CN112657109A - 基于云计算的机器学习灭火系统、方法以及消防设备 - Google Patents

Abstract

本发明实施例提供一种基于云计算的机器学习灭火系统、方法以及消防设备，属于人工智能技术领域。所述系统包括：本地设备，用于获取火灾现场信息并发送至云计算平台；云计算平台，用于存储火情识别模型，所述火情识别模型根据所述火灾现场信息确定灭火方案；所述本地设备还用于根据所述灭火方案执行灭火操作。所述系统基于云计算平台强大的计算能力以及火情识别模型的高准确率和更快的反应速度，可快速制定出科学合理的灭火方案，提高灭火效率及操作安全性。

Description

基于云计算的机器学习灭火系统、方法以及消防设备

技术领域

本发明涉及人工智能技术领域，具体地涉及一种基于云计算的机器学习灭火系统、方法以及消防设备。

背景技术

在消防车的灭火现场，常常伴有较大的烟雾、大小不同的着火点和较为复杂的火场情况，消防人员在灭火救援的时候，很难看到具体的着火物体和发现所有危险的着火点，并且各着火点选用的灭火剂种类及喷射方式需要人工判断，这将极大地影响灭火效率。

现有技术的一种解决方案为消防人员根据经验或者根据随身戴的热成像仪器，人工判断灭火方案后手动控制消防炮和臂架进行灭火。但该方案具有这样的缺陷：灭火方案只能通过消防人员经验和火灾现场实物情报确定，而且在紧张的灭火现场，人工判断会影响灭火效率。

现有技术的另一种解决方案为通过固定的算法识别火焰基部或着火物位置轮廓，再通过集中精确喷射泡沫以覆盖着火物。但该方案采用的固定算法在面对复杂多变的现场情况时识别率低或识别不准确，且算法无法及时更新，消防设备处理器的运行速度会影响消防设备的响应速率。

针对上述问题，还未提出有效的解决方案。

发明内容

本发明实施例的目的是提供一种基于云计算的机器学习灭火系统，该系统将本地设备采集的火灾现场信息发送至云计算平台上，云计算平台上经过训练和深度学习的火情识别模型会对火情快速做出判断并确定灭火方案，再由本地设备根据该灭火方案进行灭火操作。基于云计算平台强大的计算能力以及火情识别模型的高准确率和更快的反应速度，可快速制定出科学合理的灭火方案，提高灭火效率及操作安全性。

为了实现上述目的，本发明实施例提供一种基于云计算的机器学习灭火系统，包括：本地设备，用于获取火灾现场信息并发送至云计算平台；云计算平台，用于存储火情识别模型，所述火情识别模型根据所述火灾现场信息确定灭火方案；所述本地设备还用于根据所述灭火方案执行灭火操作。

可选的，所述火情识别模型根据所述火灾现场信息确定灭火方案，包括：所述火情识别模型根据所述火灾现场信息，确定待识别标签；所述火情识别模型根据所述待识别标签确定所述灭火方案；其中所述火情识别模型的待识别标签包括：火焰温度、火焰颜色、火焰发展趋向位置、生命体、危险物品、高温热源。

可选的，在所述火情识别模型无法识别所述待识别标签或无法确定所述灭火方案的情况下，所述火情识别模型输出告警提示、请求人工干预提示及灭火备选方案。

可选的，所述本地设备，还包括：显示告警模块，用于显示所述灭火方案及所述待识别标签中的对象，或者，发出所述告警提示，并显示所述请求人工干预提示和所述灭火备选方案。

可选的，所述云计算平台，还用于训练所述火情识别模型，训练所述火情识别模型的训练样本包括标记过所述待识别标签的火灾现场信息；以及所述火情识别模型在输出所述请求人工干预提示后，接收人工干预灭火指令作为识别失败的火灾现场信息所对应的灭火方案，将该识别失败的火灾现场信息及其对应的灭火方案添加到所述训练样本中。

可选的，还包括通信模块，用于所述本地设备与所述云计算平台的通信，所述通信模块优选为5G通信模块。

可选的，所述本地设备包括：现场采集模块，用于采集所述火灾现场信息；以及灭火模块，用于根据所述灭火方案执行灭火操作；其中，所述现场采集模块，包括热成像仪和高清相机，所述热成像仪，用于采集火灾现场的热成像图像和视频，所述高清相机，用于采集火灾现场的图像和视频；所述灭火模块包括控制器及灭火执行装备，所述灭火执行装备包括各类可灭火消防车、消防机器人，消防无人机及其上面安装的消防炮；所述控制器根据所述灭火方案生成控制指令控制所述灭火执行装备进行灭火操作，所述控制指令对应的被控对象包括：所述灭火执行装备在火场中的位置、选用的灭火剂种类、灭火剂喷射角度、灭火剂喷射距离。

另一方面，本发明提供一种消防设备，包括上述任意一项所述的基于云计算的机器学习灭火系统。

另一方面，本发明提供一种基于云计算的机器学习灭火方法，包括：获取火灾现场信息；将所述火灾现场信息输入存储于云计算平台的火情识别模型，所述火情识别模型根据所述火灾现场信息确定灭火方案；根据所述灭火方案执行灭火操作。

可选的，所述火情识别模型根据所述火灾现场信息确定灭火方案，包括：所述火情识别模型根据所述火灾现场信息，确定待识别标签；所述火情识别模型根据所述待识别标签确定所述灭火方案；其中所述火情识别模型的待识别标签包括：火焰温度、火焰颜色、火焰发展趋向位置、生命体、危险物品、高温热源。

可选的，在所述火情识别模型无法识别所述待识别标签或无法确定所述灭火方案的情况下，所述火情识别模型输出告警提示、请求人工干预提示及灭火备选方案。

可选的，还包括：训练所述火情识别模型，训练所述火情识别模型的训练样本包括标记过所述待识别标签的火灾现场信息；以及所述火情识别模型在输出所述请求人工干预提示后，接收人工干预灭火指令作为识别失败的火灾现场信息所对应的灭火方案，，将该识别失败的火灾现场信息及其对应的灭火方案添加到所述训练样本中。

通过上述技术方案，将本地设备采集的火灾现场信息发送至云计算平台上，云计算平台上经过训练和深度学习的火情识别模型会对火情快速做出判断并确定灭火方案，再由本地设备根据该灭火方案进行灭火操作。基于云计算平台强大的计算能力以及火情识别模型的高准确率和更快的反应速度，可快速制定出科学合理的灭火方案，提高灭火效率及操作安全性。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本申请一实施例提供的基于云计算的机器学习灭火系统结构框图；

图2是本申请一实施例提供的基于云计算的机器学习灭火方法流程图；

图3是本申请另一实施例提供的基于云计算的机器学习灭火方法流程图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

在混乱的火灾现场，消防人员想要进行高效地灭火，需要对火情做出快速而准确的判断，并及时地选用合适的方案(如灭火剂种类的选择，使用灭火剂对着火点降温位置的选择)，但是大量烟雾会遮挡消防人员的视线，影响消防人员获取火灾现场状况，以及影响消防人员将灭火剂对准喷射在着火点上。

为解决这一问题，本申请提供一种基于云计算的机器学习灭火系统，如图1所示，该系统包括本地设备及云计算平台；其中，本地设备用于获取火灾现场信息并发送至云计算平台；云计算平台用于存储火情识别模型，所述火情识别模型根据所述火灾现场信息确定灭火方案；以及所述本地设备还用于根据所述灭火方案执行灭火操作。

所述本地设备为消防设备，可以是消防车。所述本地设备包括：现场采集模块，用于采集所述火灾现场信息；以及灭火模块，用于根据所述灭火方案执行灭火操作。其中，所述现场采集模块，包括热成像仪和高清相机，热成像仪用于采集火灾现场的热成像图像和视频，高清相机用于采集火灾现场的图像和视频。所述灭火模块包括控制器及灭火执行装备，所述灭火执行装备包括各类可灭火消防车、消防机器人，消防无人机及其上面安装的消防炮，控制器根据火情识别模型输出的灭火方案生成控制指令控制灭火执行装备进行灭火操作，所述控制指令对应的被控对象包括：所述灭火执行装备在火场中的位置、选用的灭火剂种类、灭火剂喷射角度、灭火剂喷射距离。

本地设备与云计算平台之间的通信优选采用5G通信模块实现。5G通信技术可高速低延迟地传送包括高清图像和视频在内的大量火灾现场信息至云计算平台的火情识别模型，并将火情识别模型的识别结果快速传输至本地设备以指导灭火操作。得益于5G通信技术的低延迟大带宽的特点，实现对火情做出快速响应以及双向通信。

云计算平台具有强大的计算能力，通过将火情识别模型设置在云计算平台上，火情识别模型可不断地深度学习及实时升级，相比于传统的固定算法，模型识别具有更高的准确率、更快的计算速度及反应速度。

所述火情识别模型根据所述火灾现场信息确定灭火方案，优选包括步骤(1)-(2)：

(1)所述火情识别模型根据所述火灾现场信息，确定待识别标签；

(2)所述火情识别模型根据所述待识别标签确定所述灭火方案。

步骤(1)中所述待识别标签为对高清图像和视频进行识别处理后确定的目标对象的标签，是模型识别过程中的中间节点，所述待识别标签包括：火焰温度、火焰颜色、火焰发展趋向位置、生命体、危险物品、高温热源。

不同燃烧物在燃烧过程中，燃烧火焰的温度和颜色会有不同的特征，例如一团火焰从内到外可分为焰心、内焰和外焰三层，不同层的温度有较大区别，该特征可用于识别火焰位置；不同的燃烧物其燃烧温度和火焰颜色也会不同，该特征可用于识别燃烧物种类。火焰的温度和颜色特征均可被热成像仪和高清相机采集到。火焰发展趋向位置，用于确定哪些是主要的危险着火点，从而进行重点灭火。基于热成像仪和高清相机采集的信息，利用颜色识别、人脸识别和人形识别等人体监测技术，在火情中识别生命体，并对其采取优先保护策略。对火场的消防工作人员和其周边环境进行实时监测，发现高温热源或危险物品时进行提醒(危险物品一般会有注意危险警示标签或提醒文字)，可实现对煤气罐等易燃易爆物品进行重点防护。火情识别模型随后可根据待识别标签所包含的信息确定灭火方案。

优选的，若火情识别模型无法识别出待识别标签或无法确定灭火方案，则火情识别模型输出告警提示、请求人工干预提示及灭火备选方案，告警提示内容为灭火方案输出失败，请求人工干预提示用于提示消防人员改为由人工来判断灭火方案，灭火备选方案用于提供给消防人员进行灭火参考。

本地设备还包括显示告警模块，用于向消防人员提供模型识别结果的图形界面和警报提醒。在火情识别模型识别成功的情况下，显示告警模块显示灭火方案及待识别标签中的部分目标对象(例如煤气罐)，以指导消防人员灭火并进行安全预警防护；在火情识别模型无法识别出待识别标签或无法确定灭火方案的情况下，显示告警模块发出所述告警提示，并显示所述请求人工干预提示和所述灭火备选方案。通过采用模型识别和人工判断的双重策略，提高了灭火操作的稳定性和安全性。

所述云计算平台，还用于训练所述火情识别模型，训练火情识别模型的训练样本来自火情案例素材，样本特征为从中提取出的火灾现场信息，样本标签为对应该火灾现场信息的灭火方案。在火情识别模型识别失败的情况下，当火情识别模型输出所述请求人工干预提示后，还接收消防人员给出的人工干预灭火指令，将该人工干预灭火指令作为识别失败的火灾现场信息所对应的灭火方案，连同识别失败的火灾现场信息一起，添加到训练样本中，使模型对此次失败进行学习。在模型识别过程中，待识别标签作为中间节点，因此在模型训练时，训练样本还包括标记过待识别标签的火灾现场信息，例如标记出危险物品的高清图像和视频，以供模型进行定向训练。经过训练的火情识别模型具备更高的识别率及灭火方案决策能力。

另一方面，本申请还提供一种消防设备，其包括上述任一实施例所示的基于云计算的机器学习灭火系统。

另一方面，本申请还提供一种对应于上述基于云计算的机器学习灭火系统的基于云计算的机器学习灭火方法，如图2所示，包括S102-S104：

S102，获取火灾现场信息；

S104，将所述火灾现场信息输入存储于云计算平台的火情识别模型，所述火情识别模型根据所述火灾现场信息确定灭火方案。

优选的，所述火情识别模型的识别过程包括S1042-S1044：

S1042，根据所述火灾现场信息，确定待识别标签；

S1044，根据所述待识别标签确定所述灭火方案。

其中所述火情识别模型的待识别标签包括：火焰温度、火焰颜色、火焰发展趋向位置、生命体、危险物品、高温热源。

S106，根据所述灭火方案执行灭火操作。

确定灭火方案后，即可根据灭火方案确定控制灭火执行装备的控制指令，该控制指令对应的被控对象包括灭火执行装备在火场中的位置、选用的灭火剂种类、灭火剂喷射角度、灭火剂喷射距离

可以理解的是，模型并不能百分之百识别成功，若出现所述火情识别模型无法识别所述待识别标签或无法确定所述灭火方案的情况，为了降低对火灾救援的不利影响，改为由人工判断灭火方案，以至于不妨碍火灾救援的进行，于是规定所述火情识别模型输出告警提示、请求人工干预提示及灭火备选方案，该灭火备选方案与模型识别成功所输出的灭火方案不同，仅用于提供给消防人员进行灭火参考。

火情识别模型除了进行火情识别，还进行模型训练，训练样本来自火情案例素材，样本特征为从中提取出的火灾现场信息，样本标签为对应该火灾现场信息的灭火方案。

在火情识别模型识别失败的情况下，当火情识别模型输出所述请求人工干预提示后，还接收消防人员给出的人工干预灭火指令，将该人工干预灭火指令作为识别失败的火灾现场信息所对应的灭火方案，连同识别失败的火灾现场信息一起，添加到训练样本中，使模型对此次失败进行学习。待识别标签作为模型识别过程中的中间节点，也需要进行定向训练，故训练样本还包括标记过待识别标签的火灾现场信息，例如标记出危险物品的高清图像和视频。

图3为本申请另一实施例提供的基于云计算的机器学习灭火方法，包括S202-S206：

S202，获取火灾现场信息。

S204，存储于云计算平台的火情识别模型根据所述火灾现场信息确定灭火方案。

S206，判断模型识别是否成功。

在识别成功的情况下，执行S208；在识别失败的情况下，执行S212。

S208，火情识别模型输出灭火方案。

S210，灭火模块根据所述灭火方案执行灭火操作。

S212，火情识别模型输出告警提示、请求人工干预提示及灭火备选方案。

S214，接收人工干预灭火指令并执行灭火操作。

本方法通过采用模型识别和人工判断的双重策略，提高了灭火操作的稳定性和安全性。

所述基于云计算的机器学习灭火方法对应于前述基于云计算的机器学习灭火系统，方法的其他优选实施例可参照前述系统的实施例，在此不做赘述。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种基于云计算的机器学习灭火系统，其特征在于，包括：

本地设备，用于获取火灾现场信息并发送至云计算平台；

云计算平台，用于存储火情识别模型，所述火情识别模型根据所述火灾现场信息确定灭火方案；

所述本地设备还用于根据所述灭火方案执行灭火操作。

2.根据权利要求1所述的基于云计算的机器学习灭火系统，其特征在于，所述火情识别模型根据所述火灾现场信息确定灭火方案，包括：

所述火情识别模型根据所述火灾现场信息，确定待识别标签；

所述火情识别模型根据所述待识别标签确定所述灭火方案；

其中所述火情识别模型的待识别标签包括：火焰温度、火焰颜色、火焰发展趋向位置、生命体、危险物品、高温热源。

3.根据权利要求2所述的基于云计算的机器学习灭火系统，其特征在于，

在所述火情识别模型无法识别所述待识别标签或无法确定所述灭火方案的情况下，所述火情识别模型输出告警提示、请求人工干预提示及灭火备选方案。

4.根据权利要求3所述的基于云计算的机器学习灭火系统，其特征在于，所述本地设备，还包括：

显示告警模块，用于显示所述灭火方案及所述待识别标签中的对象，

或者，发出所述告警提示，并显示所述请求人工干预提示和所述灭火备选方案。

5.根据权利要求3所述的基于云计算的机器学习灭火系统，其特征在于，所述云计算平台，还用于训练所述火情识别模型，训练所述火情识别模型的训练样本包括标记过所述待识别标签的火灾现场信息；以及

所述火情识别模型在输出所述请求人工干预提示后，接收人工干预灭火指令作为识别失败的火灾现场信息所对应的灭火方案，将该识别失败的火灾现场信息及其对应的灭火方案添加到所述训练样本中。

6.根据权利要求1所述的基于云计算的机器学习灭火系统，其特征在于，还包括通信模块，用于所述本地设备与所述云计算平台的通信，所述通信模块优选为5G通信模块。

7.根据权利要求1所述的基于云计算的机器学习灭火系统，其特征在于，所述本地设备包括：

现场采集模块，用于采集所述火灾现场信息；以及

灭火模块，用于根据所述灭火方案执行灭火操作；

其中，所述现场采集模块，包括热成像仪和高清相机，

所述热成像仪，用于采集火灾现场的热成像图像和视频，

所述高清相机，用于采集火灾现场的图像和视频；

所述灭火模块包括控制器及灭火执行装备，

所述灭火执行装备包括各类可灭火消防车、消防机器人，消防无人机及其上面安装的消防炮；

所述控制器根据所述灭火方案生成控制指令控制所述灭火执行装备进行灭火操作，所述控制指令对应的被控对象包括：所述灭火执行装备在火场中的位置、选用的灭火剂种类、灭火剂喷射角度、灭火剂喷射距离。

8.一种消防设备，其特征在于，包括上述权利要求1-7任意一项所述的基于云计算的机器学习灭火系统。

9.一种基于云计算的机器学习灭火方法，其特征在于，包括：

获取火灾现场信息；

将所述火灾现场信息输入存储于云计算平台的火情识别模型，所述火情识别模型根据所述火灾现场信息确定灭火方案；

根据所述灭火方案执行灭火操作。

10.根据权利要求9所述的基于云计算的机器学习灭火方法，其特征在于，所述火情识别模型根据所述火灾现场信息确定灭火方案，包括：

所述火情识别模型根据所述火灾现场信息，确定待识别标签；

所述火情识别模型根据所述待识别标签确定所述灭火方案；

其中所述火情识别模型的待识别标签包括：火焰温度、火焰颜色、火焰发展趋向位置、生命体、危险物品、高温热源。

11.根据权利要求10所述的基于云计算的机器学习灭火方法，其特征在于，

在所述火情识别模型无法识别所述待识别标签或无法确定所述灭火方案的情况下，所述火情识别模型输出告警提示、请求人工干预提示及灭火备选方案。

12.根据权利要求11所述的基于云计算的机器学习灭火方法，其特征在于，还包括：训练所述火情识别模型，训练所述火情识别模型的训练样本包括标记过所述待识别标签的火灾现场信息；以及

所述火情识别模型在输出所述请求人工干预提示后，接收人工干预灭火指令作为识别失败的火灾现场信息所对应的灭火方案，将该识别失败的火灾现场信息及其对应的灭火方案添加到所述训练样本中。

Images