摘要
本发明公开了一种面向大规模林业资源的多模态专家协同火灾风险监测方法,包括构造包含多模态样本的多模态火灾风险监测数据集,其中每个多模态样本均包含气象时序数据、植被图像、人类活动图数据、地形图像和表示火灾风险类别的目标标签;构造四个专家模型,包括气象专家模型、植被专家模型、人类活动专家模型和地形专家模型;构造多模态监测网络训练得到多模态监测模型,用于待识别区域火灾风险类别的预测。本发明能够从多模态数据中提取更多的信息,提高对复杂环境中火灾风险的预测能力;能根据输入数据的特征动态调整各专家模型的权重,实现模型预测效果的自适应优化。本发明适用于火灾风险的实时监测和预测,能提高火灾预警的准确度和及时性。
技术关键词
风险监测方法
多模态
节点特征
植被
林业
样本
人类
时间段
区域火灾风险
气象
网络
数据
标签
滑动窗口
资源
图像块
系统为您推荐了相关专利信息
权益保护方法
嵌入特征
多模态
分类特征
模态特征
多模态特征
视觉特征提取
跨模态
图片
特征提取模型
监测点
水质
特征提取模块
指标
XGBoost模型