李 丹，朱洪前

(中南林業(yè)科技大學(xué)，湖南 長沙 410004)

0 引言

森林作為世界上重要的生態(tài)系統(tǒng)之一，為人類和動植物的生存發(fā)展，提供了豐富多樣的自然資源。森林火災(zāi)的發(fā)生對整個生態(tài)系統(tǒng)的破壞是巨大且不可逆的，并且對人類的生命財(cái)產(chǎn)安全構(gòu)成較大威脅[1]。據(jù)統(tǒng)計(jì)，2019 年9 月的澳大利亞特大型森林火災(zāi)持續(xù)燃燒近五個月，導(dǎo)致燒毀幾千所房屋，燒死近五億只動物，經(jīng)濟(jì)損失約50 億澳元[2]。為了最大程度的降低森林火災(zāi)造成的各種損失，依據(jù)森林火災(zāi)撲救“打早”“打小”“打了”的基本原則，快速準(zhǔn)確的檢測到火源信息，對森林火災(zāi)的預(yù)警和撲救工作具有十分重要的意義。

隨著科技的高速發(fā)展，林火識別方法已然從傳統(tǒng)人工監(jiān)察轉(zhuǎn)為利用計(jì)算機(jī)圖像識別技術(shù)，目前，圖像識別技術(shù)分為傳統(tǒng)的圖像檢測技術(shù)和深度學(xué)習(xí)技術(shù)。在林火識別領(lǐng)域中，傳統(tǒng)圖像檢測技術(shù)依賴人工提取火焰的顏色、紋理、形狀特征進(jìn)行林火識別；張慶杰[3]等人利用林火在森林中的亮度及顏色特征更為顯著這一特點(diǎn)，應(yīng)用視覺顯著性檢測算法，結(jié)合特征融合、特征分類、閾值分析等技術(shù)進(jìn)行林火識別，該檢測方法對林火初期及火焰區(qū)域面積較小的火焰無法有效檢測。傳統(tǒng)算法過于依賴特征提取，在林火識別領(lǐng)域中存在應(yīng)用性不夠強(qiáng)，判斷的準(zhǔn)確率不夠高，適應(yīng)性不高等缺點(diǎn)，而被廣泛應(yīng)用的深度學(xué)習(xí)方法彌補(bǔ)了傳統(tǒng)方法的弊端。深度學(xué)習(xí)的實(shí)質(zhì)是構(gòu)建具有多個層次的機(jī)器學(xué)習(xí)架構(gòu)模型，通過大量訓(xùn)練使其自主學(xué)習(xí)到具有代表性的特征信息，進(jìn)而利用訓(xùn)練后的模型達(dá)到分類預(yù)測的目的。而以卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）為代表的學(xué)習(xí)方法及各種改進(jìn)算法普遍應(yīng)用在圖像分類領(lǐng)域[4-5]；尹建平[6]等人提出了一種基于YOLOv3 算法的森林火災(zāi)識別方法，最終得到了90.3%的平均準(zhǔn)確率。

綜上，前人主要利用傳統(tǒng)圖像檢測技術(shù)對較大、較為清晰的火焰進(jìn)行識別，進(jìn)而判斷森林火災(zāi)的發(fā)生與否；而筆者針對的是利用無人機(jī)搭載相機(jī)所采集到的林火圖像，重點(diǎn)是利用CNN 對森林火災(zāi)初期的、較小且不清晰的小火焰進(jìn)行識別檢測，據(jù)此進(jìn)行森林火災(zāi)預(yù)警。故選擇了四種不同的基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法，通過實(shí)驗(yàn)，訓(xùn)練出能快速精確識別小火焰且具備輕量化優(yōu)點(diǎn)的初期林火識別模型。

1 卷積神經(jīng)網(wǎng)絡(luò)

1.1 CNN結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)是一種利用深度學(xué)習(xí)方法的機(jī)器學(xué)習(xí)模型，其具有的權(quán)值共享、局部感知、池化這三個主要特點(diǎn)不僅可以減少網(wǎng)絡(luò)參數(shù)的個數(shù)，還可以保留圖像的空間結(jié)構(gòu)，使卷積神經(jīng)網(wǎng)絡(luò)在圖像處理方面具備獨(dú)有的優(yōu)勢。

CNN 主要由輸入層、若干個卷積層、池化層、全連接層和輸出層五部分組成，如圖1所示；具體可進(jìn)一步分為過濾器、步長、卷積操作和池化操作。CNN 模型是通過卷積層和池化層的組合來構(gòu)建學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)；CNN 的輸入是一張大小為64×64 的RGB 圖像，卷積層使用5×5卷積核提取圖像的局部特征，池化層的核大小為2×2，Relu作為激活函數(shù)[7-8]。

圖1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

1.2 卷積層

卷積層作為特征提取層，主要作用是對輸入圖像信息進(jìn)行特征提取。利用卷積核對前一層的特征映射進(jìn)行卷積操作，獲取到局部特征，再通過激活函數(shù)得到輸出特征映射，在此過程中利用局部連接和權(quán)值共享機(jī)制來降低網(wǎng)絡(luò)參數(shù)和復(fù)雜度。卷積層的特征提取公式一般如式⑴所示[9]：

其中，? 表示卷積層數(shù)；kernel 為卷積核；f 表示激活函數(shù)；b表示各層的偏置。

1.3 池化層

池化層作為特征映射層其主要目的是進(jìn)行降維操作；其結(jié)構(gòu)能減少實(shí)驗(yàn)參數(shù)進(jìn)而達(dá)到降維目的，在使數(shù)據(jù)尺寸最小化的同時(shí)還能保持?jǐn)?shù)據(jù)的原始特征。使用池化層可以提高計(jì)算速度，增強(qiáng)網(wǎng)絡(luò)對圖像大小變化的適應(yīng)性，有效防止過擬合問題，從而使系統(tǒng)具有魯棒性。

采用了Relu 函數(shù)作為卷積網(wǎng)絡(luò)的激活函數(shù)，使卷積神經(jīng)網(wǎng)絡(luò)具有解決非線性問題的能力；Relu 函數(shù)具有以下特點(diǎn)：

⑴計(jì)算效率高，允許網(wǎng)絡(luò)快速收斂，計(jì)算復(fù)雜度低，不需要進(jìn)行指數(shù)運(yùn)算，只要一個閾值就可以得到激活值；

⑵在x＞0 區(qū)域上，不會出現(xiàn)梯度飽和、梯度消失的問題；

⑶非線性，具有導(dǎo)數(shù)函數(shù)并允許反向傳播。

2 林火識別需求分析

森林火災(zāi)是一種突發(fā)性強(qiáng)且無規(guī)律的燃燒過程，其火焰在不同的階段具有不同的特征；林火初期的火焰較小，樹木遮擋嚴(yán)重，火焰的精確識別較為困難，盛火階段如若在密集的不透風(fēng)的林區(qū)，由于樹林的不充分燃燒，會產(chǎn)生大量的煙霧，此時(shí)煙霧識別較為重要，若是在通風(fēng)良好的林區(qū)，盛火階段的火焰范圍較小，此時(shí)對微弱火焰的檢測尤為重要，大火蔓延階段火焰旺盛，火焰特征明顯，容易識別[10]。

森林火災(zāi)的撲救要及時(shí)高效，把握時(shí)機(jī)，森林火災(zāi)撲救的基本原則是“打早”“打小”“打了”，而“打早”是其余兩個原則的前提；林火初發(fā)時(shí)，火勢微弱，蔓延速度較慢，容易通過投放較少的撲火力量，使用簡單的撲火工具就能滅火；一旦錯過時(shí)機(jī)，拖延了時(shí)間，火勢不斷蔓延擴(kuò)展，撲火工作的難度就會越來越大，投放的撲火力量也要大大增加，后勤供應(yīng)量和供應(yīng)難度也將不斷加大。

林火初期火勢較弱，燃燒面積小，火焰微弱，初期林火識別具有以下難點(diǎn)：

⑴火焰的延伸方向不定，火焰較為微弱，容易受到樹木遮擋；

⑵因在環(huán)境不穩(wěn)定的野外，容易受到煙霧、風(fēng)、無人機(jī)自身的抖動和運(yùn)動的影響，使得采集到的林火圖像火焰較為模糊；

⑶在燃燒的過程中，火焰本身的顏色和特征是不規(guī)律的，沒有固定特征。

3 林火識別模型介紹

3.1 目標(biāo)檢測算法選擇

目前，基于CNN網(wǎng)絡(luò)的目標(biāo)檢測算法可分為以下兩類：

⑴兩階段檢測算法；顧名思義，即實(shí)現(xiàn)目標(biāo)檢測需要進(jìn)行兩步操作，第一步是獲取候選區(qū)域，第二步是進(jìn)行分類，代表性的算法有 R-FCN,Faster RCNN[11]；

⑵一階段檢測算法，只需一步就能完成檢測任務(wù)，利用回歸的方法策略，直接推理目標(biāo)分類的概率和位置，不需要單獨(dú)尋找候選區(qū)域，代表性的算法有SSD[12-14]、YOLO[15-17]系列算法。

兩者相比，由于兩階段算法需要單獨(dú)尋找候選區(qū)域，故在檢測精度上，兩階段算法略高于一階段算法，在檢測的速度上，一階段算法優(yōu)于兩階段算法。由于對林火識別檢測的實(shí)時(shí)性要求較高，并且針對的是無人機(jī)搭載相機(jī)采集的林火圖像，故初期林火的識別更傾向于實(shí)時(shí)性較優(yōu)、網(wǎng)絡(luò)層數(shù)較少的一階段檢測算法。

3.2 YOLOX目標(biāo)檢測算法

如圖2 所示，YOLOX 可分為CSPDarknet，F(xiàn)PN 以及Yolo Head三部分[18]。

圖2 YOLOX目標(biāo)檢測算法

CSPDarknet 是主干特征提取網(wǎng)絡(luò)，輸入圖片在CSPDarknet 里面進(jìn)行特征提取，提取到的特征被稱作特征層，是輸入圖片的特征集合。在主干部分，獲取了三個特征層進(jìn)行下一步網(wǎng)絡(luò)的構(gòu)建，這三個特征層為有效特征層。

FPN 是加強(qiáng)特征提取網(wǎng)絡(luò)，在主干部分獲得的三個有效特征層在這一部分進(jìn)行特征融合，特征融合的目的是結(jié)合不同尺度的特征信息。在FPN 部分，已經(jīng)獲得的有效特征層被用于繼續(xù)提取特征。在YOLOX里使用了YOLOv4 中用到的Panet 結(jié)構(gòu)，其不僅能對特征進(jìn)行上采樣實(shí)現(xiàn)特征融合，還能對特征再次進(jìn)行下采樣實(shí)現(xiàn)特征融合。

Yolo Head 是分類器與回歸器，經(jīng)過上述兩部分，網(wǎng)絡(luò)獲得三個加強(qiáng)過的有效特征層。每一個特征層都有寬、高和通道數(shù)，此時(shí)的特征圖是一個又一個特征點(diǎn)的集合，每一個特征點(diǎn)的特征數(shù)目和其通道數(shù)目相等。Yolo Head 的實(shí)質(zhì)是對特征點(diǎn)進(jìn)行判斷，判斷特征點(diǎn)是否有物體與其對應(yīng)。先前版本的YOLO 系列所用的解耦頭是一起的，即分類和回歸在一個1×1卷積里實(shí)現(xiàn)，而YOLOX 認(rèn)為這給網(wǎng)絡(luò)的識別帶來了不利影響。在YOLOX 中，Yolo Head 被分為了兩部分，分別實(shí)現(xiàn)，最后預(yù)測的時(shí)候整合在一起。

綜上，整個YOLOX 網(wǎng)絡(luò)的工作進(jìn)程可解釋為：①對輸入圖像進(jìn)行特征提??；②特征加強(qiáng)；③預(yù)測特征點(diǎn)對應(yīng)的物體情況。

4 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析

4.1 實(shí)驗(yàn)數(shù)據(jù)集

本實(shí)驗(yàn)使用的數(shù)據(jù)集主要來源于網(wǎng)絡(luò)采集，林火圖像分辨率統(tǒng)一為254×254，背景均為綠色林區(qū)，以火焰為識別特征，將數(shù)據(jù)集分為標(biāo)簽集和普通集，其中標(biāo)簽集是用Labelimage軟件標(biāo)注為Voc格式的目標(biāo)識別數(shù)據(jù)集，目標(biāo)為“火焰”，用“fire”標(biāo)注，然后利用Python代碼處理后使其按比例自動劃分為用于訓(xùn)練和驗(yàn)證目標(biāo)檢測模型的訓(xùn)練集和驗(yàn)證集；普通集是不做處理，用于測試林火識別模型預(yù)測效果的測試集。

從網(wǎng)絡(luò)采集到1100 張初期林火圖像，其中900 張作為訓(xùn)練集，100張為驗(yàn)證集，100張為測試集。

4.2 測試評價(jià)指標(biāo)

選用精確率（P）、召回率（R）、平均精度均值（mAP）、每秒幀率（FPS）、損失（loss）曲線作為目標(biāo)檢測模型的評價(jià)指標(biāo)；

精確率是指在所有檢測出的目標(biāo)中檢測正確的概率，如式⑵：

召回率是指所有的正樣本中正確識別的概率，如式⑶：

式⑵⑶中：TP 為真正例，即目標(biāo)檢測正確的個數(shù)；FP為假正例，即目標(biāo)預(yù)測為非目標(biāo)的個數(shù)；FN為負(fù)正例，即將非目標(biāo)預(yù)測為目標(biāo)的個數(shù)。

mAP值是指多個類別AP的平均值，AP是Precisionrecall曲線下面的面積，通常情況下，該值越大，模型就更好，如式⑷：

每秒幀率指每秒內(nèi)可以處理的圖片數(shù)量，用于評估目標(biāo)檢測模型的預(yù)測速度。

4.3 實(shí)驗(yàn)內(nèi)容

設(shè)置四個對比實(shí)驗(yàn)，分別是基于YOLOX、YOLOv4、SSD、Faster R-CNN 的初期林火識別模型，實(shí)驗(yàn)流程為：首先搭建目標(biāo)檢測模型，將獲取到的初期林火數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測試集，將帶有標(biāo)簽的訓(xùn)練集輸入到目標(biāo)檢測模型進(jìn)行訓(xùn)練，使其通過訓(xùn)練具有分類預(yù)測林火的能力，而后利用帶有標(biāo)簽的驗(yàn)證集進(jìn)行模型參數(shù)的調(diào)整，進(jìn)而挑選出效果最佳的模型，最后將測試集輸入到訓(xùn)練好的林火識別模型中，輸出預(yù)測圖片，得到預(yù)測結(jié)果。

實(shí)驗(yàn)硬件環(huán)境為Windows10，配置顯卡為NVIDIA GeForce RTX2060，顯存為1GB，實(shí)驗(yàn)所用平臺為pycharm，整個網(wǎng)絡(luò)模型是用pytorch框架實(shí)現(xiàn)的，計(jì)算過程實(shí)現(xiàn)了GPU加速。

4.4 實(shí)驗(yàn)結(jié)果與分析

四種算法模型在同等的迭代次數(shù)下，用相同的訓(xùn)練集與驗(yàn)證集進(jìn)行訓(xùn)練；其性能結(jié)果見表1；各模型的訓(xùn)練集與驗(yàn)證集的loss 曲線如圖3 所示；在相同的測試集上進(jìn)行對比測試，預(yù)測結(jié)果如圖4所示。

圖3 訓(xùn)練集與驗(yàn)證集的loss曲線

圖4 測試結(jié)果

表1 算法性能結(jié)果

據(jù)表1：

⑴ YOLOX、YOLOv4、SSD 屬于一階段檢測算法，實(shí)時(shí)性較好，F(xiàn)aster R-CNN 為兩階段檢測算法，實(shí)時(shí)性較差，其中YOLOX 速度為20FPS，實(shí)時(shí)性最好；YOLOX 利用simOTA 能夠做到自動的分析每個gt 要擁有多少個正樣本，能自動決定每個gt 要從哪個特征圖來檢測；與OTA相比，simOTA運(yùn)算速度更快并且避免額外超參數(shù)。

⑵四個模型中精確率最高的是SSD 為95.51%，其算法的核心是在特征圖上使用小卷積核來預(yù)測固定尺寸default bounding boxes 的類別分?jǐn)?shù)和偏移量；為提高精確率，SSD在不同大小的特征圖上進(jìn)行預(yù)測，通過縱橫比分開預(yù)測，實(shí)現(xiàn)了端到端訓(xùn)練并且保證較高的精確率。

⑶YOLOv4 的mAP 為96.69%，其算法在特征金字塔部分中使用了SPP、PANet 結(jié)構(gòu)，它能夠極大地增加感受野，分離出最顯著的上下文特征，反復(fù)提取特征。

據(jù)圖3，四個模型中，F(xiàn)aster R-CNN 存在欠擬合現(xiàn)象，即在相同的迭代次數(shù)、學(xué)習(xí)率等參數(shù)下，學(xué)習(xí)能力最低，不易訓(xùn)練；其余三個算法模型的訓(xùn)練集和驗(yàn)證集的loss曲線在某個輪次后都開始收斂，達(dá)到完美擬合。

據(jù)圖4，四個模型設(shè)置confidence=0.4 和nms_iou=0.3，然后對同一張測試圖片進(jìn)行預(yù)測,預(yù)測結(jié)果如表2所示。

表2 預(yù)測結(jié)果

根據(jù)表2，平均置信度最高的是Faster R-CNN，其次是YOLOX，由此，泛化能力最好的是Faster RCNN，其次是YOLOX。

5 結(jié)束語

針對林火初期較小且不清晰的小火焰進(jìn)行識別檢測，依據(jù)它實(shí)時(shí)性的要求，本文初步選取了YOLOX、YOLOv4、SSD 三個一階段目標(biāo)檢測模型與Faster R-CNN 兩階段目標(biāo)檢測模型，經(jīng)過實(shí)驗(yàn)驗(yàn)證，YOLOX 的推理速度為20FPS，實(shí)時(shí)性最好，平均置信度為0.73，泛化能力較好，平均精度均值較高為94.40%，具備輕量化優(yōu)點(diǎn)，適合初期林火識別；同時(shí)，四個初期林火識別模型的平均精度均值皆超過了93%，驗(yàn)證了基于卷積神經(jīng)網(wǎng)絡(luò)的初期林火識別模型的構(gòu)建，能夠提高初期林火識別的時(shí)效性，這對生態(tài)系統(tǒng)以及人們生命財(cái)產(chǎn)的安全保護(hù)具有重要意義。

YOLOX 在實(shí)時(shí)性上具有一定的優(yōu)勢，但其識別精確率為94.52%，尚有提升的空間，后期研究將逐步優(yōu)化改進(jìn)模型，提升精確率；同時(shí)擴(kuò)充數(shù)據(jù)集，對煙霧干擾較為嚴(yán)重的林火進(jìn)行精確識別。