• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Dependable Fire Detection System with Multifunctional Artificial Intelligence Framework
【2h】

Dependable Fire Detection System with Multifunctional Artificial Intelligence Framework

机译：具有多功能人工智能框架的可靠火灾探测系统

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A fire detection system requires accurate and fast mechanisms to make the right decision in a fire situation. Since most commercial fire detection systems use a simple sensor, their fire recognition accuracy is deficient because of the limitations of the detection capability of the sensor. Existing proposals, which use rule-based algorithms or image-based machine learning can hardly adapt to the changes in the environment because of their static features. Since the legacy fire detection systems and network services do not guarantee data transfer latency, the required need for promptness is unmet. In this paper, we propose a new fire detection system with a multifunctional artificial intelligence framework and a data transfer delay minimization mechanism for the safety of smart cities. The framework includes a set of multiple machine learning algorithms and an adaptive fuzzy algorithm. In addition, Direct-MQTT based on SDN is introduced to solve the traffic concentration problems of the traditional MQTT. We verify the performance of the proposed system in terms of accuracy and delay time and found a fire detection accuracy of over 95%. The end-to-end delay, which comprises the transfer and decision delays, is reduced by an average of 72%.
机译：火灾探测系统需要准确，快速的机制，以便在火灾情况下做出正确的决策。由于大多数商业火灾探测系统都使用简单的传感器，因此由于传感器探测能力的限制，其火灾识别准确性不足。使用基于规则的算法或基于图像的机器学习的现有建议由于其静态功能而几乎无法适应环境的变化。由于传统的火灾检测系统和网络服务无法保证数据传输延迟，因此无法满足对及时性的要求。在本文中，我们提出了一种具有多功能人工智能框架和数据传输延迟最小化机制的新型火灾探测系统，以确保智慧城市的安全。该框架包括一组多种机器学习算法和一个自适应模糊算法。另外，引入基于SDN的Direct-MQTT解决了传统MQTT的流量集中问题。我们在准确性和延迟时间方面验证了所提出系统的性能，并发现火灾检测的准确性超过95％。包括传输和决策延迟在内的端到端延迟平均减少了72％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号