تشخیص دود در ویدیو با تحلیل بافت و یادگیری ماشین برای پایش آتش سوزی اراضی کشاورزی

تشخیص سریع و دقیق دود می تواند نقش کلیدی در جلوگیری از گسترش آتش سوزی در اراضی کشاورزی داشته باشد. با توجه به محدودیت سیستم های سنتی مانند حسگرهای فیزیکی در محیط های باز، در این پژوهش روشی مبتنی بر بینایی ماشین برای شناسایی دود در تصاویر ویدیویی ارائه شده است. ابتدا تصاویر به فضاهای رنگی مختلف تبدیل شده، بهترین کانال رنگی برای افزایش کنتراست انتخاب و سپس نواحی متحرک مشکوک به دود با استفاده از فیلتر کالمن از پس زمینه جدا گردید. در ادامه ویژگی های بافتی این نواحی با استفاده از ماتریس همرخدادی سطح خاکستری (Gray-Level Co-occurrence Matrix) استخراج و با به کارگیری ماشین بردار پشتیبان (Support Vector Machine)، نواحی دود از سایر قسمت ها تفکیک شد. نتایج آزمایش ها بر روی مجموعه داده های معتبر نشان می دهد که روش پیشنهادی با دقت بالا، نرخ خطای پایین و سرعت مناسب می تواند به عنوان راهکار عملی در سامانه های پایش هوشمند آتش در فضاهای کشاورزی استفاده شود.

کلیدواژه ها:

آتش سوزی ، بینایی ماشین ، تشخیص دود ، طبقه بندی بردار پشتیبان ، ماتریس همرخدادی سطح خاکستری