火灾检测

摘要： 随着中国基础建设的不断推进,高速公路覆盖范围不断扩大,隧道数量也越来越多,公路隧道发生事故导致的后果与影响往往较大,是极具破坏性和危险性的。利用深度学习方法,该文设计了一个基于树莓派的智能公路隧道火灾监测报警系统。该系统采用树莓派开发板和Intel Movidius神经计算棒(neural compute stick,NCS)为硬件平台,连接视频监控摄像头、烟雾传感器、声光报警器和4G通信模块组成公路隧道火灾检测硬件系统,运用训练好的基于卷积神经网络(CNN)的隧道火灾图像识别模型,对隧道交通场景进行实时检测。系统通过监控摄像头和烟雾传感器,同时检测隧道现场交通情况,能够及早准确识别火灾的发生,并实现即时现场报警与远程报警。测试结果表明,在树莓派和神经计算棒的终端平台上运行深度学习的火灾检测算法,火灾识别精度达到96%,速度到达每秒5帧。应用该系统在发生隧道火灾时对避免人员伤亡、降低财产损失具有重要意义。

摘要： 早期火灾识别需要从视频图像中分割出疑似火焰区域,有效的火焰区域分割不但可以剔除杂乱背景,减小运算量,而且有助于后期特征提取和处理。通过对独立分量分析(ICA)方法应用于图像分离的研究,将其应用于视频火焰图像分割。首先将图像序列进行白化处理,接着使用ICA方法将图像中包含着独立信息的区域分离出来,最后通过颜色模型确定火焰所在的区域。实验结果表明:该方法能有效地分割出疑似火焰区域,且不易受到噪声和光线变化影响。

摘要： 针对火灾检测中小目标检测率低、复杂场景下检测精度低和检测不及时等问题,提出了一种改进YOLOv3的火灾检测算法.首先,通过改进的K-means聚类算法重新获取更符合火焰和烟雾尺寸的anchor;其次在Darknet-53后添加空间金字塔池化,提升了网络的感受野进而增强了网络对小尺度目标的检测能力;然后通过CIoU改进损失函数,在计算坐标误差时考虑中心和宽高坐标两者的相关性,加快了损失函数的收敛;最后使用mosaic数据增强丰富了待检测物体的背景.在自制的数据集上训练并测试,实验结果表明:改进后的算法比YOLOv3火焰的AP从94%提升至98%,烟雾的AP从82%提升至94%,平均检测速度从31 fps提升至43 fps,相比Faster R-CNN、SDD等算法也有更高的mAP和更快的检测速度.因此,改进后的算法能够更有效地进行火灾预警.

摘要： 针对现有目标检测模型难以应用在复杂火灾场景的问题,论文提出了基于注意力机制改进的YOLOX火灾场景检测模型,实现对火焰、烟雾以及受灾人员的检测。首先,在CSPLayer层上添加轻量级注意力模块,提升模型整体的检测性能;其次,引入通道混合技术,提高各通道间的交流能力;最后,将主干网络最后一层换为轻量级Transformer模块,强化主干网络对全局信息的抓取能力。通过在自制火灾数据集上的实验表明,T-YOLOX的mAP比基准模型(YOLOX)提高了2.24%,与CenterNet、YOLOv3相比检测精度有较大提升,证明了该算法的有效性和优越性。

摘要： 针对传统森林火灾检测手段响应速度慢、效率低、误报率高等问题,设计了无人机搭载的由云台和相机组成的图像采集平台,通过火灾智能识别技术,实时识别监测火灾的发生,并达到了自动抵近侦察及实时态势感知的效果。在火灾智能识别算法方面,提出了improved-YOLOv3算法,通过在特征交互阶段增加yolo层,加强了网络对特征的融合度,从而增加了网络的检测能力。通过与性能相似的网络进行对比测试,验证了改进算法的有效性。测试结果表明,提出的算法检测准确率高、漏检率低、推理速度快,能够适用于实际火灾现场监测。

摘要： 设计一种应用于33 GHz频段具有金属栅格的天线阵列,通过泰勒线源激励幅度的设计方法引入栅格结构,用来减少天线的旁瓣电平,加强了天线的抗干扰能力。最终的天线阵列由6个天线阵元在y轴方向上叠加而成,叠加后天线阵列辐射能力得到了增强。最后通过电小平面分析法对栅格天线进行了共形,从而减少天线的体积,并且使天线阵列更好地贴合检测设备。通过HFSS电磁仿真结果表明,在33 GHz频段左右,该天线阵列的增益为18.69 dB,旁瓣电平为-15.04 dB。

摘要： 为解决传统传感器在检测火灾的过程中受到环境、安装距离等因素影响导致适应性差的缺点,本文基于视觉传感器,通过视觉目标检测技术对火灾进行检测,从而实现火灾的预警。首先,为了提高轻量级的目标检测网络(You Only Look Once v4 Tiny,YOLOv4-Tiny)在检测火灾目标时的准确率,本文基于森林火灾的数据集,运用二分K-Means聚类算法重新生成锚定框(Anchor Box)。然后,在传统YOLOv4-Tiny网络的基础上通过增加大尺度预测结果的方式,降低漏检率。最后,本文结合预训练权重重新训练火灾检测网络,并在英伟达板卡上进行部署实验。实验结果表明,本文的火灾检测网络在测试数据集上的准确率为97.81%,漏检率为4.83%,与原始YOLOv4-Tiny相比,准确率提高了3.13%,漏检率降低了6.44%,检测速度达到了16帧/s,综合性能良好,满足火灾检测的需求。

摘要： 针对传统的火灾检测系统检测时间长、容易误报等问题,提出了一种基于改进YOLOv5的火灾检测算法.首先,针对卷积操作受到感受野的限制,增加Involution算子来扩大感受野;其次,在模型中引入CA(coordinate attention)注意力机制,重新分配特征图高度和宽度上的权重;最后,使用定位损失函数α-CIoU替换CIoU,以提高模型回归精度.改进的YOLOv5算法的平均精度达到了68.4%,相较于标准算法的平均精度提高了3.9%,定位框更加准确,且检测速度提高了14%.实验结果表明改进后的算法模型明显提高了火灾检测的准确性和实时性.

摘要： 由于采用传统单传感器检测火灾时存在精度低、误报率高等不足,提出了一种基于PSO-Nadam算法优化BP神经网络的多传感器火灾检测算法。算法模型以火灾环境参数作为BP神经网络的输入,以不同火灾状态的概率作为输出。但是传统BP神经网络算法中存在两个问题,一是因初始权值和阈值随机选定而导致的可能陷入局部最优解,二是因反向误差传播过程中学习率α固定所导致的收敛速度慢。因此分别采用粒子群算法(PSO)和Nadam算法来优化BP神经网络模型。最后在MATLAB软件上进行算法仿真模拟,相较于BP神经网络模型,该优化模型输出结果与样本实际值吻合度更高,样本预测均方根误差更小,并且收敛速度更快。该算法在一定程度上提高了检测准确率和检测速度,为后续更完善的火灾检测算法打下基础。

摘要： 烟雾图像检测已经成为早期火灾预警的主要技术手段之一,为了提升烟雾识别准确率和运算效率,提出基于稠密连接和非局部运算的深度卷积神经网络用于烟雾识别。首先,设计深度网络中卷积层间的稠密连接机制,构建稠密基本块,增强信息流通和特征重利用,同时也减少模型参数量。然后,为了进一步考虑烟雾图像的全局信息,将非局部运算与稠密基本块中的卷积运算相结合,构建稠密和非局部基本卷积块。最后,利用已经构建的若干个稠密和非局部基本卷积块搭建用于烟雾识别的深度卷积神经网络。在已经公开的烟雾图像数据库上进行性能评估,实验结果表明:所提出的基于稠密连接和非局部运算的烟雾识别方法以不到1 M的模型参数量取得了更令人满意的性能。

摘要： 隧道火灾和其他火灾具有相同的规律，在发生初期是最容易扑救和控制的;大量的国内外公路隧道火灾案例也表明，如果隧道运营管理部门能够及早地检测到隧道火灾的发生，在火灾发生的初期就给出警报，及时进行救灾处理，就能够较好地避免火灾的扩大，减少人员伤亡和财产损失。因此，本文指出“及时发现、准确报警”是隧道火灾检测的目标。

摘要： 基于视觉的自主火灾检测在火灾预警方面有很重要的应用价值.该文提出了一种基于水平集的火灾检测方法,通过准确分割图像中的火焰部分来识别火灾.该方法将火灾方面的特定信息集成到水平集框架中:首先得到火灾的概率观测模型,然后通过考虑最大后验概率和边缘线索形成水平集的能量函数,最后通过最小化能量函数,使用水平集的轮廓能准确地划清火焰的区域.算法在一个含有各种火灾场景的综合性图像集上进行了测试,实验结果验证了算法的有效性.

摘要： 对火灾后某多层框架进行了现场检测，通过外表观测对构件进行了初步鉴定评级。利用取芯法、回弹综合法、超声波平测法，对火灾最高温度进行了分析，对火灾后混凝土损伤深度进行了分析。根据现场检测结果及分析结果评定结构损伤情况，并提出了加固建议。

摘要： 对火灾后某多层框架进行了现场检测，通过外表观测对构件进行了初步鉴定评级。利用取芯法、回弹综合法、超声波平测法，对火灾最高温度进行了分析，对火灾后混凝土损伤深度进行了分析。根据现场检测结果及分析结果评定结构损伤情况，并提出了加固建议。

摘要： 对火灾后某多层框架进行了现场检测，通过外表观测对构件进行了初步鉴定评级。利用取芯法、回弹综合法、超声波平测法，对火灾最高温度进行了分析，对火灾后混凝土损伤深度进行了分析。根据现场检测结果及分析结果评定结构损伤情况，并提出了加固建议。

摘要： 对火灾后的某二层框架结构公寓大堂的现场进行了检测，通过观察混凝土表面颜色对火灾最高温度进行的分析，探讨了运用回弹和取芯方法对火灾后梁柱板构件混凝土强度影响程度进行的评估方法，以及通过变形测量对构件刚度变化进行的评估方法，最后根据现场检测结果评定了结构构件在火灾后的损伤程度，为结构构件的加固提供了依据。

摘要： 对火灾后的某二层框架结构公寓大堂的现场进行了检测，通过观察混凝土表面颜色对火灾最高温度进行的分析，探讨了运用回弹和取芯方法对火灾后梁柱板构件混凝土强度影响程度进行的评估方法，以及通过变形测量对构件刚度变化进行的评估方法，最后根据现场检测结果评定了结构构件在火灾后的损伤程度，为结构构件的加固提供了依据。

摘要： 对火灾后的某二层框架结构公寓大堂的现场进行了检测，通过观察混凝土表面颜色对火灾最高温度进行的分析，探讨了运用回弹和取芯方法对火灾后梁柱板构件混凝土强度影响程度进行的评估方法，以及通过变形测量对构件刚度变化进行的评估方法，最后根据现场检测结果评定了结构构件在火灾后的损伤程度，为结构构件的加固提供了依据。

摘要： 论述了早期火灾火焰的主要特征，利用数学形态学对早期火焰图像进行处理，提取的火焰图像边缘比较光滑，同时提取的图像骨架也比较连续，断点少。对火焰的二值化后的图像进行数学形态学的开运算，即先腐蚀，再膨胀，从实验结果可以看出，该算法可以很好的识别和区分火焰和其他干扰源。

摘要： 论述了早期火灾火焰的主要特征，利用数学形态学对早期火焰图像进行处理，提取的火焰图像边缘比较光滑，同时提取的图像骨架也比较连续，断点少。对火焰的二值化后的图像进行数学形态学的开运算，即先腐蚀，再膨胀，从实验结果可以看出，该算法可以很好的识别和区分火焰和其他干扰源。

摘要： 本发明提出了一种全天候消防火灾巡逻预警监控系统及火灾图像检测方法，包括如下步骤：S1，将全部监控系统的原始图像进行汇总收集，将出现噪声的图像进行图像预处理，通过局部特征均值方法改机图像度量权值；S2，对改进图像度量权值的特征图像进行图像纹理边界匹配；S3，将图像纹理边界匹配后的特征图像通过特征点提取方法进行火焰纹理特征提取。

摘要： 本发明涉及一种用于使用具有传感器单元的终端装置对森林火灾的早期检测的方法，所述传感器单元在第一信号检测模式下和第二信号检测模式下执行信号检测，并且涉及一种用于执行所述方法的森林火灾早期检测系统。

摘要： 本发明公开了一种火灾探测器及基于该火灾探测器的火灾灾情检测方法，包括测试电路，包括检测电路，所述检测电路包括电源模块、烟感模块、火焰检测模块、微波雷达检测模块和开关模块，所述电源模块与烟感模块、火焰检测模块、微波雷达检测模块和开关模块均电性连接，用于为其提供电能；所述烟感模块的输出端为第二逻辑输出端DO2，且所述烟感模块的输出端与开关模块的输入端电性相连，用于控制开关模块的接通和关断。本发明解决了现有的火灾探测器不能探测火灾现场火势大小，而且不能探测火灾现场有没有活人的问题。

摘要： 本实用新型涉及点型感烟火灾探测器火灾灵敏度检测试验装置，包括测试棉线（5）、棉线夹（6）和棉线夹支架（7），所述的测试棉线（5）通过撑杆连接棉线夹（6），棉线夹（6）通过手动松紧螺丝固定在棉线夹支架（7）表面，棉线夹支架（7）下端通过螺纹连接灵敏度检测实验装置便携箱（1），测试棉线（5）下方灵敏度检测实验装置便携箱（1）的表面固定安装加热炉（4），加热炉（4）一侧的灵敏度检测实验装置便携箱（1）表面开异形凹槽安装棉线夹存放仓（8），可以一次性阴燃全部棉绳或者仅使木棍正常发烟不产生明火的同时便于携行，保护人员健康的同时，可以有效地提高点型感烟火灾探测器的测试准确度以及设备整体整合度。

摘要： 本实用新型公开了一种火灾探测报警器电量检测电路及火灾探测报警器。所述火灾探测报警器电量检测电路包括：控制器、开关模块、负载控制模块及匹配模块；所述开关模块分别与所述控制器、报警器电池及所述负载控制模块电连接，所述负载控制模块与所述匹配模块电连接；所述开关模块获取所述报警器电池电压，并控制报警器电池负载的开启和关闭；所述负载控制模块控制所述报警器电池负载的电流大小，所述匹配模块调节分压比例，控制所述报警器电池电压落在预设的参考电压呈现的区间范围内，并输出采样电压，所述控制器依据所述采样电压获取所述报警器电池的剩余电量。因而本实用新型能够对所述火灾探测报警器的电量进行实时检测，提高火灾防范性。

摘要： 本申请适用于人工智能技术领域，提供了火灾检测模型的构建方法、火灾检测方法及相关设备，火灾检测模型的构建方法包括：获取待优化参数及测试样本，测试样本包括环境信息以及与环境信息对应的火灾信息；执行迭代步骤，迭代步骤包括：根据待优化参数生成待优化模型，将环境信息输入待优化模型，根据待优化模型的输出结果、环境信息对应的火灾信息以及乌鸦搜索算法计算迭代参数；将迭代参数作为新的待优化参数，循环执行迭代步骤，直到满足预设迭代条件，将满足迭代条件的迭代参数作为最优参数，根据最优参数生成火灾检测模型。采用构建的火灾检测模型，可以提高火灾检测的效率和准确度。

摘要： 本申请适用于人工智能技术领域，提供了火灾检测模型的构建方法、火灾检测方法及相关设备，火灾检测模型的构建方法包括：获取待优化参数及测试样本，测试样本包括环境信息以及与环境信息对应的火灾信息；执行迭代步骤，迭代步骤包括：根据待优化参数生成待优化模型，将环境信息输入待优化模型，根据待优化模型的输出结果、环境信息对应的火灾信息以及乌鸦搜索算法计算迭代参数；将迭代参数作为新的待优化参数，循环执行迭代步骤，直到满足预设迭代条件，将满足迭代条件的迭代参数作为最优参数，根据最优参数生成火灾检测模型。采用构建的火灾检测模型，可以提高火灾检测的效率和准确度。

摘要： 本发明提供一种基于视频图像处理的火灾检测方法及其火灾检测装置，火灾检测装置包括火灾视频采集模块、火灾检测模块、火灾分析模块、火灾判断模块以及火灾报警模块。火灾检测方法通过更新背景、构建火焰颜色特征信息和提取火焰特征等方式进行火灾预警。更新背景模型能够在一定程度上过滤掉光照、“鬼影”等情况的影响，并且通过构建火焰颜色特征信息获取“可疑火焰区域”，最后根据设定的特征匹配规则再次进行确认并进行火灾预警。本发明专利综合了火焰的纹理和空域等特征信息，并提出了使用对提取到的四个火焰特征进行线性融合的方法对火焰进行再次鉴别，在保证正确检测率的基础上，降低了虚假报警率。

摘要： 本发明公开了一种应用于无人机的火灾检测系统及其火灾检测方法。该系统包括红外图像采集设备以及信号处理流程网络，信号处理流程网络包括输入层、中间层和输出层。在疑似区域中央对竖直，水平，正、负45度四个方向分别作温度梯度算子运算，运算结果为判断火灾火焰的依据；使用邻帧间像素灰度值绝对值相减的方法进行以帧间时间差为时间变化率的微分算法，运算结果为判断火灾高危点的依据。本发明利用无人直升机成本低、效率高的平台，通过使用红外摄像头，快速识别火灾火焰和火灾高危点，及时、准确预警火灾，具有机动、高效、不存在死角的特点。针对本发明红外图像的检测设计的火灾火焰和火灾高危点检测算法高效简捷、实用有效。

摘要： 本发明提供了一种基于SSD深度学习网络的火灾检测识别方法、系统及火灾报警方法，支持多类型的场景训练，实现了多类别覆盖检测，使得火险识别类型覆盖类型足够广；还改进了传统的通道注意力机制，采用SS‑Block注意力机制，做到了权重来自于特征，使得注意力机制的效果更好，更好的提升网络的性能；改进了传统的连接网络，仅接收近处的几个层的数据，使得特征图中无用的部分不会被重复利用，提高了网络性能，且减小了计算量。本发明的火灾报警方法，受空间距离限制小；不像传感器需要布置在距离易发生火灾区域较近之处，要实现大面积火险预警监控，需要大量的传感器，而一个摄像头能够覆盖很大的区域。