CN110075449A - 一种用于无人驾驶船舶的智能监控灭火方法 - Google Patents
一种用于无人驾驶船舶的智能监控灭火方法 Download PDFInfo
- Publication number
- CN110075449A CN110075449A CN201910281110.2A CN201910281110A CN110075449A CN 110075449 A CN110075449 A CN 110075449A CN 201910281110 A CN201910281110 A CN 201910281110A CN 110075449 A CN110075449 A CN 110075449A
- Authority
- CN
- China
- Prior art keywords
- fire
- intelligent
- point
- algorithm
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000004438 eyesight Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 230000001629 suppression Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 208000030523 mesoaxial synostotic syndactyly with phalangeal reduction Diseases 0.000 claims description 4
- 238000009423 ventilation Methods 0.000 claims description 4
- 230000004308 accommodation Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 239000007921 spray Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 6
- 210000004556 brain Anatomy 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C3/00—Fire prevention, containment or extinguishing specially adapted for particular objects or places
- A62C3/07—Fire prevention, containment or extinguishing specially adapted for particular objects or places in vehicles, e.g. in road vehicles
- A62C3/10—Fire prevention, containment or extinguishing specially adapted for particular objects or places in vehicles, e.g. in road vehicles in ships
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/36—Control of fire-fighting equipment an actuating signal being generated by a sensor separate from an outlet device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Ocean & Marine Engineering (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Fire-Detection Mechanisms (AREA)
- Fire Alarms (AREA)
- Alarm Systems (AREA)
Abstract
本发明基于无人驾驶船舶的背景下提出一种智能火灾检测模块和智能评估模块并在此基础上结合发明了一种针对无人驾驶船的智能灭火方法，这项发明从类人脑角度对出现火灾时应对火灾的措施进行分析，将人工智能算法和视觉检测技术很好的结合，设计出基于双目视觉和智能检测算法的点对点火灾监控，和火灾智能评估模块，以及智能灭火措施来实现对船舶火灾的实时监测。本发明的提出诣在满足无人驾驶船舶的要求，在方法上实现无人驾驶船舶的智能化，包括智能检测，智能评估，以及采取智能性地采取灭火措施。遂本文设计一种基于视觉方面可以代替人工实现智能检测、智能评估以及逐级采取智能灭火措施的智能监控方法。
Description
技术领域
本发明涉及船舶火灾智能灭火，具体是一种用于无人驾驶船舶的智能监控灭火方法。
背景技术
随着人工智能和无人驾驶技术的快速发展，无人驾驶船舶成为海上智能交通的重要研究领域。当前，航运业正处于从自动化、信息化时代向智能化时代过渡的阶段。随着船联网建设的不断完善，以及云计算、大数据在航运领域的逐步应用，构建智能化的航运系统已成为未来几年甚至十几年内可能实现的目标。因此针对无人驾驶船舶当发生火灾时如何实现完全的自主灭火成为了急需解决的问题。
本文在基于无人驾驶船舶的背景下发明设计了一种针对无人驾驶船的智能灭火方法，中国专利申请CN201611091882.2提出过货运船舶货舱火灾自动检测及灭火系统，这项发明提出货运船舶货舱火灾自动检测及灭火系统,是一种实时、高效的监控系统,主要由中央控制器、气溶胶灭火器及启动器、光感器、烟感器、温度探测器、备用电源组成。从火灾检测上而言，依旧采用传统的感烟感温探测器，具备了传统火灾检测的缺点，并且该发明提出的实时高效的监控系统无法满足无人驾驶船舶的要求，无人驾驶船舶旨在实现完全的智能化，包括智能检测，智能评估，以及采取智能性地采取灭火措施。遂本文设计一种基于视觉方面可以代替人实现智能检测，智能评估以及采取逐级的智能灭火措施的智能监控灭火方法。
发明内容
本发明在提出一种智能火灾检测方法和智能评估模块的基础上提出了一种针对无人驾驶船的智能灭火方法。
1.双目视觉点对点监测方法
本文提出一种基于深度学习目标检测算法和双目视觉相结合实现并结合现有灭火技术实现对船舶易发生火灾点的点对点监控效果。双目视觉点对点监测方法主要由双目视觉摄像头、目标检测算法及压力控制器和智能灭火喷嘴经中央处理器连接组成。利用深度学习目标检测算法模型对检测到火焰位置信息输出为(xmin,ymin,xmax,ymax)，(xmin,ymin)为检测框的左上角坐标，(xmax,ymax)为检测框的右下角坐标，然后通过
可计算出计算出在像素为300*300的图像中的(x0,y0)，(x1,y1)，针对双目视觉摄像头中视频监控画面像素值1920*1080，即可计算出在像素为1920*1080的图像中其位置坐标为(6.4*x0,3.6*y0)，(6.4*x1,3.6*y1)从而得出双目视觉摄像头监测的火焰的平面中心坐标为P(xl,yl)，P(xr,yr)，然后利用双目视觉原理计算出火焰相对摄像机坐标系的三维坐标P(xc,yc,zc)，然后依据摄像头坐标系相对位置处P(xd,yd,zd)安装灭火喷头装置，由三维坐标系两点之间的距离公式可计算出灭火喷头到火焰中心的距离，从而实现有效自主灭火。
步骤1：船舶火灾易发生点的数据统计。通过现有技术python网络爬虫对百度网页的船舶火灾发生事故案列进行关键词获取，通过获取关键词所占百分比进行从高到低排序，并参考书本对易发生火灾点的统计得出常见火灾发生点为机械舱室、供给舱室、居住舱室和甲板储藏舱室；
步骤2：数据集制作。拍摄火灾视频，通过OpenCV进行帧提取获取图片，并从网页爬取船舶火灾的图片，并通过数据增强中的镜像、旋转等方式对图片进行处理最终获取10000张火焰图片；
步骤3：目标检测算法模型进行训练。对MSSD(300*300)目标检测算法在caffe环境下采用训练集和测试集所占比列为0.95:0.5的方式进行训练，最终实现对火焰检测的精确度值为0.96的Fire-MSSD模型,具有很好的精确性和实时性；
步骤4：对易发生火灾点安装标定好的双目视觉摄像头和灭火喷头，通过双目摄像头定位原理和目标检测算法的结合获取火灾三维坐标实现火灾实时有效的定位；
步骤5：由中央处理器将目标监测算法、双目视觉摄像头和灭火喷头进行数据连接实现易发生火灾监测点的点对点监测；
实现原理：深度学习目标检测算法可实现对视频中出现的火焰的平面位置坐标进行定位，由现有双目视觉原理可知，双目视觉摄像头从不同视角采集火焰图像，其中摄像机的焦距都是f,两摄像机的光轴之间的距离为b,Ol和Or分别为左右摄像头的光心，摄像头坐标系的三维坐标为P(xc,yc,zc)，点P在左右像平面的投影分别为P(xl,yl)和P(xr,yr)。由像似三角形得到：
xl＝fxc/zc
xr＝f(xc-b)/zc
yl＝yr＝fyc/zc
另视差d＝xr-xl,则得到空间点P在摄像机坐标系中的三维坐标：
xc＝bxl/d
yc＝byl/d＝byr/d
zc＝bf/d
则P(xc,yc,zc)即为火焰中心点在摄像头坐标系的三维坐标。依据摄像头坐标系安装灭火碰头其坐标位置为P(xd,yd,zd)，由此可计算出两者之间的距离：
dx＝xc-xd
dy＝yc-yd
dz＝zc-zd
由现有的灭火器喷头技术实现对早期火灾的及时的控制。
2.智能评估模块
本发明提出了针对无人驾驶船舶火灾监控智能化监控的核心模块，即智能评估算法，在传统的船舶上可以将火灾分为早期，中期和后期，并针对火灾发生的具体灾情进行相应的人为指挥控制灭火措施。
步骤6：预先划定火灾等级标准，制定IOU智能评估算法标准,将火灾分为可控初期火焰、可控中期火焰、和不可控后期；
步骤7：将目标检测算法输出数据与智能评估算法通过中央处理器相连接实现数据共享；
步骤8：智能评估算法对监测结果计算，获取评估结果；
步骤9：评估结果反馈给物联网中心；
实现原理：本发明提出Fire_IOU(Intersection of Union)的思想，指依靠火灾面积/监控面积来评价火灾等级。
由经过目标检测算法可实现对火灾发生区域的定位，可获取火灾发生的面积
Afire＝6.4(xmax-xmin)*3.6(ymax-ymin)
由双目视觉摄像头监控平面在像素值为1920*1080时其平面面积为Azong＝1920*1080
即:
火灾等级判别标准：Fire_IOU<1/8为早期可控火灾
1/8<Fire_IOU<2/3为中期可控火灾
2/3<Fire_IOU为后期不可控火灾
针对不同火灾灾情智能评估模块将给出不同的灭火措施。初期可控火灾，此时主要针火灾刚开始发生，此时火焰较小，故此时针对某一地点的视觉监测对应的灭火装置所对应的灭火能力即可及时有效的满足灭火需求；可是随着初期火灾无法进行有效的扑灭，火灾在持续的蔓延，此时固定监测点对应的灭火能力无法对当前火灾进行有效的扑灭，即此时达到了可控火灾中期阶段的条件，则智能评估模块，将通过调动其它监测点的双目监测及联动灭火装置联合进行有效的灭火，直到火焰的扑灭；如若在调动其他监测的灭火装置机进行辅助的情况下，且此刻仍无法对火焰进行有效的扑救，且火灾依旧在蔓延，达到了后期不可控阶段，则智能评估模型将采取最终的方案即关闭船舶所有通风口，主机将停止运转，然后控制无人驾驶船舶打开内部的所有的二氧化碳灭火装置，及实现最终的的火灾的控制。
优点之处：
(1)火灾检测效果而言，克服了传统火灾探测器，必须在火灾燃烧点附近，并且检测依据单一，报警有一定的延迟，常常受探测距离和探测高度、空气湿度及气流等多种因素的影响。通过深度学习卷积神经网络对火焰进行特征提取，可实现多特征融合达到很好的识别效果。
(2)检测与灭火一体化智能化，通过双目视觉点对点监控装置实现对船舶火灾易发生点进行实时有效地监控，利用深度学习目标检测算法和双目视觉得应用实现完全自主的灭火，为船舶的无人化做出了技术铺垫。
(3)如果说双目视觉相当于船的眼睛，则智能评估模块就是人的大脑比较核心的模块，它可以在是在智能灭火的情况下，同伙眼睛获取的视觉图像进行分析，实现对火灾的现场的情况进行实时的分析，并针对不同灾情做出不同判断和应对措施。赋予了船舶类人脑的分析能力，实现对于无人驾驶船舶实现完全的智能化和无人化。
附图说明
图1本发明双目立体视觉定位原理图
图2为本发明提出双目视觉点对点实现方式。
图3为本发明针对易发生火灾点双目立体视觉定位实现总图。
图4为本发明智能监控灭火方法的流程图。
图5为本发明中的核心计算单元图。
具体实施方式
本发明首先提出了一种针对无人驾驶船舶的双目视觉点对点监测方法：如图1所示为双目视觉实现对火灾发生点空间内的定位原理图；如图2所示为本发明针对船舶某一监测点进行的双目视觉点对点监控模块，主要由四个部分组成，中央处理器、双目视觉摄像头、压力控制器及灭火喷头；如图3所示多个摄像头通过目标算法监测实现对多个易发生火灾点进行检测，当检测到火灾时，将数据传递到中央处理器，计算出火灾发生点，并通过控制压力控制器控制灭火喷头实现有效灭火。
其次，为了满足智能化标准提出了类人脑的智能评估模块，本发明中提出运用IOU的基理及表示方式实现对火灾灾情判断及灭火方式的选择。智能评估算法模块设计以摄像头覆盖面积为火灾发生覆盖最大范围，然后通过目标检测算法对火灾进行标框定位计算出发生火灾时实时地覆盖面积，然后计算后者与前者的比值从而判断火灾的等级。然后通过火灾等级信号输出传递给压力控制模块，辅助控制模块和通风口，实现有效控制火灾。如图4所示为本发明提出的的一种船舶火灾智能监控灭火方法流程图，主要计算模块如图5所示。
现以船舶火灾易发生火灾点具体阐明本无人船舶智能火灾监控方法如下：
步骤一：双目视觉实现对易发生火焰点的检测
步骤1：船舶火灾易发生点的数据统计。通过现有技术python网络爬虫对百度网页的船舶火灾发生事故案列进行关键词获取，通过获取关键词所占百分比进行从高到低排序，并参考书本对易发生火灾点的统计得出常见火灾发生点为机械舱室、供给舱室、居住舱室和甲板储藏舱室；
步骤2：数据集制作。拍摄火灾视频，通过opencv进行帧提取获取图片，并从网页爬取船舶火灾的图片，并通过数据增强中的镜像、旋转等方式对图片进行处理最终获取10000张火焰图片；
步骤3：目标检测算法模型进行训练。对MSSD目标检测算法在caffe环境下采用训练集和测试集所占比列为0.95:0.5的方式进行训练，以确保具有很好的精确性和实时性；
步骤4：对易发生火灾点安装标定好的双目视觉摄像头和灭火喷头，通过双目摄像头定位原理如图1所示，结合目标检测算法的获取火灾的三维坐标实现火灾实时有效的定位，实现方式图如图2所示；
步骤5：由中央处理器将目标监测算法、双目视觉摄像头和灭火喷头进行数据连接实现易发生火灾监测点的点对点监测，如图3所示为针对船舶易发生火灾点处实现原理图；
步骤二：对舱室火灾情况进行类人脑智能评估
步骤6：如图4所示为本发明智能监控灭火方法的流程图，其核心计算单元如图5所示。经步骤一实现对监控范围内的火灾进行检测后，按照预先划定火灾等级评估标准，即Fire_IOU<1/8为初期可控火灾、1/8<Fire_IOU<2/3为中期可控火灾、2/3<Fire_IOUU为后期不可控火灾；
步骤7：当舱室发生火灾时由中央处理器控制的双目视觉摄像头经由目标检测算法输出数据与智能评估算法相连接实现数据共享；
步骤8：智能评估算法对舱室内火灾发生等级进行计算，并按照IOU算法获取评估结果；
步骤9：将评估后的结果反馈给中央处理器；
步骤三：对舱室火灾进行智能灭火
步骤10；针对智能评估火灾等级预先设定相应的灭火措施。经检测和计算评估结果Fire_IOU<1/8为初期可控火灾点智能评估模块将控制监测摄像头相配置的对点喷嘴进行灭火。经检测和计算评估结果1/8<Fire_IOU<2/3为中期可控火灾点，智能评估模块将控制监测摄像头相配置的对点喷嘴及辅助灭火模块进行灭火。经检测和计算评估结果2/3<Fire_IOUU为后期不可控火灾，智能评估模块将控制关闭通风设置灭火进行最终灭火措施。
步骤11：双目视觉可实现实时监测并将结果反馈智能评估和灭火模块实现控制，将实现实时检测灭火结果并反映给中央控制中心进行相应控制，直到火灾被控制，即监测摄像头内无火焰。
综上所述，本发明提出了一种基于视觉方面面可以代替人实现智能检测，智能评估以及采取逐级的智能灭火措施的智能监控灭火方法。
Claims (1)
1.一种用于无人驾驶船舶的一种智能监控灭火方法，其特征在于包括以下步骤：
步骤一：双目视觉实现火焰检测
步骤1：船舶火灾易发生点的数据统计；通过现有技术并参考书本对易发生火灾点的统计得出常见火灾发生点为机械舱室、供给舱室、居住舱室和甲板储藏舱室；
步骤2：数据集制作；拍摄火灾视频，通过OpenCV进行帧提取获取图片，并从网页爬取船舶火灾的图片，并通过数据增强中的镜像、旋转等方式对图片进行处理最终获取尽可能多的火焰图片；
步骤3：目标检测算法模型进行训练；对MSSD目标检测算法在caffe环境下采用训练集和测试集所占比列为0.95:0.5的方式进行训练，最终实现对火焰检测的精确度值为0.986；
步骤4：对易发生火灾点安装标定好的双目视觉摄像头和灭火喷头，通过双目摄像头定位原理和目标检测算法的结合获取火灾三维坐标实现火灾实时有效的定位；双目视觉摄像头从不同视角采集火焰图像，其中摄像机的焦距都是f,两摄像机的光轴之间的距离为b,Ol和Or分别为左右摄像头的光心，摄像头坐标系的三维坐标为P(xc,yc,zc)，点P在双目视觉左右像平面的投影中心坐标分别为P(xl,yl)和P(xr,yr)，由像似三角形得到：
xl＝fxc/zc
xr＝f(xc-b)/zc
yl＝yr＝fyc/zc
另视差d＝xr-xl,则得到空间点P在摄像机坐标系中的三维坐标：
xc＝bxl/d
yc＝byl/d＝byr/d
zc＝bf/d
则P(xc,yc,zc)即为火焰中心点在摄像头坐标系的三维坐标；依据摄像头坐标系安装灭火碰头其坐标位置为P(xd,yd,zd)，由此可计算出两者之间的距离：
dx＝xc-xd
dy＝yc-yd
dz＝zc-zd
(xmin,ymin,xmax,ymax)为目标检测算法火焰位置信息输出，(xmin,ymin)为检测框的左上角坐标，(xmax,ymax)为检测框的右下角坐标，然后通过
可计算出在像素为300*300的图像中火焰检测框的中心坐标(x0,y0)，(x1,y1)针对双目视觉摄像头中视频监控画面像素值1920*1080，即可计算出在像素为1920*1080的图像中其位置坐标为(6.4*x0,3.6*y0)，(6.4*x1,3.6*y1)，则可得点P在双目视觉左右像平面的投影中心坐标P(xl,yl)和P(xr,yr)对应为：
然后利用双目视觉原理由P(xl,yl)和P(xr,yr)计算出火焰相对摄像机坐标系的三维坐标P(xc,yc,zc)；
步骤5：由中央处理器将目标监测算法、双目视觉摄像头和灭火喷头进行数据连接实现易发生火灾监测点的点对点监测；
步骤二：智能评估
步骤6：预先划定火灾等级标准，制定Fire_IOU智能评估算法标准,标准设定如下：
Afire＝6.4(xmax-xmin)*3.6(ymax-ymin)
Azong＝1920*1080
即:
Afire为目标检测算法输出在1920*1080像素下火焰的检测框面积；Azong为像素点为1920*1080的检测画面总面积；其中火灾等级判别标准为：
Fire_IOU<1/8为早期可控火灾
1/8<Fire_IOU<2/3为中期可控火灾
2/3<Fire_IOU为后期不可控火灾
步骤7：智能评估算法对监测结果计算，获取评估计算结果判断火灾等级；
步骤8：评估结果反馈给中央处理器；
步骤三：智能灭火
步骤9；针对智能评估火灾等级预先设定相应的灭火措施；当双目视觉摄像头检测到火灾时智能评估模块将进行Fire_IOU的计算，当其值小于1/8时中央处理器将采取点对点喷嘴灭火，当其值大于1/8且小于2/3时采用辅助灭火方式，当火灾不可控时即采取关闭通风口措施；
步骤10：双目视觉实现实时监测并将结果反馈智能评估和灭火模块实现控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910281110.2A CN110075449A (zh) | 2019-04-09 | 2019-04-09 | 一种用于无人驾驶船舶的智能监控灭火方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910281110.2A CN110075449A (zh) | 2019-04-09 | 2019-04-09 | 一种用于无人驾驶船舶的智能监控灭火方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110075449A true CN110075449A (zh) | 2019-08-02 |
Family
ID=67414661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910281110.2A Pending CN110075449A (zh) | 2019-04-09 | 2019-04-09 | 一种用于无人驾驶船舶的智能监控灭火方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110075449A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110683006A (zh) * | 2019-09-29 | 2020-01-14 | 武汉理工大学 | 一种基于无人艇的船舶消防系统 |
| CN110975206A (zh) * | 2019-12-06 | 2020-04-10 | 北京南瑞怡和环保科技有限公司 | 一种智能细水雾灭火系统 |
| CN113053057A (zh) * | 2019-12-26 | 2021-06-29 | 杭州海康微影传感科技有限公司 | 火点定位系统及方法 |
| CN116189231A (zh) * | 2022-12-06 | 2023-05-30 | 吉林省吉林祥云信息技术有限公司 | 一种基于对抗网络的ai视觉人像识别逃逸方法、系统、设备以及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318707A (zh) * | 2014-11-04 | 2015-01-28 | 无锡北斗星通信息科技有限公司 | 基于卫星遥感图像的森林火灾检测平台 |
| CN105261029A (zh) * | 2015-11-20 | 2016-01-20 | 中国安全生产科学研究院 | 基于双目视觉进行火源定位和灭火的方法及其机器人 |
| JP2018075239A (ja) * | 2016-11-10 | 2018-05-17 | 株式会社モリタホールディングス | 消火設備及び消火方法 |
| CN109284760A (zh) * | 2018-08-10 | 2019-01-29 | 杭州群核信息技术有限公司 | 一种基于深度卷积神经网络的家具检测方法及装置 |
| CN109360240A (zh) * | 2018-09-18 | 2019-02-19 | 华南理工大学 | 一种基于双目视觉的小型无人机定位方法 |
| CN109543631A (zh) * | 2018-11-28 | 2019-03-29 | 公安部沈阳消防研究所 | 一种基于机器学习的火灾图像探测报警方法 |
-
2019
- 2019-04-09 CN CN201910281110.2A patent/CN110075449A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318707A (zh) * | 2014-11-04 | 2015-01-28 | 无锡北斗星通信息科技有限公司 | 基于卫星遥感图像的森林火灾检测平台 |
| CN105261029A (zh) * | 2015-11-20 | 2016-01-20 | 中国安全生产科学研究院 | 基于双目视觉进行火源定位和灭火的方法及其机器人 |
| JP2018075239A (ja) * | 2016-11-10 | 2018-05-17 | 株式会社モリタホールディングス | 消火設備及び消火方法 |
| CN109284760A (zh) * | 2018-08-10 | 2019-01-29 | 杭州群核信息技术有限公司 | 一种基于深度卷积神经网络的家具检测方法及装置 |
| CN109360240A (zh) * | 2018-09-18 | 2019-02-19 | 华南理工大学 | 一种基于双目视觉的小型无人机定位方法 |
| CN109543631A (zh) * | 2018-11-28 | 2019-03-29 | 公安部沈阳消防研究所 | 一种基于机器学习的火灾图像探测报警方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110683006A (zh) * | 2019-09-29 | 2020-01-14 | 武汉理工大学 | 一种基于无人艇的船舶消防系统 |
| CN110975206A (zh) * | 2019-12-06 | 2020-04-10 | 北京南瑞怡和环保科技有限公司 | 一种智能细水雾灭火系统 |
| CN110975206B (zh) * | 2019-12-06 | 2021-06-29 | 北京南瑞怡和环保科技有限公司 | 一种智能细水雾灭火系统 |
| CN113053057A (zh) * | 2019-12-26 | 2021-06-29 | 杭州海康微影传感科技有限公司 | 火点定位系统及方法 |
| CN116189231A (zh) * | 2022-12-06 | 2023-05-30 | 吉林省吉林祥云信息技术有限公司 | 一种基于对抗网络的ai视觉人像识别逃逸方法、系统、设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110075449A (zh) | 一种用于无人驾驶船舶的智能监控灭火方法 | |
| CN101574567B (zh) | 基于计算机视觉技术的火灾智能探测、扑灭方法及系统 | |
| CN110561432B (zh) | 一种基于人机共融的安全协作方法及装置 | |
| CN109887369B (zh) | 一种船舶险情逃生模拟培训系统 | |
| CN101574566B (zh) | 基于单目视觉技术的火点与落水点相对位置调整的消防炮控制方法 | |
| CN109074068A (zh) | 飞行装置、电子设备以及程序 | |
| CN110898353A (zh) | 变电站消防机器人全景监控与联动控制方法及系统 | |
| CN111753780B (zh) | 变电站违章检测系统及违章检测方法 | |
| CN113134187B (zh) | 基于积分强化学习的多消防巡检协作机器人系统 | |
| CN112331015A (zh) | 一种电力设备无人机巡检虚拟仿真培训系统及方法 | |
| CN110989599B (zh) | 一种变电站消防机器人自主作业控制方法及系统 | |
| CN113058185A (zh) | 智能巡逻消防机器人及控制方法 | |
| McNeil et al. | Autonomous fire suppression system for use in high and low visibility environments by visual servoing | |
| CN113240881B (zh) | 一种基于多特征融合的火灾识别系统 | |
| CN107885229A (zh) | 一种可实现电力线自动巡检的无人机及其电力线巡检方法 | |
| CN111639825A (zh) | 基于A-Star算法是森林火灾指示逃生路径方法及系统 | |
| Lopez et al. | Robotman: A security robot for human-robot interaction | |
| CN112556709A (zh) | 一种消防救援机器人、救援协助系统及其通信方法 | |
| CN209657454U (zh) | 煤矿火灾识别系统 | |
| CN109785574B (zh) | 一种基于深度学习的火灾检测方法 | |
| Chaoxia et al. | Weakly aligned multimodal flame detection for fire-fighting robots | |
| CN109557941A (zh) | 一种应用于无人机的避障系统及其操控方法 | |
| CN212466888U (zh) | 一种高铁动车组定向灭火智能消防系统 | |
| CN101574568B (zh) | 消防炮水道和水道末端的识别方法 | |
| Joshi et al. | Real time motion tracking algorithm for search and rescue robots |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |