大量的人力资源。目前，国内外已经开展了基于计算视觉的森林火灾探测相关理论研究。与红外传感器、多光谱传感器、超光谱传感器等热成像技术相比，无人机配备了视觉摄像机，用于林火识别技术研究。它具有价格低廉、适用范围广、操作简单等优点。
