可见光图像下火场火线自动提取技术获突破

1月21日，光图记者从福州大学获悉，像下该校物理与信息工程学院森林火灾智能防控科研团队首次利用计算机视觉和人工智能技术，火场火线获突通过无人机从空中采集火场的自动可见光图像，结合改进的技术深度学习模型，对火场中的光图火焰区域进行智能分割，获得准确解析火线的像下新方法，可引导救援人员进行精准扑救。火场火线获突这项研究填补了可见光图像下火场火线自动提取的自动国际技术空白，相关成果于近日发表在国际期刊《ISPRS摄影测量和遥感杂志》上。技术

该团队负责人李建微介绍，光图传统方法在火场复杂环境下容易受到干扰，像下而改进后的火场火线获突深度学习模型，通过融入结合通道和空间注意力机制的自动模块，使模型像拥有了火场专属“眼睛”。技术其中，通道注意力帮助其聚焦火焰最显著的特征，而空间注意力则能清晰感知火焰的位置和形状，这些技术提升了模型对野火特征的识别能力，显著提高了分割的精准度。

在技术验证上，研究人员通过黑龙江帽儿山实验林场、澳大利亚新南威尔士州等地的实验，对真实火场图像序列进行了火线追踪与解析，成功证明了新方法的检测和分割精度等较现有技术显著提升，并实现了火线的实时自动提取。

据介绍，该研究实现了精准掌握火线位置和动态变化，可帮助扑火人员快速制定应对策略，最大限度地减少火灾造成的损失，有望为全球森林火灾防控提供一种高效、精准的解决方案，也为生态保护和灾害管理开辟了新方向。