无人机 山火 数据集

### 关于无人机监测山火的数据集

对于无人机监测山火的应用场景，存在多个公开可用的数据集可以支持研究和开发工作。这些数据集通常包含了不同类型的传感器所捕获的信息，比如可见光摄像头、热成像仪以及其他遥感设备。

#### 数据集概述

1. **FireNet Dataset**
这是一个专门针对森林火灾识别而创建的小型图像库，其中包含了大量的标注图片，可用于训练机器学习模型来区分正常环境与发生火灾的情况[^2]。

2. **UAVid (Unmanned Aerial Vehicle Video) Dataset**
此数据集中含有大量由无人驾驶飞行器拍摄的城市视频片段及其对应的像素级语义分割标签。虽然该集合主要面向城市区域的研究，但也可能适用于某些特定条件下（如接近人类居住区发生的林火事件）的分析。

3. **VisDrone-Dataset**
VisDrone 是一个大规模空中视角下的目标检测挑战赛使用的官方数据集之一，内含丰富的静态照片及动态影像资料，涵盖了多种复杂背景下的物体实例，包括但不限于车辆、行人等移动实体；同时也记录了一些自然灾害现场的画面，例如洪水、地震后的废墟清理作业以及——重要的是——山林大火爆发初期的情形。

4. **Wildfire Smoke Detection Datasets from Satellites & UAVs**
部分机构会发布通过卫星或无人机收集到有关烟雾扩散模式的数据集，尽管这类资源更侧重于大气物理特性而非直接呈现火焰本身，但对于理解并建模整个燃烧过程仍然非常有价值[^1]。

为了更好地利用上述提到的各种数据源，在实际操作过程中往往还需要考虑如何有效地预处理原始素材，确保其适合后续算法的设计需求。这涉及到诸如裁剪感兴趣区域(ROI)，调整分辨率大小，增强对比度等一系列步骤。

import os
from PIL import Image
import numpy as np

def preprocess_image(image_path, output_size=(256, 256)):
    img = Image.open(image_path).convert('RGB')
    resized_img = img.resize(output_size)
    normalized_array = np.array(resized_img)/255.
    
    return normalized_array