基于无人机的秸秆焚烧监控系统的研究和设计

来源: 未知 作者:paper 发布时间: 2020-05-19 16:22
论文地区:中国 论文语言:中文 论文类型:工程硕士
秋收季节,秸秆焚烧现象在农村很常见。露天秸秆焚烧产生的大量有害气体会对生 态环境造成污染,危害人体的健康。焚烧时会破坏土壤结构和生态平衡,导致农田质量 下降,降低来
摘要
秋收季节,秸秆焚烧现象在农村很常见。露天秸秆焚烧产生的大量有害气体会对生 态环境造成污染,危害人体的健康。焚烧时会破坏土壤结构和生态平衡,导致农田质量 下降,降低来年的收成。同时其产生的烟雾会降低公路上的能见度,引发交通事故并且 会诱发雾霾的频繁爆发。因此对秸秆焚烧的监控和管理极为重要。
本文以无人机为载体设计秸秆焚烧监控系统,设计基于ARM-Linux的数据采集传输 终端。以S5P6818微处理器为核心,编写和移植系统相应模块的驱动以及应用程序;同 时设计北斗差分定位芯片泰斗D303的外围电路;并通过内网穿透将数据传输给服务器 进行解析,选择和改进相应算法来识别秸秆焚烧的产生;最后以模块化的方式将本文算 法编写进人机交互界面,实时显示监控数据。
本文首先详细介绍了秸秆焚烧的监控现状,对国内外烟雾识别技术现状进行论述与 分析。针对遥感卫星监控的缺点,选择以无人机为载体,设计了一套秸秆焚烧自动识别 监控系统。其次,详细研究系统所需的硬件环境,选择以S5P6818微处理器为核心,对 嵌入式软件环境进行搭建包括Bootloader^ Linux内核和根文件系统的制作和移植等。设 计了北斗差分定位芯片泰斗D303的硬件电路,编写和移植4G通信模块、CMOS图像 传感器、三轴传感器的驱动和应用程序。再次,使用运动补偿算法对无人机巡航状态下 的烟雾运动感兴趣区进行提取分析,同时分别对烟雾的HSV空间的颜色特征、时空能 量特性以及改进的Gabor滤波器的纹理统计特征进行提取,并使用支持向量机对图像烟 雾数据进行识别。最后,以模块化的方式将本文的算法编写进人机交互界面程序,对本 系统的各模块进行测试,并通过室外的实地测试,验证了本文系统对秸秆焚烧烟雾监控 的可行性和实用性。
第一章绪论
1.1研究的背景和意义
自古以来,我国就是一个农业大国。农业一直是我国国民经济的命脉。人们基本都是 通过对农作物简单的露天焚烧来对秸秆进行处理。秸秆焚烧,如图1.1所示,既对环境 造成污染又浪费资源。2016年9月,全国人大常委会批准中国加入《巴黎气候变化协 定》,意味着中国将加大环保力度⑴。

焚烧秸秆会产生大量的有害气体如二氧化硫以及二氧化氮等,危害人体健康的同时 造成大气污染;也会导致我们所熟知且经常爆发的雾霾⑵;秸秆焚烧时产生的烟雾会降 低马路上的能见度,从而导致交通事故;秸秆露天焚烧,由于火势无法控制,周围的易 燃物体被点燃并发生火灾。最后焚烧秸秆会将地表的微生物烧死,破坏土壤结构和生态 平衡,导致农田质量下降,降低收成。因此秸秆焚烧问题已经成为现代公众密切关注社 会和环境问题。
我国现如今主要是利用过境卫星的多光谱遥感传感器数据来对秸秆焚烧进行监控⑶。
(1)卫星遥感可以对大范围例如某个省级及其以上范围的秸秆焚烧进行监测⑷。但 是卫星的过境时间短,测量周期长,监测次数相对较少,无法多次重复对某一区域进行 有效的监控。对于小范围例如市级和县级及其以下的情况下有较大的局限性。
(2)遥感监测依靠红外感知外界的温度,产生热红外分布图像,因此存在一些外界 现象变成干扰因素,也可能显示为火点,导致误报。
(3)遥感技术在对秸秆焚烧进行监控时受天气限制比较大宀叫若多云天气,在云的 覆盖下则无法对秸秆焚烧进行监控和评估⑺。
本系统以无人机为载体,充分发挥无人机可以在高空悬停以及自动飞行巡航的优势 对秸秆焚烧现象进行图像智能识别和监控,更加便于有关地方工作人员及时进行监控和 管理工作。
遥感卫星监控是对大范围区域的监控,无人机监控系统可以实现对局部区域的有效 监控。本监控系统可以与遥感卫星监控系统相结合,互相配合和补充。因此该系统对于 秸秆焚烧的监控有广阔的应用前景。
1.2烟雾识别国内外研究现状
本系统对于秸秆焚烧现象的识别,主要是对秸秆燃烧时所产生的烟雾区域进行检测。 现阶段对于烟雾的识别检测技术有着较深入研究国外主要有土耳其的毕尔肯大学实验 室以及韩国启明大学实验室;国内主要有中国科学技术大学火灾科学国家重点实验室以 及江西财经大学袁非牛教授团队。
1.2.1国外研究现状
Toreyin⑹等人对烟雾进行小波变换研究得到烟雾的随着时间变化的能量特性。 Genovese[9]发现烟雾在YUV颜色空间的色度值相对于其他颜色空间中具有较低的色度 值,来对疑似烟雾区域进行提取。CelikM]提出了 rgb颜色空间中的烟雾模型特征。 Premal[11]等人对烟雾在YCbCr颜色空间进行分析和提取。Frizzi[12]通过使用六层卷积神 经网络来判别是否发生火灾、火焰和烟雾,在最后一个池化层使用滑动窗口来进行感兴 趣区域的提取。Maksymiv[13]通过结合AdaBoost和LBP算法对图像中是否存在烟雾区 域进行判断,再对可疑区域通过卷积网络进行识别处理,实现准确率的提高。
1.2.2国内研究现状
袁非牛团队Ml提取烟雾的向上运动特征对烟雾进行判别,并取得较好的识别效果。 吴梦宇等人卩]通过对烟雾的多运动特征的提取,来实现对烟雾图像的识别。何大超等人 [⑹提取出了烟雾的小波高频能量和烟雾的扩散特性对烟雾识别检测。郑怀兵等人"I对烟 雾的小波能量特征,烟雾扩散时的周长与面积比例,中心位置运动变化方向等进行分析。 周泊龙[国等人同时提取了烟雾颜色模型,凸型特征以及面积变化率等特征进行分析。赵 亮等人凹提取烟雾的色彩、LBP以及HOG直方图进行组合提取烟雾特征。陈俊周[20]等 人提出了级联卷积神经网络,结合烟雾的静态和动态特征通过双路卷积神经网络进行识 别。骆炎民0]通过动态背景更新法以及使用暗通道算法来对烟雾的运动区域进行提取, 再使用卷积网络对运动物体进行特征进行烟雾识别。王志成国]使用TensorFlow框架使 用卷积神经网络处理Haar特征对烟雾区域进行识别。路小波㈤结合视频图像的帧间信 息以及烟雾的运动特征,并基于卷积神经网络搭建多任务框架进行烟雾识别。
对国内外研究现状进行总结分析,虽然最新的深度学习网络技术可以用来对烟雾区 域进行识别,但是目前依然缺乏公开的烟雾标准数据库。这对于我们构建大量烟雾的数 据集造成了困难。所以本系统还是使用多特征融合的算法来对秸秆焚烧烟雾进行监测。
1.3论文的组织结构
本文设计了一种基于无人机的秸秆焚烧监控识别系统。首先根据系统需求对硬件部 分进行选型和设计,并搭建ARM-Linux嵌入式软件平台、完成硬件设计以及相关驱动 与应用程序的编写,分析研究秸秆焚烧时产生烟雾的识别方法和流程,最后将算法模块 化编写进人机交互界面并验证了系统的可行性。
第一章首先介绍秸秆焚烧对于我们的生活所产生的危害、国内现阶段常用的秸秆焚 烧管控方法、ARM的发展以及国内外对于烟雾识别的研究现状。最后介绍了论文的总 体结构和研究工作。
第二章主要是对嵌入式终端硬件系统的设计、ARM-Linux软件平台环境的搭建以及 驱动和应用程序的编写与移植进行详细介绍。
第三章简要介绍了传统烟雾的运动区域提取算法,由于无人机在巡航时属于动态复 杂背景,所以最终选取全局运动补偿算法来提取烟雾运动感兴趣区。同时对无人机在巡 航状态下,秸秆焚烧烟雾运动区域提取的方法进行验证。
第四章主要分析了秸秆焚烧烟雾的不同颜色空间下的颜色特征、能量空间特征以及 具有时间特性的改进Gabor滤波器的烟雾纹理统计特征。通过构造特征向量,为下一步 支持向量机模型的训练和构建做准备。
第五章对支持向量机简要介绍,在第四章的基础上提取烟雾的颜色特征、能量特征 以及纹理特征,使用支持向量机训练模型,识别无人机航拍的秸秆焚烧现象,最后对三 种多特征融合烟雾识别算法对比分析。
第六章将图像处理算法以模块化的方式编写进人机交互界面,同时对嵌入式ARM终 端进行各个模块的测试,以及系统整合实地现场测试。
第七章对本文研究的秸秆焚烧系统的方法进行总结和归纳,以及该系统存在的不足 提出一些改进的想法和意见。
第二章秸秆焚烧监控系统总体方案和设计
2.1系统的功能分析与架构
本系统以无人机为载体,进行数据的采集和传输工作。嵌入式ARM终端功能主要 包括图像采集、北斗定位、无人机飞行状态的数据采集以及数据4G无线传输。服务器 功能主要包括数据接收、数据的解析、图像处理以及图像识别。
对于ARM嵌入式终端,主要功能模块分为ARM、视频采集模块、北斗定位模块、 三轴传感器和4G数据传输模块。将实时采集的图像数据、北斗定位数据以及三轴传感 器数据实时通过4G模块上传给服务器。模块功能框图如图2.1所示:

图2.1嵌入式终端功能框图

服务器接收到ARM传输过来的实时监控数据,并在人机交互界面实时显示,同时通 过图像处理来自动判别是否存在秸秆焚烧现象。
图像处理识别阶段首先是通过计算参数仿射模型对待匹配图像数据进行运动补偿, 与原图像利用帧差法对无人机拍摄的烟雾运动感兴趣区进行提取和处理。同时使用三轴 传感器实时监控无人机巡航时的加速度参数,判断无人机巡航时是否为接近匀速,若不 是则需要重新计算仿射模型对图像进行运动补偿。最后提取秸秆焚烧时产生烟雾的颜色 特征、时空能量特征以及纹理特征,构造特征向量,使用支持向量机训练好的模型进行 识别,确定是否存在秸秆焚烧现象,并发出警报。
第三章无人机视频图像的烟雾运动区域的提取
3.1无人机简介
无人机(unmamied aerial vehicle, UAV)即无线电遥控设备或者自备的程序控制装置 操纵的无人驾驶飞机⑴】。随着无人机技术的快速发展,其在航拍、快递运输、灾难救援 和测绘等等应用场景得到大大的拓展,因此本系统则将无人机应用于秸秆焚烧监控方面 [34]O常见的民用无人机主要有以下几种:
本系统综合考虑到应用场景、操作性能、可靠性以及勤务性等方面因素,最终选择多 旋翼无人机作为本系统的硬件设备的载体。如图3.1所示:

第四章烟雾的多特征提取
通常情况下,燃料往往与空气中的氧气结合燃烧,留下一些残渣,产生火焰和烟雾。 在适当条件下,烟雾由于燃烧的材料的不同也会产生不同颜色的烟雾。本系统对于秸秆 焚烧监控工作主要也是通过焚烧时产生的烟雾来进行判别。
第五章基于多特征融合秸秆焚烧识别
支持向量机(Support Vector Machine, SVM)是在统计学习理论的基础上发展的新 一代的学习算法[刑,其拥有较好的训练能力和泛化能力,同时可以有效的解决非线性、 小样本和高维度的问题,支持向量机主要是通过映射、构造分类超平面,同时可以将低 维空间的非线性问题转变为高维空间中的线性问题。支持向量机可以有效地解决局部极 小值点以及维度灾难等问题⑴少]。
本文由于条件限制,同时我们对于秸秆焚烧后的样本有限,而支持向量机在小样本 的情况下、在非线性以及模糊识别中具有独特的优势[河。能够在小样本中训练学习,找 到最佳契合点。所以在秸秆焚烧特定环境下,使用支持向量机,对视频图像区分有烟雾 帧和非烟雾帧。
第六章系统的实现与性能分析
前五章详细介绍了本系统硬件设计方案和秸秆焚烧的识别算法,同时对本文算法进 行了分析和验证。本节将对各个硬件模块进行测试,并将系统各个模块进行整合,最后 进行实地测试,验证了秸秆焚烧监控系统的可行性和实用性。
第七章总结与展望
7.1全文总结
本文主要围绕秸秆焚烧的整个系统展开研究,设计了基于无人机的秸秆焚烧监控系 统,包括无人机机载嵌入式系统、图像处理算法以及开发服务器程序。基本可以解决遥 感卫星在进行秸秆焚烧监控时的弊端,提高了秸秆焚烧的监管和治理效率。全文主要解 决的问题包括:基于ARM-Linux嵌入式系统的平台的搭建、硬件模块的设计、秸秆焚 烧的烟雾识别算法的设计以及人机交互界面服务器程序的编写。同时对硬件的各个模块 进行单独测试以及整合测试,成功实现了对秸秆焚烧的监控。
本文主要完成的内容如下所示:
(1)详细阐述了秸秆焚烧在我国的现状,目前秸秆焚烧主要是通过过境卫星监控来 实行,遥感卫星监控是对大范围区域的监控,无人机监控系统可以实现对局部区域的有 效监控,同时还可以将该系统与遥感卫星监控系统相结合,互相配合和补充。
(2)以无人机为载体,对ARM-Linux嵌入式终端进行设计和搭建。包括ARM嵌 入式软件平台的搭建步骤、北斗定位模块硬件电路的设计、视频采集模块、三轴传感器 以及4G无线通信模块等的驱动与应用程序的设计和编写。
(3)详细研究了无人机的种类和常用的运动区域提取算法。无人机在巡航状态下, 最终通过全局运动补偿,来实现秸秆焚烧烟雾运动区域的提取。
(4)分析秸秆室外焚烧时产生烟雾的特征。主要为烟雾的颜色特征,时空能量特性 以及改进的Gabor滤波器的纹理特征对烟雾特征进行提取。通过多特征融合的方法,利 用支持向量机烟雾进行有效的识别。
(5)将本文的算法以模块的方式整合到服务器程序。对嵌入式终端各个模块进行单 独测试以及室内和室外的联合调试。验证该系统的可行性。