一种无人机山火勘探控制方法及系统

摘要

本发明实施例公开了一种无人机山火勘探控制方法及系统，其中，无人机山火勘探控制方法，通过对可见光影像、短波红外影像、中波红外影像和长波红外影像进行预处理、拼接融合、亮温反演等过程，获得融合影像以及该融合影像中各像素点的亮度温度值，然后根据该融合影像及该融合影像中各像素点上的亮度温度值，识别出明火点与暗火点的位置，最后，根据火点位置，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，并根据山火等级进行预警。与现有技术相比，能够有效区分出明火点与暗火点，并能根据山火等级，进行及时预警，可以有效提高山火检出率及扑救成功率，降低扑救人员的安全风险，进而保证输电线路的安全可靠运行。

权利要求

1.一种无人机山火勘探控制方法，其特征在于，包括：接收无人机获取的可见光影像、短波红外影像、中波红外影像、长波红外影像和相应的坐标信息；

对所述可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，获得可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像；

分别对所述可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像进行拼接融合，获得融合影像；

对所述融合影像进行亮温反演，计算所述融合影像中各个像素点的亮度温度值；

判断所述亮度温度值是否高于预设值；

如果所述亮度温度值低于所述预设值，则确定所述融合影像中的像素点对应的坐标位置无火点；

否则，判断所述融合影像是否有亮光；

如果所述融合影像有亮光，则确定所述融合影像中的像素点对应的坐标位置为明火点，并对该明火点进行标定；

如果所述融合影像无亮光，则确定所述融合影像中的像素点对应的坐标位置为暗火点，并对该暗火点进行标定；

根据所述明火点和暗火点的坐标信息，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，并根据所述山火等级进行预警。

2.根据权利要求1所述的无人机山火勘探控制方法，其特征在于，所述对所述可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，包括：计算所述可见光影像的反射率以及所述短波红外影像、中波红外影像和长波红外影像的辐射率；

分别对所述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强。

3.根据权利要求2所述的无人机山火勘探控制方法，其特征在于，所述对所述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强，包括：分别利用中值滤波法和直方图法对所述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强。

4.根据权利要求2所述的无人机山火勘探控制方法，其特征在于，所述对所述融合影像进行亮温反演，计算所述融合影像中各个像素点的亮度温度值，包括：根据所述反射率和辐射率，获取所述融合影像中各个像素点的辐射亮度值；

根据所述融合影像中各个像素点的辐射亮度值，利用普朗克辐射定律，计算所述融合影像中各个像素点的亮度温度值。

5.根据权利要求1所述的无人机山火勘探控制方法，其特征在于，所述根据所述明火点和暗火点的坐标信息，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，包括：计算所述山火中心点与输电线路之间的距离；

如果所述山火中心点与输电线路之间的距离在1km内，则确定所述山火等级为紧急灾情；

如果所述山火中心点与输电线路之间的距离在1km至3km内，则确定所述山火等级为一般灾情；

如果所述山火中心点与输电线路之间的距离在3km以外，则确定所述山火等级为普通灾情。

6.根据权利要求5所述的无人机山火勘探控制方法，其特征在于，所述紧急灾情包括：计算所述山火影响范围；

如果所述山火影响范围在30公顷内，则确定所述山火等级为I级紧急灾情；

如果所述山火影响范围在30公顷至60公顷内，则确定所述山火等级为II级紧急灾情；

如果所述山火影响范围在60公顷至100公顷内，则确定所述山火等级为III级紧急灾情。

说明书

一种无人机山火勘探控制方法及系统

技术领域

[0001] 本发明涉及电力地质勘探领域，特别是涉及一种无人机山火勘探控制方法及系统。

背景技术

[0002] 通常来说，山火有明火和暗火之分。明火通常具有明显的火焰(火苗)升腾，反应剧烈，热辐射强烈，扑救者在扑救时危险较大。而暗火往往无火焰，俗称阴燃，类似于香烟的燃烧，特别不易判别是否已燃烧彻底，而且暗火容易复燃，因此对暗火的扑救更困难，且暗火造成的损失也更大。我国山高林密的输电走廊环境，客观上决定了在少雨干燥的季节，山火频发的可能。

[0003] 我国的许多输电线路分不同区域和季节处于覆冰、山火、地质灾害的直接影响范围内。这些区域具有气候多变、地质环境复杂、山高林密及雾浓风大的特点，利用人工巡检数千公里的山地输电走廊，不仅要耗费巨大人力物力，而且对山火检测预警的及时性也无法得到保障，因此无人机作为有人直升机和人工灾情查勘手段的有效补充，在应对输电线路灾情勘测时具有机动、灵活、快速、高效、安全等突出优点。

[0004] 然而现有技术中，在使用无人机对山火进行检测时，仍存在难以区分明火与暗火以及对已确定火点不能进行很好地灾情状况评估的问题，造成山火检出率较低、扑救效果差、扑救人员在扑救山火时人身安全难以保障以及难以判断山火等级并及时进行山火预警等，对输电线路的安全运行构成较大威胁。

发明内容

[0005] 本发明实施例中提供了一种无人机山火勘探控制方法及系统，以解决现有技术中的利用无人机对输电线路走廊山火勘探时存在的明火与暗火难以区分以及对山火影像范围不能进行合理的灾情状况评估的问题。

[0006] 为了解决上述技术问题，本发明实施例公开了如下技术方案：

[0007] 本发明实施例公开的一种无人机山火勘探控制方法，包括：

[0008] 接收无人机获取的可见光影像、短波红外影像、中波红外影像、长波红外影像和相应的坐标信息；

[0009] 对所述可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，获得可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像；

[0010] 分别对所述可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像进行拼接融合，获得融合影像；

[0011] 对所述融合影像进行亮温反演，计算所述融合影像中各个像素点的亮度温度值；

[0012] 根据所述融合影像和亮度温度值，检测并识别明火点和暗火点；

[0013] 根据所述明火点和暗火点的坐标信息，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，并根据所述山火等级进行预警。

[0014] 优选的，所述根据所述融合影像和亮度温度值，检测并识别明火点和暗火点，包括：

[0015] 判断所述亮度温度值是否高于预设值；

[0016] 如果所述亮度温度值低于所述预设值，则确定所述融合影像中的像素点对应的坐标位置无火点；

[0017] 否则，判断所述融合影像是否有亮光；

[0018] 如果所述融合影像有亮光，则确定所述融合影像中的像素点对应的坐标位置为明火点，并对该明火点进行标定；

[0019] 如果所述融合影像无亮光，则确定所述融合影像中的像素点对应的坐标位置为暗火点，并对该暗火点进行标定。

[0020] 优选的，所述对所述可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，包括：

[0021] 计算所述可见光影像的反射率以及所述短波红外影像、中波红外影像和长波红外影像的辐射率；

[0022] 分别对所述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强。

[0023] 优选的，所述对所述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强，包括：

[0024] 分别利用中值滤波法和直方图法对所述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强。

[0025] 优选的，所述对所述融合影像进行亮温反演，计算所述融合影像中各个像素点的亮度温度值，包括：

[0026] 根据所述反射率和辐射率，获取所述融合影像中各个像素点的辐射亮度值；

[0027] 根据所述融合影像中各个像素点的辐射亮度值，利用普朗克辐射定律，计算所述融合影像中各个像素点的亮度温度值。

[0028] 优选的，所述根据所述明火点和暗火点的坐标信息，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，包括：

[0029] 计算所述山火中心点与输电线路之间的距离；

[0030] 如果所述山火中心点与输电线路之间的距离在1km内，则确定所述山火等级为紧急灾情；

[0031] 如果所述山火中心点与输电线路之间的距离在1km至3km内，则确定所述山火等级为一般灾情；

[0032] 如果所述山火中心点与输电线路之间的距离在3km以外，则确定所述山火等级为普通灾情。

[0033] 优选的，所述紧急灾情包括：

[0034] 计算所述山火影响范围；

[0035] 如果所述山火影响范围在30公顷内，则确定所述山火等级为I级紧急灾情；

[0036] 如果所述山火影响范围在30公顷至60公顷内，则确定所述山火等级为II级紧急灾情；

[0037] 如果所述山火影响范围在60公顷至100公顷内，则确定所述山火等级为III级紧急灾情。

[0038] 本发明实施例还公开了一种无人机山火勘探控制系统，包括依次电连接的数据读取模块、数据预处理模块、影像拼接融合模块、亮温反演模块、火点检测模块和结果分析与预警模块，其中，

[0039] 所述数据读取模块，用于接收无人机获取的可见光影像、短波红外影像、中波红外影像、长波红外影像和相应的坐标信息；

[0040] 所述数据预处理模块，用于对所述可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，获得可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像；

[0041] 所述影像拼接融合模块，用于实现对可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像拼接融合，获得融合影像；

[0042] 所述亮温反演模块，用于获取所述融合影像的亮度温度值；

[0043] 所述火点检测模块，用于实现明火点和暗火点的检测与识别；

[0044] 所述结果分析与预警模块，用于分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，并根据所述山火等级进行预警。

[0045] 由以上技术方案可见，本发明实施例提供的一种无人机山火勘探控制方法及系统，其中，控制方法通过对可见光影像、短波红外影像、中波红外影像和长波红外影像进行预处理、拼接融合、亮温反演等过程，获得融合影像以及该融合影像中各像素点的亮度温度值，然后根据该融合影像及该融合影像中各像素点上的亮度温度值，识别出明火点与暗火点的位置，最后，根据火点位置，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，并根据山火等级进行预警。与现有技术相比，本发明实施例公开的无人机山火勘探控制方法，能够有效区分出明火点与暗火点，并能根据山火等级，进行及时预警，可有效提高山火检出率及扑救成功率，降低扑救人员的安全风险，进而保证输电线路的安全可靠运行。

附图说明

[0046] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0047] 图1为本发明实施例提供的一种无人机山火勘探控制方法的流程示意图；

[0048] 图2为本发明实施例提供的一种无人机山火勘探控制方法中根据融合影像和融合影像中各个像素点的亮度温度值，检测并识别明火点和暗火点的流程示意图；

[0049] 图3为本发明实施例提供的一种无人机山火勘探控制系统的结构示意图。

具体实施方式

[0050] 为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

[0051] 参见图1，为本发明实施例提供的一种无人机山火勘探控制方法的流程示意图。本发明实施例公开了的无人机山火勘探控制方法，在运用无人机对输电线路走廊进行山火探勘时，采取无人机搭载多光谱相机的方式，获得多光谱相机拍摄到的关于输电线路所处环境的可见光影像、短波红外影像、中波红外影像、长波红外影像及上述影像对应的坐标信息，为山火明火点及暗火点的标定和山火等级的确定，准备了条件。

[0052] 同时，需要说明的是，由于100公顷以上的森林山火属于重大火灾，为森林公安重点监控范围。本发明实施例提供的无人机山火勘探方法，作为大型无人机与人工巡检方法的重要补充，重点监测的是100公顷以下的山火灾情，并且依据山火边缘距离输电线路的距离，对山火灾情进行分级。

[0053] 本发明实施例公开的无人机山火勘探控制方法，包括：

[0054] S1000，接收无人机获取的可见光影像、短波红外影像、中波红外影像、长波红外影像和相应的坐标信息。

[0055] 具体为：利用无人机上搭载的多光谱相机对输电线路所处的环境进行拍摄，获取无人机当前巡检位置的可见光影像、短波红外影像、中波红外影像和长波红外影像，并将该可见光影像、短波红外影像、中波红外影像和长波红外影像实时传输至无人机控制器，同时，无人机控制器将该可见光影像、短波红外影像、中波红外影像和长波红外影像连同与上述可见光影像、短波红外影像、中波红外影像和长波红外影像同时产生的坐标信息，实时传送至无人机山火勘探控制系统。其中，该坐标信息可通过无人机上搭载GPS定位系统等方式实现。无人机山火勘探控制系统实时接收由无人机控制器发送的可见光影像、短波红外影像、中波红外影像、长波红外影像及与上述影像相对应的坐标信息。

[0056] S2000，对可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，获得可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像。

[0057] 具体为：无人机山火勘探控制系统对接收到的可见光影像、短波红外影像、中波红外影像和长波红外影像进行预处理，预处理主要包括影像的几何校正、辐射标定、图像去噪和图像增强等操作，获得可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像。

[0058] 进一步的，作为一种优选方案，在步骤S2000中，对可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，具体包括：

[0059] 在步骤S2100中，计算上述可见光影像的反射率以及上述短波红外影像、中波红外影像和长波红外影像的辐射率。

[0060] 反射率是物体表面反射与入射的辐照度的比值，一般在[0，1]范围内，有时候为了储存方便而扩大一定的倍数，如放大一万倍[0，10000]。此处，可见光影像的反射率指地表反射率，即地球表面的反射率，它不受云层和大气组分的影响。通常情况下，地表反射率是从辐射亮度影像中计算得到，有很多的计算模型，如辐射传输模型，实际就是去除云层、大气组分及临近地物等因素影响的过程。有关上述反射率的具体计算公式为本领域技术人员所熟知，在此不做赘述。

[0061] 短波红外影像、中波红外影像和长波红外影像的辐射率是指地表物体吸收或反射热量的能力。有关红外影像的辐射率计算为本领域的常规计算方式，在此不做赘述。

[0062] 在步骤S2200中，分别对上述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强。

[0063] 为了能够滤除杂波干扰、增强图像效果及便于图像的拼接融合，无人机山火勘探控制系统分别对可见光影像、短波红外影像、中波红外影像和长波红外影像进行几何校正、辐射标定、图像去噪及图像增强等滤波和图像增强操作。对图像进行的滤波和图像增强操作都是图像处理领域的常规操作，在此不做赘述。

[0064] 进一步的，作为一种优选方式，可以分别利用中值滤波法和直方图法对上述可见光影像、短波红外影像、中波红外影像和长波红外影像进行滤波和图像增强。图像的直方图，是指图像中所有灰度值的概率分布。利用图像的直方图法对图像进行处理，即将待校正图像的直方图与参考图像的直方图进行匹配，使两幅图像具有相同或相近的灰度值概率分布，达到两幅图像上同名地物具有相同灰度值的目的。利用直方图法进行大气校正，可明显增强图像效果，有利于下一步要进行的图像拼接融合。

[0065] S3000，分别对可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像进行拼接融合，获得融合影像。

[0066] 具体为：无人机山火勘探控制系统分别对同波段的可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像进行拼接，具体拼接过程包括特征提取、特征匹配、图片配准及图像匀光匀色等操作，获得拼接后的可见光影像、短波红外影像、中波红外影像和长波红外影像；再对拼接后获得的不同波段的可见光影像、短波红外影像、中波红外影像和长波红外影像，进行相互间的图像融合，最终得到一个对比度明显，山火图像清晰的融合影像。

[0067] S4000，对上述融合影像进行亮温反演，计算该融合影像中各个像素点的亮度温度值。

[0068] 具体为：无人机山火勘探控制系统获取上述融合影像中各个像素点的辐射亮度值，并将该融合影像中各个像素点的辐射亮度值转化为亮度温度值。

[0069] 作为一种优选方案，在步骤S4000中，对上述融合影像进行亮温反演，计算上述融合影像中各个像素点的亮度温度值，具体包括：

[0070] 在步骤S4100中，根据上述反射率和辐射率，获取上述融合影像中各个像素点的辐射亮度值。

[0071] 具体为：根据上述可见光影像的反射率以及短波红外影像、中波红外影像和长波红外影像的辐射率，利用辐射定标的计算公式，计算上述融合影像的辐射亮度值。有关辐射定标的计算公式，是计算辐射亮度值的通用公式，为本领域技术人员所熟知，在此不做赘述。

[0072] 在步骤S4200中，根据上述融合影像中各个像素点的辐射亮度值，利用普朗克辐射定律，计算上述融合影像中各个像素点的亮度温度值。

[0073] 普朗克辐射定律，是公认的物体间热力传导基本法则，认为单位面积、单位时间的辐射功率和温度的四次方成正比，因此可以利用普朗克辐射定律将上述融合影像的辐射亮度值转化为对应该融合图像中各个像素点的亮度温度值。

[0074] S5000，根据上述融合影像和亮度温度值，检测并识别明火点和暗火点。

[0075] 具体为：无人机山火勘探控制系统根据上述融合影像和亮度温度值，充分利用可见光影像与红外影像的特点，进行明火点与暗火点的检测与识别，并对检测出的明火点与暗火点进行坐标标定。

[0076] 参见图2，为本发明实施例提供的一种上述步骤S5000的详细流程示意图。作为一种优选方案，在步骤S5000中，根据上述融合影像和亮度温度值，检测并识别明火点和暗火点的过程具体包括：

[0077] 在步骤S5100中，判断上述融合影像中各个像素点的亮度温度值是否高于预设值。

[0078] 预设值为将实际火点处的温度，转化为亮度温度值后所对应的数值，此预设值可经过多次试验后获得。另外，此处判断上述融合影像中各个像素点的亮度温度值是否高于预设值，即是由无人机山火勘探控制系统将上述融合影像中各个像素点的亮度温度值与该预设值进行对比。

[0079] 在步骤S5200中，如果该亮度温度值低于该预设值，则确定上述融合影像中的像素点对应的坐标位置无火点。

[0080] 如果上述融合影像中各个像素点的亮度温度值低于该预设值，则认为上述融合影像中的当前像素点对应的坐标位置不具备着火条件，进而确定当前像素点对应的坐标位置无火点。

[0081] 在步骤S5300中，否则，如果该亮度温度值高于或等于该预设值，则判断上述融合影像中是否有亮光。

[0082] 如果上述融合影像中各个像素点的亮度温度值高于或等于该预设值，则认为上述融合影像中的当前像素点对应的坐标位置为火点，并进一步判断上述融合影像中的当前像素点是否有亮光。

[0083] 在步骤S5400中，如果上述融合影像有亮光，则确定上述融合影像中的当前像素点对应的坐标位置为明火点，并对该明火点进行标定。

[0084] 如果上述融合影像中的当前像素点有亮光，则确定该当前像素点对应的坐标位置为明火点，并将该坐标标定为明火点。

[0085] 在步骤S5500中，如果上述融合影像无亮光，则确定上述融合影像中的当前像素点对应的坐标位置为暗火点，并对该暗火点进行标定。

[0086] 如果上述融合影像中的当前像素点无亮光，则确定该当前像素点对应的坐标位置为暗火点，并将该坐标标定为暗火点。

[0087] S6000，根据明火点和暗火点的坐标信息，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，并根据该山火等级进行预警。

[0088] 具体为：根据所有标定的明火点与暗火点的坐标信息，构建出山火的影响范围并确定山火中心点，测定山火中心点与输电线路之间的距离，并根据该山火的影响范围以及山火中心点与输电线路之间的距离，确定山火等级，最后依据该山火等级，进行山火预警。

[0089] 山火中心点的确定方法可以为：按照标定出的山火范围，确定该山火区域边缘，以该山火区域边缘所构成图形的几何中心点作为该山火中心点。当然，该山火中心点的确定还可以为满足条件的其它方式，在此不做赘述。

[0090] 作为一种优选方案，在步骤S6000中，根据上述明火点和暗火点的坐标信息，分析山火影响范围及山火中心点与输电线路之间的距离，确定山火等级，具体包括：

[0091] 在步骤S6100中，计算上述山火中心点与输电线路之间的距离。

[0092] 依据融合影像中确定的山火中心点与输电线路所对应的各个像素点之间的距离，计算山火中心点与输电线路之间的实际距离。具体的计算方法可以为利用比例尺等，在此不做赘述。

[0093] 在步骤S6200中，如果上述山火中心点与输电线路之间的距离在1km内，则确定山火等级为紧急灾情。

[0094] 如果山火中心点与输电线路之间的实际距离在1km范围内，则说明山火距离输电线路特别近，对输电线路的影响也特别大，需要采取特别紧急措施进行灭火，因此无人机山火勘探控制系统确定该山火等级为紧急灾情，并发送相应的灾情预警信号。

[0095] 在步骤S6300中，如果上述山火中心点与输电线路之间的距离在1km至3km内，则确定山火等级为一般灾情。

[0096] 如果山火中心点与输电线路之间的实际距离在1km至3km范围内，则说明山火距离输电线路较近，对输电线路的影响也较大，需要采取紧急措施进行灭火，因此无人机山火勘探控制系统确定该山火等级为一般灾情，并发送相应的灾情预警信号。

[0097] 在步骤S6400中，如果山火中心点与输电线路之间的距离在3km以外，则确定山火等级为普通灾情。

[0098] 如果山火中心点与输电线路之间的实际距离在3km以外，则说明山火距离输电线路较远，对输电线路的影响也较小，需要采取合理措施进行灭火，因此无人机山火勘探控制系统确定山火等级为普通灾情，并发送相应的灾情预警信号。

[0099] 这样对山火等级进行区分，并发送不同的灾情预警信号，有利于山火扑救工作的合理有效展开，降低山火扑救人员的安全风险。

[0100] 在针对山火灾情进行的等级划分时，紧急灾情由于距离输电线路特别近、对输电线路的影响也会非常大，这里对紧急灾情可以进行进一步分类；而对于一般灾情和普通灾情，由于山火影响面积在100公顷以内，且距离输电线路较远，扑灭的难度较小，对输电线路造成的影响不是特别大，因此对上述一般灾情与普通灾情不做详细分类。

[0101] 作为一种优选方案，在步骤S6200中，紧急灾情还可依据山火影响范围的大小，进一步将紧急灾情进行划分：

[0102] 在步骤S6210中：计算山火影响范围。

[0103] 如果山火中心点与输电线路之间的实际距离在1km内，确定山火等级为紧急灾情时，可依据融合影像中标定的山火范围所对应的像素点所组成的几何图形，计算该几何图形的面积，对应计算山火影响范围的实际大小。

[0104] 在步骤S6220中：如果山火影响范围在30公顷内，则确定山火等级为I级紧急灾情。

[0105] 如果山火影响范围在30公顷内，则距离输电线路近、扑救难度大、对输电线路影响大，因此确定该种山火等级为I级紧急灾情。

[0106] 在步骤S6230中，如果山火影响范围在30公顷至60公顷内，则确定山火等级为II级紧急灾情。

[0107] 如果山火影响范围在30公顷至60公顷内，则距离输电线路较近、扑救难度较大、对输电线路影响较大，因此确定该种山火等级为II级紧急灾情。

[0108] 在步骤S6240中，如果山火影响范围在60公顷至100公顷内，则确定山火等级为III级紧急灾情。

[0109] 如果山火影响范围在60公顷至100公顷内，则距离输电线路最近、扑救难度最大、对输电线路影响最大，因此确定该种山火等级为III级紧急灾情。

[0110] 本发明实施例公开的无人机山火勘探控制方法，通过获取由无人机上搭载的多光谱相机拍摄的输电线路所处环境的可见光影像、短波红外影像、中波红外影像和长波红外影像以及相应的坐标信息，对该可见光影像、短波红外影像、中波红外影像和长波红外影像进行预处理、拼接融合、亮温反演，并根据融合影像和该融合影像上各个像素点的亮度温度值，检测并标定明火点与暗火点，最终确定山火等级，并进行预警。

[0111] 与现有技术相比，能够充分利用融合影像中的亮光与亮度温度值，区分出明火点与暗火点，并可依据标定的火点坐标及范围，合理地对山火灾情进行评估并及时预警，有效提高了山火检出率及扑救成功率，降低扑救人员的安全风险，进而保证输电线路的安全可靠运行。

[0112] 与本发明实施例公开的一种无人机山火勘探控制方法相对应的，本发明还提供了一种无人机山火勘探控制系统实施例。参见图3，为本发明实施例提供的一种无人机山火勘探控制系统的结构示意图。

[0113] 本发明实施例提供的无人机山火勘探控制系统，包括依次电连接的数据读取模块、数据预处理模块、影像拼接融合模块、亮温反演模块、火点检测模块和结果分析与预警模块。

[0114] 其中，数据读取模块，用于接收无人机获取的可见光影像、短波红外影像、中波红外影像、长波红外影像和相应的坐标信息，该坐标信息为无人机在山火巡检过程中与上述可见光影像、短波红外影像、中波红外影像和长波红外影像获取同时产生的坐标信息。

[0115] 数据预处理模块，用于对上述可见光影像、短波红外影像、中波红外影像和长波红外影像预处理，获得可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像。

[0116] 影像拼接融合模块，用于实现对可见光预处理影像、短波红外预处理影像、中波红外预处理影像和长波红外预处理影像拼接融合，获得融合影像。

[0117] 亮温反演模块，用于获取所述融合影像的亮度温度值。

[0118] 火点检测模块，用于实现明火点和暗火点的检测与识别。

[0119] 结果分析与预警模块，用于分析山火影响范围以及山火中心点与输电线路之间的距离，确定山火等级，并根据所述山火等级进行预警。

[0120] 本发明实施例提供的无人机山火勘探控制系统，利用数据读取模块接收由无人机上搭载的多光谱相机拍摄的输电线路所处环境的可见光影像、短波红外影像、中波红外影像和长波红外影像以及相应的坐标信息；通过数据预处理模块和影像拼接融合模块对上述影像分别进行预处理、拼接融合，获得融合影像；利用亮温反演模块对该融合影像进行亮温反演，获得该融合影像上各个像素点的亮度温度值；根据该融合影像和融合影像上的各个像素点的亮度温度值，在火点检测模块中检测并标定出明火点与暗火点，并在结果分析与预警模块中，根据标定的火点位置与山火影响范围确定山火等级，进行预警。

[0121] 与现有技术相比，本发明实施例提供的无人机山火勘探控制系统，能够充分利用融合影像中的亮光与亮度温度值，区分出明火点与暗火点，并可依据标定的火点坐标及范围，合理地对山火灾情进行评估并及时预警，有效提高了山火检出率及扑救成功率，降低扑救人员的安全风险，进而保证输电线路的安全可靠运行。

[0122] 通过以上的方法实施例的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

[0123] 为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

[0124] 本说明书中的实施例间采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

[0125] 需要说明的是，在本文中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的方法或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种方法或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的方法或者系统中还存在另外的相同要素。

[0126] 以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。