CN111681385A - 一种基于人工智能的消防分级预警算法及火灾探测系统 - Google Patents

一种基于人工智能的消防分级预警算法及火灾探测系统 Download PDF

Info

Publication number
CN111681385A
CN111681385A CN202010396133.0A CN202010396133A CN111681385A CN 111681385 A CN111681385 A CN 111681385A CN 202010396133 A CN202010396133 A CN 202010396133A CN 111681385 A CN111681385 A CN 111681385A
Authority
CN
China
Prior art keywords
fire
data
neural network
artificial intelligence
signal
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
Application number
CN202010396133.0A
Other languages
English (en)
Inventor
魏湘臣
周锦霆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Hefu Artificial Intelligence Technology Group Co ltd
Original Assignee
Shanghai Hefu Artificial Intelligence Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Hefu Artificial Intelligence Technology Group Co ltd filed Critical Shanghai Hefu Artificial Intelligence Technology Group Co ltd
Priority to CN202010396133.0A priority Critical patent/CN111681385A/zh
Publication of CN111681385A publication Critical patent/CN111681385A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G01N21/53—Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/004—CO or CO2
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Biochemistry (AREA)
  • Software Systems (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Automation & Control Theory (AREA)
  • Combustion & Propulsion (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Dispersion Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Alarm Systems (AREA)
  • Fire Alarms (AREA)

Abstract

本发明公开了一种基于人工智能的消防分级预警算法及火灾探测系统，涉及安全消防技术领域，本发明基于多传感器结构，将温度、烟雾浓度和CO体积分数作为火灾探测信号，采用专家数据库和神经网络分别提取火灾经验特征和数据拟合特征，采用模糊系统作为决策层，对上述两种特征进行融合得到火灾信号，利用低功耗单片机和基于ZigBee无线模块设计复合智能火灾探测系统，具有自适应、自学习等特点，本发明能够有效消除单传感器失效或外来干扰引起的误报或漏报，提高火灾报警的准确率，对消防事故做到提前预警。

Description

一种基于人工智能的消防分级预警算法及火灾探测系统
技术领域
本发明涉及安全消防技术领域，更具体的是涉及一种基于人工智能的消防分级预警算法及火灾探测系统。
背景技术
在现代智能建筑中，火灾探测报警系统是其重要的子系统之一。由于火灾信号检测与其他典型的信号检测相比是一种十分困难的信号检测问题，传统的单一参数火灾探测器(包括阈值触发式和模拟量式)不能有效地探测各类火情，火警误报时有发生。因此，多传感器信息融合探测技术得到发展，它不是原有单一参数火灾探测器的简单组合，而是根据不同类型的火灾参数，应用智能算法对多传感器的火灾参数进行融合，以判断是否存在火灾危险，能够有效提高辨别真假火灾的能力。目前常用的信息融合算法有经典推理法、贝叶斯方法、卡尔曼滤波法和神经网络等。
目前主要使用的是智能型总线制分布式计算机系统的火灾报警系统，虽然在系统安装方面比过去方便，但是仍然不能满足实际工程需求。其系统安装成本约占设备成本的33％—70％，而且系统扩展性能差，布线繁琐，线路易老化或遭到腐蚀，故障发生率较高，抗干扰能力差，误报警率高。而无线火灾报警系统能够满足日益发展的市场需求，它具有安装容易、快捷、便宜、无需布线、对建筑物表面的破坏性小、对功能变化的易适应性强等特点。
随着WSN(无线传感网络)技术的发展，将无线ZigBee网络和人工智能结合，可以大大提高火灾报警系统的可靠性，降低成本，并且由于ZigBee技术功耗极低，相比于其他无线网络技术，更适合组建大范围的无线火灾探测器网络。
但是现有的火灾报警系统却还是存在以下问题：
1、误报频率高；
2、消防事故发生时才会报警，属于被动事后报警，无法预警；
3、报警门限值设置是一刀切，不能根据事故及事故数据来判断事故和可能发生事故的情况；
4、单单通过传感器数值并不能正确判断真假火灾。
发明内容
本发明的目的在于：为了解决现有的火灾报警系统误报频率高，并且无法对火灾进行预警的问题，本发明提供一种基于人工智能的消防分级预警算法及火灾探测系统，基于多传感器结构，将温度、烟雾浓度和CO体积分数作为火灾探测信号，采用专家数据库和神经网络分别提取火灾经验特征和数据拟合特征，采用模糊系统作为决策层，对上述两种特征进行融合得到火灾信号，利用低功耗单片机和基于ZigBee无线模块设计复合智能火灾探测系统，具有自适应、自学习等特点，能够有效消除单传感器失效或外来干扰引起的误报或漏报，提高火灾报警的准确率，对消防事故做到提前预警。
本发明为了实现上述目的具体采用以下技术方案：
一种基于人工智能的消防分级预警算法，包括如下步骤：
S1：数据处理单元接收数据采集单元发送的温度信号、CO含量信号和烟雾信号；
S2：将上述三个信号输入火灾信息数据融合和神经网络模型中，在专家数据库中进行查询，提取火灾经验特征，得到火灾经验特征概率；
S3：对于S2中无法查询到的数据，采用神经网络提取上述三个信号的火灾数据拟合特征，得到三个信号的数据拟合特征概率；
S4：将火灾经验特征概率和数据拟合特征概率输入模糊推理融合系统，最终得到火灾发生概率。
进一步的，所述S2中的专家数据库中存储有由火灾实验所得到的若干组火灾数据。
进一步的，所述S3中的神经网络具有趋势反馈，所述神经网络输入层包括四个输入，分别是归一化的温度信号、CO含量信号、烟雾信号和网络反馈趋势信号；神经网络中间层包括三个节点；神经网络输出层包括一个节点，该节点为数据拟合特征概率。
进一步的，所述神经网络输入层与中间层和神经网络中间层与输出层的权值矩阵均为IV。
进一步的，所述S2中三个信号由阈值决策器输入到火灾信息数据融合和神经网络模型中。
一种基于人工智能的火灾探测系统，包括若干火灾探测节点，每一火灾探测节点包括数据采集单元、数据处理单元、数据传输单元和电源管理单元，数据采集单元包括温度传感器、CO传感器和烟雾传感器，用于检测环境温度信号、CO含量信号和烟雾信号；数据处理单元负责控制火灾探测节点的处理操作、智能算法、路由协议、同步定位、功耗管理和任务管理等；数据传输单元负责与其他火灾探测节点进行无线通信、交换控制消息和收发采集数据；电源管理单元负责为火灾探测节点的各单元供电。
进一步的，所述数据处理单元包括火灾信息数据融合和神经网络模型和模糊推理融合系统，火灾信息数据融合和神经网络模型负责对温度信号、CO含量信号和烟雾信号进行火灾经验特征概率提取和数据拟合特征概率提取；模糊推理融合系统负责对提取得到的火灾经验特征概率和数据拟合特征概率进行融合推理。
进一步的，所述数据处理单元选用具有丰富资源和极低功耗的8位微控制器ATmegal28L，该控制器具有片内128KB的程序Flash、4KB的数据SRAM，可外扩到64KB的E2PROM，还有8个10位ADC通道、2个8位和2个16位硬件定时/计数器、8个PWM通道、可编程定时器和片上振荡器、片上模拟比较器及UART、SPI、I2C等总线接口和JTAG接口单元，除正常操作模式外，还具有六种不同等级的低功耗操作模式。
进一步的，所述数据传输单元由低功耗、短距离的无线通信模块CC2420组成，CC2420是一款符合ZigBee技术的高集成度工业用射频收发器件，其MAC层和PHY层协议符合802.15.4规范，工作于2.4GHz频段，只需极少外部元器件，可确保短距离通信的有效性和可靠性，数据传输单元支持数据传输率高达250kbps，可以实现多点对多点的快速组网，功耗较小，适于用电池长期供电。
进一步的，所述数据采集单元所选用的传感器均工作于极短的脉冲方式，其中，温度传感器采用智能传感器，其特点是超小型、低功耗(≤14W)、采用CMOSens技术、两线接口、精校准，可测量相对湿度、温度(相对湿度测量范围是0n1000A，分辨率0.03*0.4，最高精度为±2％RH；温度测量范围40～123.8℃，分辨率为0.3℃，响应时间小于3s)；CO探测选取TGS2442，其特点是低功耗、对CO的灵敏度高、长寿命、低成本，对湿度的依赖性低，工作于极短的脉冲加热方式(在1s工作周期内，仅14ms加热)；烟雾传感器选用OP231、OP801SL红外对管，按照最佳角度安装在迷宫型内壁为黑色粗糙面的集烟盒内，利用了烟雾微粒对光的散射作用，在一定的烟雾浓度范围内，散射光的强度与烟雾的浓度成比例，这种漫散射的光使光电三极管的阻抗发生变化，从而实现了将烟雾信号转变为电信号的功能，OP231为砷铝化镓(GaAlAs)红外发光二极管，波长集中在890nm范围，严格与光敏三极管OP801相匹配，设计中使发光管在147ms周期内，仅工作7ms。
本发明的有益效果如下：
1、本发明基于多传感器重合技术的各类消防相关数据，建立了分级消防模型，通过人工智能深度学习算法和自主学习算法对各类消防数据和以往消防事件数据库进行学习，最后通过算法纠正，实现了从8％到38％、70％三个不同等级的消防预警，对消防事故做到提前预警，可以在诸多消防事故发生初期就能发现异常，并通知相关人员进行处理，将事故杜绝在萌芽之中，可广泛应用于安全消防领域。
2、本发明通过机器学习架构对不同等级的火灾情况进行权重参数调节，针对不同等级的火势制定不同的灭火方案，适用范围广。
附图说明
图1是火灾信息数据融合和神经网络模型示意图。
图2是神经网络模型示意图。
图3是火灾探测节点结构示意图。
图4是火灾探测节点硬件结构示意图。
图5是火灾探测系统信息处理流示意图。
图6是火灾报警网络层次结构示意图，
具体实施方式
为了本技术领域的人员更好的理解本发明，下面结合附图和以下实施例对本发明作进一步详细描述。
实施例1
如图1和图2所示，本实施例提供一种基于人工智能的消防分级预警算法，包括如下步骤：
S1：数据处理单元接收数据采集单元发送的温度信号、CO含量信号和烟雾信号；
S2：将上述三个信号输入火灾信息数据融合和神经网络模型中，在专家数据库中进行查询，提取火灾经验特征，得到火灾经验特征概率；
S3：对于S2中无法查询到的数据，采用神经网络提取上述三个信号的火灾数据拟合特征，得到三个信号的数据拟合特征概率；
S4：将火灾经验特征概率和数据拟合特征概率输入模糊推理融合系统，最终得到火灾发生概率。
所述S2中的专家数据库中存储有由火灾实验所得到的若干组火灾数据。
所述S3中的神经网络具有趋势反馈，所述神经网络输入层包括四个输入，分别是归一化的温度信号、CO含量信号、烟雾信号和网络反馈趋势信号；神经网络中间层包括三个节点；神经网络输出层包括一个节点，该节点为数据拟合特征概率。
所述神经网络输入层与中间层和神经网络中间层与输出层的权值矩阵均为IV。
所述S2中三个信号由阈值决策器输入到火灾信息数据融合和神经网络模型中。
如图3至图5所示，基于上述消防分级预警算法，本实施例还提供一种基于人工智能的火灾探测系统，包括若干火灾探测节点，每一火灾探测节点包括数据采集单元、数据处理单元、数据传输单元和电源管理单元，数据采集单元包括温度传感器、CO传感器和烟雾传感器，用于检测环境温度信号、CO含量信号和烟雾信号；数据处理单元负责控制火灾探测节点的处理操作、智能算法、路由协议、同步定位、功耗管理和任务管理等；数据传输单元负责与其他火灾探测节点进行无线通信、交换控制消息和收发采集数据；电源管理单元负责为火灾探测节点的各单元供电。
所述数据处理单元包括火灾信息数据融合和神经网络模型和模糊推理融合系统，火灾信息数据融合和神经网络模型负责对温度信号、CO含量信号和烟雾信号进行火灾经验特征概率提取和数据拟合特征概率提取；模糊推理融合系统负责对提取得到的火灾经验特征概率和数据拟合特征概率进行融合推理。
所述数据处理单元选用具有丰富资源和极低功耗的8位微控制器ATmegal28L，该控制器具有片内128KB的程序Flash、4KB的数据SRAM，可外扩到64KB的E2PROM，还有8个10位ADC通道、2个8位和2个16位硬件定时/计数器、8个PWM通道、可编程定时器和片上振荡器、片上模拟比较器及UART、SPI、I2C等总线接口和JTAG接口单元，除正常操作模式外，还具有六种不同等级的低功耗操作模式。
所述数据传输单元由低功耗、短距离的无线通信模块CC2420组成，CC2420是一款符合ZigBee技术的高集成度工业用射频收发器件，其MAC层和PHY层协议符合802.15.4规范，工作于2.4GHz频段，只需极少外部元器件，可确保短距离通信的有效性和可靠性，数据传输单元支持数据传输率高达250kbps，可以实现多点对多点的快速组网，功耗较小，适于用电池长期供电。
所述数据采集单元所选用的传感器均工作于极短的脉冲方式，其中，温度传感器采用智能传感器，其特点是超小型、低功耗(≤14W)、采用CMOSens技术、两线接口、精校准，可测量相对湿度、温度(相对湿度测量范围是0n1000A，分辨率0.03*0.4，最高精度为±2％RH；温度测量范围40～123.8℃，分辨率为0.3℃，响应时间小于3s)；CO探测选取TGS2442，其特点是低功耗、对CO的灵敏度高、长寿命、低成本，对湿度的依赖性低，工作于极短的脉冲加热方式(在1s工作周期内，仅14ms加热)；烟雾传感器选用OP231、OP801SL红外对管，按照最佳角度安装在迷宫型内壁为黑色粗糙面的集烟盒内，利用了烟雾微粒对光的散射作用，在一定的烟雾浓度范围内，散射光的强度与烟雾的浓度成比例，这种漫散射的光使光电三极管的阻抗发生变化，从而实现了将烟雾信号转变为电信号的功能，OP231为砷铝化镓(GaAlAs)红外发光二极管，波长集中在890nm范围，严格与光敏三极管OP801相匹配，设计中使发光管在147ms周期内，仅工作7ms。
如图6所示，火灾报警网络采用分布式数据处理系统，ZigBee火灾报警系统内的数据集中器是ZigBee网络中的网络协调器，数据集中点是路由节点，无线传感器是终端设备。一个ZigBee网络理论上最多支持65535个节点，但合理设计网络结构工作模式是实际应用必须考虑的问题。根据建筑物分层、分区和相对较长的系统工作生命周期等特点，采用基于簇的分层结构网络较为合理。在稳定运行阶段，簇中的所有节点按照时分复用的方式向相应的簇头收发数据。
为了达到传感器的实用数量，减少网络的复杂性，降低网络整体的功耗，基于每个火灾传感器节点和FLCH节点之间通信量较小的特点，设计每隔一定时间留出一定时隙，专门用于需求时唤醒的工作模式(即传感器节点发生火灾时，能自动醒来和FLCH节点进行通信)，否则工作于正常网络工作模式，以节约传感器节点功耗，并拒绝接受非法的连接访问请求，极大地增加了传感器网络容量及系统反应速度。中心主机连接基站，它不仅是数据管理中心，也是发布命令中心，可采用常用的软件编制用户应用程序和用户界面，也可使用工业组态软件进行编程。此设计考虑了环境的温湿度参数采集，对于智能楼宇中央空调的节能控制极为有利。而对空调节点和消防联动子系统节点的控制，同样也可采用该网络设计。
以上所述，仅为本发明的较佳实施例，并不用以限制本发明，本发明的专利保护范围以权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。

Claims (10)

1.一种基于人工智能的消防分级预警算法，其特征在于，包括如下步骤：
S1：数据处理单元接收数据采集单元发送的温度信号、CO含量信号和烟雾信号；
S2：将上述三个信号输入火灾信息数据融合和神经网络模型中，在专家数据库中进行查询，提取火灾经验特征，得到火灾经验特征概率；
S3：对于S2中无法查询到的数据，采用神经网络提取上述三个信号的火灾数据拟合特征，得到三个信号的数据拟合特征概率；
S4：将火灾经验特征概率和数据拟合特征概率输入模糊推理融合系统，最终得到火灾发生概率以及火灾分级指数。
2.根据权利要求1所述的一种基于人工智能的消防分级预警算法，其特征在于：所述S2中的专家数据库中存储有由火灾实验所得到的若干组火灾数据。
3.根据权利要求1所述的一种基于人工智能的消防分级预警算法，其特征在于：所述S3中的神经网络具有趋势反馈，所述神经网络输入层包括四个输入，分别是归一化的温度信号、CO含量信号、烟雾信号和网络反馈趋势信号；神经网络中间层包括三个节点；神经网络输出层包括一个节点，该节点为数据拟合特征概率。
4.根据权利要求3所述的一种基于人工智能的消防分级预警算法，其特征在于：所述神经网络输入层与中间层和神经网络中间层与输出层的权值矩阵均为IV。
5.根据权利要求2所述的一种基于人工智能的消防分级预警算法，其特征在于：所述S2中三个信号由阈值决策器输入到火灾信息数据融合和神经网络模型中。
6.一种基于人工智能的火灾探测系统，其特征在于：包括若干火灾探测节点，每一火灾探测节点包括数据采集单元、数据处理单元、数据传输单元和电源管理单元，数据采集单元包括温度传感器、CO传感器和烟雾传感器，用于检测环境温度信号、CO含量信号和烟雾信号；数据处理单元负责控制火灾探测节点的处理操作、智能算法、路由协议、同步定位、功耗管理和任务管理等；数据传输单元负责与其他火灾探测节点进行无线通信、交换控制消息和收发采集数据；电源管理单元负责为火灾探测节点的各单元供电。
7.根据权利要求6所述的一种基于人工智能的火灾探测系统，其特征在于：所述数据处理单元包括火灾信息数据融合和神经网络模型和模糊推理融合系统，火灾信息数据融合和神经网络模型负责对温度信号、CO含量信号和烟雾信号进行火灾经验特征概率提取和数据拟合特征概率提取；模糊推理融合系统负责对提取得到的火灾经验特征概率和数据拟合特征概率进行融合推理。
8.根据权利要求6或7所述的一种基于人工智能的火灾探测系统，其特征在于：所述数据处理单元选用具有丰富资源和极低功耗的8位微控制器ATmegal28L。
9.根据权利要求6所述的一种基于人工智能的火灾探测系统，其特征在于：所述数据传输单元由低功耗、短距离的无线通信模块CC2420组成。
10.根据权利要求6所述的一种基于人工智能的火灾探测系统，其特征在于：所述数据采集单元所选用的传感器均工作于极短的脉冲方式，其中，温度传感器采用智能传感器；CO传感器型号选用TGS2442；烟雾传感器选用OP231、OP801SL红外对管，按照最佳角度安装在迷宫型内壁为黑色粗糙面的集烟盒内。
CN202010396133.0A 2020-05-12 2020-05-12 一种基于人工智能的消防分级预警算法及火灾探测系统 Pending CN111681385A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010396133.0A CN111681385A (zh) 2020-05-12 2020-05-12 一种基于人工智能的消防分级预警算法及火灾探测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010396133.0A CN111681385A (zh) 2020-05-12 2020-05-12 一种基于人工智能的消防分级预警算法及火灾探测系统

Publications (1)

Publication Number Publication Date
CN111681385A true CN111681385A (zh) 2020-09-18

Family

ID=72451870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010396133.0A Pending CN111681385A (zh) 2020-05-12 2020-05-12 一种基于人工智能的消防分级预警算法及火灾探测系统

Country Status (1)

Country Link
CN (1) CN111681385A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112466082A (zh) * 2020-11-12 2021-03-09 上海意静信息科技有限公司 一种基于时间空间与联动关系的人工智能火灾报警分级预警方法
CN115175126A (zh) * 2022-09-02 2022-10-11 长沙银河众创科技信息有限公司 一种基于物联网的智慧园区快速消防应急处理方法和系统
DE102021116957A1 (de) 2021-07-01 2023-01-05 IQ Technologies for Earth and Space GmbH Verfahren und Vorrichtung zur automatisierten Waldbrabdfrüherkennung mittels optischer Detektion von Rauchereignissen
CN116758691A (zh) * 2023-05-05 2023-09-15 深圳市广安消防装饰工程有限公司 一种基于多模态数据的消防预警方法及装置
CN117095506A (zh) * 2023-10-18 2023-11-21 潍坊市平安消防工程有限公司 一种基于报警区域模型的消防安全监控系统及其方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785572A (zh) * 2019-03-11 2019-05-21 上海荷福人工智能科技（集团）有限公司 一种基于神经网络的消防预警方法及系统
CN110070690A (zh) * 2019-05-13 2019-07-30 上海荷福人工智能科技（集团）有限公司 一种基于深度学习的智能消防分级预警方法及系统
CN110648490A (zh) * 2019-09-26 2020-01-03 华南师范大学 适用于嵌入式平台的多因子火焰识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785572A (zh) * 2019-03-11 2019-05-21 上海荷福人工智能科技（集团）有限公司 一种基于神经网络的消防预警方法及系统
CN110070690A (zh) * 2019-05-13 2019-07-30 上海荷福人工智能科技（集团）有限公司 一种基于深度学习的智能消防分级预警方法及系统
CN110648490A (zh) * 2019-09-26 2020-01-03 华南师范大学 适用于嵌入式平台的多因子火焰识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张伯虎等: ""基于人工智能和ZigBee火灾探测系统的设计"", 《消防科学与技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112466082A (zh) * 2020-11-12 2021-03-09 上海意静信息科技有限公司 一种基于时间空间与联动关系的人工智能火灾报警分级预警方法
DE102021116957A1 (de) 2021-07-01 2023-01-05 IQ Technologies for Earth and Space GmbH Verfahren und Vorrichtung zur automatisierten Waldbrabdfrüherkennung mittels optischer Detektion von Rauchereignissen
CN115175126A (zh) * 2022-09-02 2022-10-11 长沙银河众创科技信息有限公司 一种基于物联网的智慧园区快速消防应急处理方法和系统
CN115175126B (zh) * 2022-09-02 2023-02-17 长沙银河众创科技信息有限公司 一种基于物联网的智慧园区快速消防应急处理方法和系统
CN116758691A (zh) * 2023-05-05 2023-09-15 深圳市广安消防装饰工程有限公司 一种基于多模态数据的消防预警方法及装置
CN117095506A (zh) * 2023-10-18 2023-11-21 潍坊市平安消防工程有限公司 一种基于报警区域模型的消防安全监控系统及其方法
CN117095506B (zh) * 2023-10-18 2023-12-15 潍坊市平安消防工程有限公司 一种基于报警区域模型的消防安全监控系统及其方法

Similar Documents

Publication Publication Date Title
CN111681385A (zh) 一种基于人工智能的消防分级预警算法及火灾探测系统
CN201546759U (zh) 基于ZigBee技术的煤矿井下安全监测系统
CN203376611U (zh) 基于Zigbee网络的智能环境监测系统
CN101545897A (zh) 基于ZigBee技术的气体监控系统
CN102737468A (zh) 基于无线多传感器信息融合的火灾检测系统及方法
CN202903334U (zh) 一种电缆中间接头温度监测系统
CN201821366U (zh) 一种机房环境温湿度实时监控系统
CN203415084U (zh) 基于gprs通信技术的供暖锅炉远程监测系统
CN204557187U (zh) 一种ip网络环境监控系统
CN201635769U (zh) 一种煤矿风机工作状态监测及故障预报系统
CN106437855A (zh) 一种基于无线传输的煤矿采空区温度远程监测系统
CN102184623A (zh) 基于zigbee技术和以太网的楼宇环境监控系统
CN107801171A (zh) 用于架空输电线路的监测装置
CN101335670A (zh) 基于ZigBee技术的无线传感器网络仓库监测系统及监测方法
CN105971671A (zh) 一种基于无线传感网络电力电缆隧道消防系统
CN102685929A (zh) 智能视频火灾检测物联网系统
CN104332042A (zh) 基于Arduino的无线传感器网络岛屿参数监测系统
CN103399133A (zh) 一种基于物联网的智能城市污水排放点在线多级监测系统
CN110363953A (zh) 一种低功耗无线烟雾报警装置
CN211959263U (zh) 一种基于NB-IoT的安防设备
CN209166518U (zh) 一种基于无线传感技术的变电站机房环境在线监控系统
CN205068734U (zh) 安全监控装置与系统
CN201518012U (zh) 主从式无线瓦斯传感器系统
Long et al. Design of substation temperature monitoring system based on wireless sensor networks
CN210324490U (zh) 一种低功耗无线烟雾报警装置

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: 20200918