摘要： 【目的】林火的发生不仅会对森林生态环境造成严重的破坏，影响生态系统功能，还会给人类造成一定危害和损失。基于深度学习对森林火灾图像进行识别，旨在更高效精准地对森林火灾发生初期的图像进行识别并预警，从而降低森林火灾对森林生态系统和人类社会产生的危害。【方法】借助SSD算法目标检测算法在TensorFlow上的实现，根据林火特征对其网络结构进行适当优化，提出一种可以识别森林火灾图像中火焰特征的模型方法。首先对获取的图像进行归一化处理，然后使用Imgaug图像数据增强库对林火图像进行数据增强以构建林火数据集，搭建深度学习运行环境并设定超参数。通过对测试集中的数据进行测试获取模型对图像中林火特征的识别效果，并利用Loss曲线、P-R曲线的可视化对模型进行评估，最后得到模型对于林火的识别精度。【结果】随着迭代次数的增加，损失值由训练初期的35.31逐渐下降，训练至20 000步时损失值稳定在7.10左右，此时模型的识别精度达到较高水平，对测试数据中林火特征的识别置信度达到0.9以上。基于FLAME公开数据集中的林火图像搭建测试集，经过测试评估本模型对林火特征的mAP可以达到97.40%,漏检率为0.03,对测试图片的平均检测时间仅为0.07 s,对比Faster R-CNN模型在同等数据集上的实现，SSD可以获得更为理想的检测速度。【结论】提出的针对林火特征识别的SSD算法能兼顾检测速度和检测精度，对林火早期的图像能够快速识别并拥有较低的漏检率，有助于林区工作人员对火灾及时做出处理，从而为森林火灾早期预防提供技术参考。

关键词: 深度学习, 林火, 图像识别, 目标检测, SSD算法

中图分类号: 

• S762