西安邮电大学通信与信息工程学院，陕西西安 710121
针对脉冲激光近感探测在烟雾干扰下引起的虚警、漏警等问题，本文根据 Mie散射理论，运用 Monte Carlo方法建立脉冲激光近感探测模型，仿真 905 nm脉冲激光获取大小目标在无干扰和烟雾干扰两种条件下的回波，分析回波的波形特征。结果表明：无干扰情况下，发射接收系统与目标之间的距离和回波幅值呈负相关；大小目标回波前沿的上升速率均呈递增趋势。烟雾干扰情况下，烟雾回波和目标回波的脉冲宽度相对于发射激光波形均有一定的展宽，但前者的展宽程度要大于后者；烟雾回波波形呈现前沿陡峭，后沿平缓的非对称特征。研究成果可以为激光近感探测抗烟雾干扰提供理论基础。
激光近感探测 烟雾 Mie散射 Monte Carlo方法 回波特性 laser proximity detection, smoke, Mie scattering,
陕西科技大学 电子信息与人工智能学院，陕西 西安 710021
为实现实验室火灾识别并解决因火苗小导致相机采集到的图像火焰不显著，以及火焰伴随烟雾遮挡影响分割识别精度的问题，提出一种改进的语义感知的实时热红外和可见光图像融合分割网络。通过融合热红外与可见光图像，提供热辐射信息以增强可见光图像中因烟雾遮挡而降低的光谱信息以及火焰燃烧前期的显著性，完成对实验室烟雾遮挡下火焰以及火焰燃烧前期小火苗的分割。对融合网络中的梯度残差密集块（GRDB）增加中间特征传输块（IFTB）并引入权重块，减少融合时火焰图像的信息损失，在增强火焰图像显著性的同时以最少内容损失为基准还原可见光图像结构信息。在Deeplabv3+语义分割网络中添加基于梯度变换的边缘提取模块（EEM），增强融合图像中明暗变换显著的火焰烟雾图像边缘信息，减少烟雾遮挡对火焰分割的影响，提高火焰分割识别精度。实验结果显示，通过融合可见光与热红外图像使火焰燃烧前期图像的火焰检测分割识别精度得到了提升，改进的火焰分割网络在自采数据集中的平均交并比为91.27%，分割效率为11.96 FPS，表明改进的融合分割网络对实验室火焰烟雾分割识别的效果有明显提升，对于实验室火焰烟雾检测具有现实应用价值。
火焰烟雾检测 图像融合 语义分割 IFTB 边缘提取 flame smoke detection image fusion semantic segmentation IFTB edge extraction
1 西南林业大学林学院, 云南 昆明 650224
2 巴音郭楞蒙古自治州林业和草原局, 新疆巴州“三北”防护林建设管理办公室, 新疆 巴音郭楞 841009
3 中国林业科学研究院森林生态环境与自然保护研究所, 国家林业和草原局森林保护学重点实验室, 北京 100091
目前遥感林火监测主要侧重极轨卫星火点探测精度, 而基于多源遥感影像进行火点、 烟雾特征等综合火场信息遥感监测识别研究较少。 以云南省安宁市2020年5月9日森林火灾为研究对象, 基于高分六号卫星宽幅(GF-6 WFV)数据和风云三号D极轨气象卫星中分辨率光谱仪(FY-3D MERSI)数据进行火场烟雾、 火烧迹地提取及火点判识。 首先根据GF-6 WFV影像, 选取6种光谱特征指数, 以最大似然法、 支持向量机分类法及随机森林分类法, 识别火场烟雾和火烧迹地, 并进行精度评价; 然后, 基于1 km的FY-3D MERSI中红外通道数据, 对潜在火点识别算法进行改进, 根据FY-3C VIRR和MODIS火点探测基本原理, 利用动态阈值和上下文检测法识别火点, 再结合250m分辨率的远红外通道优化识别结果。 最后结合两种数据提取的烟雾、 火点及火烧迹地信息, 探讨分析GF-6 WFV与FY-3D MERSI对于林火的监测能力。 结果表明: 通过5种特征指数及GF-6 WVF数据的8个波段, 能有效识别出烟雾及火烧迹地, 3种分类方法中随机森林分类效果最佳, 总体分类精度和Kappa系数为97.20%和0.955; 改进后的FY-3D MERSI数据火点识别算法, 能有效提高火点识别的准确率; 将中红外通道与远红外通道相结合探测火点, 能使火点识别能力由千米级提高至百米级; 综合GF-6 WFV及FY-3D MERSI数据可有效提取火场的烟雾、 火烧迹地及火点信息。 利用多源数据, 可多方位进行林火监测预警, 对于提高卫星遥感林火监测能力具有重要意义。
卫星遥感 林火监测 烟雾特征 Satellite remote sensing GF-6 WFV GF-6 WFV Forest fire monitoring FY-3D MERSI FY-3D MERSI Smoke characteristics
1 哈尔滨工业大学 光电子技术研究所 可调谐（气体）激光技术重点实验室， 黑龙江哈尔滨5000
2 复杂系统控制与智能协同技术重点实验室，北京100074
利用Gm-APD （Geiger mode avalanche photon diode）激光雷达对浓密烟雾背后的目标进行成像时，烟雾对激光的强后向散射和吸收能力，严重限制了传统算法对淹没在烟雾信号中目标信号的提取能力。提出了一种基于双参量估计的Gm-APD激光雷达透烟雾成像算法，介绍了基于Gm-APD激光雷达的触发模型和根据探测概率求解实际接收回波信号的原理，并且基于光子与烟雾粒子的碰撞理论和Mie散射理论，详细推导了Gamma模型两个参数的物理关系。根据推导的关系式提出了一种双参量估计算法，该算法考虑了如何精确估计μ，k两个参数。最后，开展了仿真和室内透雾实验，利用仿真实验检验μ，k关系式的正确性，利用室内实验验证提出算法的透雾成像能力。实验结果表明，相较于传统算法，本文提出算法重构图像的目标复原度提升了73%，结构相似性提升了0.228 9。该研究有效提升了Gm-APD激光雷达在烟雾环境中的目标感知能力。
激光雷达 透烟雾成像 Gamma模型 双参量估计 lidar imaging through smoke Gamma model dual-parameter estimation 光学 精密工程
2022, 30(19): 2370
1 南京信息工程大学 教师教育学院, 南京 210044
2 南京信息工程大学 江苏省大气海洋光电探测重点实验室, 南京 210044
3 南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京 210044
为了研究电烙铁工作时焊接含铅锡线产生的烟雾对局域空气的污染, 设计了一套基于激光诱导击穿光谱技术(LIBS)的实验系统, 对电烙铁焊接含铅锡线的烟雾进行在线分析, 在烟雾的光谱中发现了重金属元素铅的特征谱线。使用元素内标法对铅元素进行定量分析, 通过分析铅元素的等离子体温度与电子数密度的相关特性, 验证了实验所得光谱的有效性。结果表明, 通过拟合曲线获得铅元素的检出限为19.35×10-5; 对比传统化学的化验方法, 基于激光诱导击穿光谱的电烙铁焊接锡线的场景检测实验系统和方法具有在线、原位、快速的优越性。该研究对解决电烙铁工作时室内空气的污染, 减轻对使用者健康造成的危害是有帮助的。
光谱学 激光诱导击穿光谱 定量分析 烟雾 spectroscopy laser-induced breakdown spectroscopy quantitative analysis smoke
1 上海工程技术大学, 上海 201000
2 清华大学, 北京 100000
火灾发生的前期往往伴随有不同量的烟雾, 故烟雾的高精敏感检测对预防火灾蔓延具有重要作用。针对烟雾检测提出了基于光流估计与目标检测的SmokeNet算法, 该算法首先对输入图像的色彩空间进行转换, 然后使用光流估计算法LiteFlowNet对烟雾运动进行估计, 并使用目标检测算法YOLOv4剔除运动物体干扰, 最后通过降噪处理, 得到图像中烟雾区域的大小、形状及运动轨迹, 即可对烟雾进行评估。在室内烟雾评估实验中, 该算法获得了93.53%的检测准确率。
烟雾检测 光流 目标检测 smoke detection optical flow target detection SmokeNet SmokeNet
1 华东师范大学地理科学学院, 地理信息科学教育部重点实验室, 上海 200241
2 崇明生态研究院, 上海 200262
二甲苯是一种重要的人为源 VOC, 也是城市地区 SOA 的重要前体物。二甲苯光氧化形成的 SOA 受多种环境因素影响, 而 NH3 对该反应形成的 SOA 生成产率及反应机制的影响尚不清楚。基于室内烟雾箱模拟系统, 探讨了 NH3 对二甲苯光氧化形成 SOA 质量浓度、物理特性及化学组成的影响。研究表明, 在低浓度条件下, NH3 对二甲苯光氧化生成 SOA 具有明显的促进作用, 结合气溶胶质谱结果发现 NH3 促进醛酮类物质进入颗粒相以及含氮有机物的生成是导致 SOA 质量浓度增加的主要原因。此外, NH3 能够提高邻二甲苯生成 SOA 的吸光度, 但是对对二甲苯无明显影响。分析表明, 相较于对二甲苯, 邻二甲苯光氧化会生成大量醛类物质, NH3 与醛类发生美拉德反应是导致 SOA 吸光性增加的主要原因。
二甲苯 二次有机气溶胶 吸光度 烟雾箱模拟 xylene secondary organic aerosol NH3 NH3 light absorption smog chamber simulation 大气与环境光学学报
2022, 17(1): 185
西安建筑科技大学 信息与控制工程学院, 陕西 西安710048
为提高火灾烟雾检测模型的性能, 以及避免繁琐的手工烟雾特征提取过程, 本文提出一种基于卷积神经网络YOLOv4的火灾烟雾检测模型。该方法以CSPDarkNet53为主干网络, 在主干网络的最后一层加入了13×139×95×51×1四个不同尺度的最大池化, 多尺度特征融合中采用了PANet(Path Aggregation Network)以提高网络特征提取能力; 为了增强网络预测头提取有效烟雾信息的能力, 在网络预测头加入通道注意力网络。针对火灾烟雾数据集, 候选框的尺寸使用K-means进行聚类以得到更加符合贴近火灾烟雾数据集的尺寸; 由于本文仅识别火灾烟雾一种类别, 所以精简损失函数, 剔除分类误差, 使算法收敛得更快。训练阶段使用了图像翻转、放缩和随机擦除等数据增强方法以降低过拟合的风险。实验结果表明, 所提出的火灾烟雾检测模型精度高, 其准确率达到92.5%, 召回率达到87.7%, 同时检测速度可达51帧/s, 提高了火灾烟雾检测模型的性能。
火灾烟雾检测 通道注意力网络 fire smoke detection YOLOv4 YOLOv4 channel attention network K-means K-means
西安建筑科技大学 信息与控制工程学院, 陕西 西安710055
烟雾是火灾早期检测的重要特征。传统机器学习及二维卷积神经网络烟雾检测算法对烟雾特征的提取局限于空间领域, 无法提取时域信息。现有的三维卷积神经网络检测算法则存在计算成本高、检测时效低的问题, 导致检测准确率和虚警率不理想。针对上述问题, 本文提出一种基于时空域深度学习的烟雾视频检测方法。利用分块运动目标检测方法提取烟雾视频的运动目标, 过滤非烟雾目标; 同时将三维卷积神经网络拆分, 形成一种二加一维时空域网络模块, 提取时空域特征, 提高检测时效。为抑制无关特征, 引入注意力机制, 增加压缩和激励网络重新标定特征通道权重, 提升烟雾检测准确率。研究结果表明, 本文所用算法的平均准确率为97.12%, 平均正确率为97.06%, 平均虚警率为2.74%, 平均检测帧率为10.49帧/s, 满足火灾烟雾探测需求, 检测时效得到明显提高。
烟雾检测 深度学习 时空域 运动目标检测 注意力机制 smoke detection deep learning spatio-temporal moving target detection attention mechanism
