高质量数据集典型案例 | 无人机森林防火智能巡护监测系统高质量数据集

　　推荐单位：自然资源部
　　申报单位：中国林业科学研究院资源信息研究所
　　一、背景
　　森林火灾是世界公认的八大自然灾害之一。针对传统防火方式存在人工劳动强度大、响应不及时、漏报率高等难题，中国林业科学研究院资源信息研究所依托高质量林火视频图像数据集与森林资源评估遥感数据集，攻关灾前烟火识别与定位、灾中人员监测、灾后损失评估等关键技术，构建了覆盖灾前—灾中—灾后的全流程智能监测预警体系，研发出国内首套无人机森林防火智能巡护监测系统，实现林火监测精度≥99%、定位误差<1m，极大提升了监测精度与响应速度。
　　二、方案和成效
　　一是构建多源多模态高质量数据集。依托固定翼与旋翼无人机，搭载可见光、热红外、倾斜摄影及激光雷达等多源传感器，在多气象、多地形、多林型条件下采集林火视频图像与森林资源评估数据，涵盖烟火识别、行人检测、火烧迹地提取等任务。通过关键帧筛选、图像增强、空间清洗等流程处理，标注过程采用“双人初标+专家复核”，标注一致性达100%。
　　二是突破火情监测技术瓶颈。针对灾前，提出鲁棒多视角烟火实时监测技术，识别精度≥99%、定位误差<1m；灾中，构建结构稀疏判别子空间特征表示模型，在林冠遮挡等复杂条件下人员检测精度≥95%；灾后，建立含随机效应和度量误差的森林生物量反演模型，预估精度≥90%，大幅降低评估偏差。
　　三是实现成果规模化落地。系统在2022北京冬奥会核心赛区成功应用，期间预警早期火情13次，实现防火“零失误”；目前已部署全国20余省市，累计监测面积超100万亩。近三年签订合同9.18亿元，新增利润3.4亿元，年均增收节支0.76亿元。
　　三、创新点
　　一是全流程数据驱动。构建从无人机多源数据采集、清洗标注、模型训练到系统应用的完整链路，融合视频、激光雷达、倾斜摄影等多模态数据，形成高精度数据集，为火情识别、可疑人员检测及灾后评估提供支撑。
　　二是算法性能领先。提出鲁棒判别子空间方法和结构稀疏判别模型，在复杂地貌和林冠遮挡条件下，火情识别精度超过99%、误报率低于0.8%，人员检测精度提升15%、效率提高25%，显著优于传统方法。
　　三是示范带动效应强。成果已在北京冬奥会和13个省份森林防火中成功应用，识别预警多起火情，获奥组委及多地政府高度评价，形成可推广的“无人机+智能监测”新模式。