【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于森林火災(zāi)監(jiān)測，特別是涉及一種基于kan網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法。
技術(shù)介紹
1、森林火災(zāi)是一種突發(fā)性強、破壞性大、處置救助較為困難的自然災(zāi)害。森林火災(zāi)不僅只是損失一些樹木，更是對森林生態(tài)環(huán)境的一種破壞，并且存在引發(fā)空氣污染和人民財產(chǎn)損壞等問題，因此森林草原火災(zāi)的提前預(yù)警是至關(guān)重要的。
2、目前對于森立火災(zāi)的防護多數(shù)通過無人機技術(shù)、衛(wèi)星和遠程視頻監(jiān)控、地面巡邏和人工瞭望等方式，普遍成本較高。目前電子行業(yè)的快速發(fā)展，促進了各種傳感器的研發(fā)，對于森林火點的監(jiān)測，可以借助多種傳感器進行監(jiān)測，例如煙霧傳感器、溫度傳感器等等。單獨使用一種傳感器可能會造成誤檢，因此通常可以嘗試使用多個傳感器同時進行監(jiān)測，但是對于多種傳感器帶來的多種數(shù)據(jù)往往不能很好整合并且做出決策。
3、對于多傳感器的數(shù)據(jù)融合通常有卡爾曼融合、一階低通濾波等等，但是這些融合方式往往只能針對有限的傳感器，并且融合方式單一。利用神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)融合，常見的利用多層感知機（mlp），但是隨著數(shù)據(jù)量的增加，mlp模型的參數(shù)數(shù)量也會急劇增加，導(dǎo)致計算成本上升，并且mlp模型是一個黑箱模型，難以解釋其內(nèi)部如何進行數(shù)據(jù)融合和決策。很多傳統(tǒng)的數(shù)據(jù)融合算法更多是根據(jù)固定的融合方式，對于一些突發(fā)情況可能會做出錯誤的判斷。并且不同的傳感器數(shù)值范圍可能是不一樣的，因此對于傳統(tǒng)的融合算法可能還需要進行數(shù)據(jù)換算，難以很好兼顧所有傳感器數(shù)據(jù)的特點。
技術(shù)實現(xiàn)思路
1、為了解決上述問題，本專利技術(shù)提出了一種基于k
2、為達到上述目的，本專利技術(shù)采用的技術(shù)方案是：一種基于kan網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，包括步驟
3、s10,火點檢測設(shè)備中配置多種傳感器進行數(shù)據(jù)采集；
4、s20,將采集的數(shù)據(jù)傳輸?shù)交趉an網(wǎng)絡(luò)的多傳感器融合模型中去進行數(shù)據(jù)融合，融合為一個數(shù)據(jù)作為森林火點檢測的決策數(shù)據(jù)；
5、s30,利用所述森林火點檢測的決策數(shù)據(jù)進行火點發(fā)生預(yù)警處理。
6、進一步的是，基于kan網(wǎng)絡(luò)的多傳感器融合模型建立過程包括：
7、構(gòu)建樣本數(shù)據(jù)集，包括在不同環(huán)境情況下多種傳感器的數(shù)據(jù)，以及對應(yīng)的森林火點情況描述；
8、將傳感器數(shù)據(jù)傳入到數(shù)據(jù)融合的kan網(wǎng)絡(luò)模型中，然后利用可學習激活函數(shù)將原始傳感器數(shù)據(jù)進行提煉；經(jīng)過多次的數(shù)據(jù)提煉融合，最后將多個傳感器的測量數(shù)據(jù)融合為一個數(shù)據(jù)作為森林火點檢測的決策數(shù)據(jù)。
9、進一步的是，構(gòu)建樣本數(shù)據(jù)集包括：在正常環(huán)境下、干燥環(huán)境下和高溫度環(huán)境下的數(shù)據(jù)，或者在正常情況、疑似火點、低濃度煙霧和高濃度煙霧情況下的數(shù)據(jù)；并且對應(yīng)的融合數(shù)據(jù)為火點發(fā)生的概率。
10、進一步的是，將模型輸出的決策數(shù)據(jù)與對應(yīng)的是融合數(shù)據(jù)的標簽進行比較，計算相應(yīng)的誤差，然后利用誤差來調(diào)整可學習的激活函數(shù)，將輸入的多傳感器數(shù)據(jù)擬合到融合數(shù)據(jù)的標簽；經(jīng)過多次的調(diào)整之后，誤差逐漸減小，整個模型將擬合多傳感器的輸入數(shù)據(jù)和標簽數(shù)據(jù)；
11、在多次調(diào)整激活函數(shù)之后，得到融合多傳感器數(shù)據(jù)的kan網(wǎng)絡(luò)模型。
12、進一步的是，基于kan網(wǎng)絡(luò)的多傳感器融合包括步驟：
13、首先，對于獲取到來自多個不同傳感器的數(shù)據(jù)，每一個數(shù)據(jù)分別經(jīng)過三個可學習的激活函數(shù)；
14、然后，將每個傳感器數(shù)據(jù)對應(yīng)位置經(jīng)過激活函數(shù)計算后的數(shù)值累加起來，將多個傳感器的數(shù)據(jù)融合為3個數(shù)據(jù)；
15、此后，在對3個融合后數(shù)據(jù)分別進行兩個不同的可學習激活函數(shù)的計算后得到2個融合數(shù)據(jù)；
16、最后，分別再進行可學習激活函數(shù)的計算后融合為一個數(shù)據(jù)，該數(shù)據(jù)為多個傳感器數(shù)據(jù)最終的融合數(shù)據(jù)，作為森林火點檢測的決策數(shù)據(jù)。
17、進一步的是，所述將每個傳感器數(shù)據(jù)對應(yīng)位置經(jīng)過激活函數(shù)計算后的數(shù)值累加起來，將多個傳感器的數(shù)據(jù)融合為3個數(shù)據(jù)包括：（1）第一個傳感器數(shù)據(jù)對應(yīng)第一個可學習激活函數(shù)處理的數(shù)值、第二個傳感器數(shù)據(jù)對應(yīng)的第一個可學習激活函數(shù)處理的數(shù)值、直至第n個傳感器數(shù)據(jù)對應(yīng)的第一個可學習激活函數(shù)處理的數(shù)值全部相加；（2）第一個傳感器數(shù)據(jù)對應(yīng)第二個可學習激活函數(shù)處理的數(shù)值、第二個傳感器數(shù)據(jù)對應(yīng)的第二個可學習激活函數(shù)處理的數(shù)值、直至第n個傳感器數(shù)據(jù)對應(yīng)的第二個可學習激活函數(shù)處理的數(shù)值全部相加；（3）第一個傳感器數(shù)據(jù)對應(yīng)第三個可學習激活函數(shù)處理的數(shù)值、第二個傳感器數(shù)據(jù)對應(yīng)的第三個可學習激活函數(shù)處理的數(shù)值、直至第n個傳感器數(shù)據(jù)對應(yīng)的第三個可學習激活函數(shù)處理的數(shù)值全部相加。
18、采用本技術(shù)方案的有益效果：
19、本專利技術(shù)對于森林火點的檢測，利用多個傳感器共同收集當前環(huán)境中的數(shù)據(jù)可以更加準確的判斷出當前位置是否存在火點情況。但是對于多種傳感器帶來的多種數(shù)據(jù)往往不能很好整合并且做出決策，因此本專利技術(shù)基于kan網(wǎng)絡(luò)實現(xiàn)多傳感器的數(shù)據(jù)融合，以實現(xiàn)對森林火點的精確檢測。
20、本專利技術(shù)利用kan網(wǎng)絡(luò)來融合多個傳感器的數(shù)據(jù)，學習到多傳感器數(shù)據(jù)與火點情況的關(guān)系，可以很好的監(jiān)督到不同傳感器數(shù)據(jù)的數(shù)值特點。此外kan對非線性函數(shù)的擬合能力很強，因此可以很容易找到多傳感器數(shù)據(jù)和融合標簽數(shù)據(jù)之間的非線性映射關(guān)系，從而取得更好的火點檢測效果。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于KAN網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，包括步驟
2.根據(jù)權(quán)利要求1所述的一種基于KAN網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，基于KAN網(wǎng)絡(luò)的多傳感器融合模型建立過程包括：
3.根據(jù)權(quán)利要求2所述的一種基于KAN網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，構(gòu)建樣本數(shù)據(jù)集包括：在正常環(huán)境下、干燥環(huán)境下和高溫度環(huán)境下的數(shù)據(jù)，或者在正常情況、疑似火點、低濃度煙霧和高濃度煙霧情況下的數(shù)據(jù)；并且對應(yīng)的融合數(shù)據(jù)為火點發(fā)生的概率。
4.根據(jù)權(quán)利要求2所述的一種基于KAN網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，將模型輸出的決策數(shù)據(jù)與對應(yīng)融合數(shù)據(jù)的標簽進行比較，計算相應(yīng)的誤差，然后利用誤差來調(diào)整可學習的激活函數(shù)，將輸入的多傳感器數(shù)據(jù)擬合到融合數(shù)據(jù)的標簽；經(jīng)過多次的調(diào)整之后，誤差逐漸減小，整個模型將擬合多傳感器的輸入數(shù)據(jù)和標簽數(shù)據(jù)；
5.根據(jù)權(quán)利要求4所述的一種基于KAN網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，基于KAN網(wǎng)絡(luò)的多傳感器融合包括步驟：
6.根據(jù)權(quán)利要求5所述的一種基于KA
...【技術(shù)特征摘要】
1.一種基于kan網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，包括步驟
2.根據(jù)權(quán)利要求1所述的一種基于kan網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，基于kan網(wǎng)絡(luò)的多傳感器融合模型建立過程包括：
3.根據(jù)權(quán)利要求2所述的一種基于kan網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，構(gòu)建樣本數(shù)據(jù)集包括：在正常環(huán)境下、干燥環(huán)境下和高溫度環(huán)境下的數(shù)據(jù)，或者在正常情況、疑似火點、低濃度煙霧和高濃度煙霧情況下的數(shù)據(jù)；并且對應(yīng)的融合數(shù)據(jù)為火點發(fā)生的概率。
4.根據(jù)權(quán)利要求2所述的一種基于kan網(wǎng)絡(luò)及多傳感融合的森林火點檢測方法，其特征在于，將模型輸出的決策數(shù)據(jù)與對應(yīng)融合數(shù)據(jù)的標簽進行比較，計算相應(yīng)的誤差，然后利用誤差來調(diào)整可學習的激活函數(shù)，將輸入的多傳感器數(shù)據(jù)擬合到融合數(shù)據(jù)的標簽；經(jīng)過多次的調(diào)整之后，誤差逐漸減小，整個模型將擬合多傳感器的輸入數(shù)據(jù)和標簽數(shù)據(jù)；
5.根據(jù)權(quán)利要求4所...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：俞文心，何剛，何新春，廖杉，
申請(專利權(quán))人：西南科技大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。