CN113713292A - 一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 - Google Patents
一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 Download PDFInfo
- Publication number
- CN113713292A CN113713292A CN202111147781.3A CN202111147781A CN113713292A CN 113713292 A CN113713292 A CN 113713292A CN 202111147781 A CN202111147781 A CN 202111147781A CN 113713292 A CN113713292 A CN 113713292A
- Authority
- CN
- China
- Prior art keywords
- temperature
- fire extinguishing
- flame
- model
- fire
- 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
Images
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
- A62C3/02—Fire prevention, containment or extinguishing specially adapted for particular objects or places for area conflagrations, e.g. forest fires, subterranean fires
- A62C3/0214—Fire prevention, containment or extinguishing specially adapted for particular objects or places for area conflagrations, e.g. forest fires, subterranean fires for buildings or installations in fire storms
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C99/00—Subject matter not provided for in other groups of this subclass
- A62C99/009—Methods or equipment not provided for in groups A62C99/0009 - A62C99/0081
-
- 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
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
Landscapes
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明是一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置。该装置包括由红外阵列测温传感器阵列组成的温度采集装置,集成图像处理单元的图像采集与分析装置,拥有报警与灭火功能的执行装置三部分,并分为三步执行,第一步由温度采集装置采集室内温度,并对该阵列分布的温度数据进行分析,初步定位异常温度位置,第二步调用摄像头采集图像,通过YOLOv5模型对当前场景进行分析并对火焰进行精确定位,第三步通过执行机构执行报警和灭火行为。其中使用YOLOv5模型不仅进行对火焰位置的精确检测,且能够提前预测当前室内场景的危险行为,有效降低火灾发生的几率并降低灭火的错误率。
Description
技术领域
本发明涉及消防设备技术领域,具体为一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置。
背景技术
随着住宅价值不断攀升,他人纵火、电池过充、吹风机、取暖器等导致的火灾频发,人们渴望一种实时、快速、自动响应的灭火器能实现损失最小化。特别是事发在现代高层建筑的火灾,由于高层住宅的烟囱效应,火势发展迅速,动用社会资源量大,存在灭火不及时的问题,但绝大多数是业主防火意识薄弱造成的。伴随着AI人工智能技术的发展与推广,通过对各传感器采集的数据进行运算处理,使灭火系统具备决策功能,因此,这种实时、快速、自动响应的集防火与灭火为一体的智能系统便成为了一种需求。
发明内容
针对现有技术的不足,本发明提供了一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置,解决了上述背景技术中提出的问题,实现了实时、快速、自动响应的集防火与灭火为一体的智能系统。
为实现以上目的,本发明通过以下技术方案予以实现:
该装置包括由红外阵列测温传感器阵列组成的温度采集装置,集成图像处理单元的图像采集与分析装置,拥有报警与灭火功能的执行装置三部分,并由单片机对三部分装置进行组织和控制,其中执行部分包括有水枪,WiFi模块等,而图像采集与分析装置中的摄像头与水枪绑定,可随水枪运动。其具体实现步骤如下:
(1)初步定位异常温度位置,通过温度采集装置采集温度分布阵列数据,其中温度传感装置由若干红外阵列测温传感器阵列组成,每个红外阵列测温传感器将采集实际面积为 W×L,分辨率为as×bs的温度阵列,当该区域出现异常温度时,若其在温度阵列中的像素位置为(is,js),则根据该传感器的红外光入射角αs,βs 与当前装置高度 H可以解算出该异常温度的实际位置,其计算公式为
因此由若干红外阵列测温传感器阵列组成温度传感装置可实现对异常温度位置初步定位;
(2)根据步骤1中的初步位置(xp,yp)控制云台使摄像头对准该位置,其中云台的两个旋转轴的角度 αp,βp 为
其中 L 为执行装置与温度采集装置的中心距离,调用摄像头采集异常温度位置的图像信息,使用YOLOv5模型进行火焰场景识别,并获取已产生的火焰的像素位置(i,j);
(3)该执行装置根据步骤2中的检测结果进行相应的行为,若未检测到火焰,通过WiFi模块对当前具有潜在起火风险的场景进行报警,若检测到火焰,则控制云台运动,直到火焰的像素位置(i,j)落在图像中心10×10的区域中,此时云台保持该位置,开启水枪进行点对点的灭火。
其中,步骤2所使用的YOLOv5模型的实现方法如下:
①采集室内火焰的图像并对火焰以及起火根源进行标注,构建YOLO格式的数据集,并将数据集按照8:2的比例分为训练集与测试集;
②选用YOLOv5s6模型采用Mosiac数据增强方法对输入层进行预处理,使用在COCOtrain2017上预训练的权重进行模型的训练,直到模型收敛停止训练;
③将训练得到模型进行剪枝,设置剪枝率为30%,将获取的结果使用原数据集再次进行训练直到收敛,重复该过程2次后得到最终的识别模型;
④其中,为保证该模型可以使用在各种室内环境并较少出错,当室内场景更换时,将通过摄像头采集空白背景图片与从原数据集中随机抽取的部分图片组成新的数据集,同时冻结网络中前85%层的权重,进行迁移学习,得到更为适合当前室内环境的检测模型。
本发明提供一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置,具备以下有益效果:
(1)根据由红外阵列测温传感器阵列组成的温度采集装置,采集得到温度分布阵列数据,运用几何数学知识,可解算得到异常温度的位置;
(2)使用YOLOv5模型对室内场景的进一步预测,降低误判率,并实现对火焰的精确快速的定位,以及及时发现潜在起火风险;
(3)执行装置根据检测结果进行相应的行为,对已产生的火焰可实现精确定位、及时灭火,对具有潜在起火风险的场景通过WiFi进行报警,实现了在起火前控制,起火后快速灭火。
附图说明
图1为本发明一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火装置主体部分的立体图;
图2为本发明一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火装置主体部分的俯视图。
标注说明:1、单片机;2、x自由度舵机;3、y自由度舵机;4、x自由度舵机固定件;5、y自由度舵机固定件;6、舵机连接件;7、摄像头;8、高压水枪;9、高压水枪固定件;10、红外阵列测温传感器;11、图像处理模块;12、WiFi模块。
具体实施方式
该装置包括由红外阵列测温传感器10阵列组成的温度采集装置,集成图像处理模块11的图像采集与分析装置,拥有报警与灭火功能的执行装置这三部分,由单片机1对三部分装置进行程序控制,其中,执行部分还包括有高压水枪8,WiFi模块12等,而图像采集与分析装置中的摄像头7与高压水枪8相绑定,可随高压水枪8运动。
该装置具体实现步骤为:温度采集装置采集温度分布阵列数据,由单片机1遍历该温度分布阵列数据并标记异常温度的位置(i,j),根据该位置由公式
计算获得异常温度的实际位置(xp,yp),根据实际位置可由公式
计算云台的两个旋转轴的角度αp,βp,单片机1控制云台的x自由度舵机2与y自由度舵机3分别旋转角度αp,βp,使高压水枪8对准异常温度的位置,同时唤醒图像处理模块11调用摄像头7采集异常温度位置的图像信息,并运行YOLOv5模型进行火焰场景识别,若未检测到火焰,通过WiFi模块12对当前具有潜在起火风险的场景进行报警,若检测到火焰,将火焰的像素位置 (i,j) 反馈给单片机1,单片机1根据该位置控制云台的x自由度舵机2与y自由度舵机3运动,直到火焰的像素位置落在图像中心10×10的区域中,此时云台保持该位置,开启高压水枪8进行点对点的灭火。
Claims (5)
1.本发明是一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置,其特征在于:该装置包括由红外阵列测温传感器阵列组成的温度采集装置,集成图像处理单元的图像采集与分析装置,拥有报警与灭火功能的执行装置三部分。
2.根据权利要求1所述的一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置,其特征在于该方法包括以下步骤:
(1)初步定位异常温度位置,通过温度采集装置采集温度,该温度数据呈阵列分布,利用算法扫描判断是否出现异常温度,得到其所在位置,并解算获得该异常温度的实际位置;
(2)图像采集与分析装置调用摄像头采集异常温度位置的图像,将图像输入YOLOv5模型进行火焰场景识别并对已产生的火焰进行快速精确的定位;
(3)执行装置根据步骤2中的分析结果采取相应的执行动作:对可能产生火灾的危险场景进行报警,若已出现火焰则启动水枪对火焰位置进行快速精准的灭火行为。
3.根据权利要求2所述的一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置,其特征在于所述步骤1的具体方法如下:温度采集装置由红外阵列测温传感器阵列组成,可实现一定范围的温度检测,其中每个传感器将覆盖W×L面积,获得a×b像素的温度阵列,通过温度采集装置采集温度阵列数据,将温度阵列数据中各像素位置映射到实际面积上获得位置解算函数:
4.根据权利要求2所述的一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置,其特征在于所述步骤2的具体方法如下:采集室内火焰的图像并对火焰以及火源源点进行标注,构建YOLO格式的数据集,并将数据集按照8:2的比例分为训练集与测试集,选用YOLOv5s6模型采用Mosiac数据增强方法对输入层进行预处理,使用在COCOtrain2017上预训练的权重进行模型的训练,直到模型收敛后停止训练,将训练得到的模型进行剪枝,设置剪枝率为30%,将获取的结果使用原数据集再次进行训练直到收敛,重复该过程2次后得到最终的识别模型,其中,为保证该模型可以适用各种室内环境并较少出错,当室内场景更换时,将通过摄像头采集空白背景图片与从原数据集中随机抽取的部分图片组成新的数据集,同时冻结网络中前85%层的权重,进行迁移训练,得到更为适合当前室内环境的检测模型,将摄像头采集的图像信息输入模型进行推理,判断当前场景是否出现火焰或出现存在起火危险的场景,并获取已出现的火焰的实际位置。
5.根据权利要求2所述的一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置,其特征在于所述步骤3的具体方法如下:该执行装置包括由舵机构成的二维云台、水枪、单片机以及WiFi模块,由单片机控制云台的运动,并通过WiFi模块进行网络通信,根据步骤2获得的检测结果,若未检测到火焰,通过WiFi对当前具有潜在起火风险的场景进行报警,若检测到火焰,将调用水枪进行点对点灭火。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111147781.3A CN113713292A (zh) | 2021-09-29 | 2021-09-29 | 一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111147781.3A CN113713292A (zh) | 2021-09-29 | 2021-09-29 | 一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113713292A true CN113713292A (zh) | 2021-11-30 |
Family
ID=78685353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111147781.3A Pending CN113713292A (zh) | 2021-09-29 | 2021-09-29 | 一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113713292A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114425133A (zh) * | 2022-02-09 | 2022-05-03 | 吕德生 | 一种室内火焰自主巡检及灭火方法 |
CN115512307A (zh) * | 2022-11-23 | 2022-12-23 | 中国民用航空飞行学院 | 广域空间红外多点实时火灾探测方法及系统、定位方法 |
US20230188671A1 (en) * | 2021-12-09 | 2023-06-15 | Anhui University | Fire source detection method and device under condition of small sample size and storage medium |
-
2021
- 2021-09-29 CN CN202111147781.3A patent/CN113713292A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230188671A1 (en) * | 2021-12-09 | 2023-06-15 | Anhui University | Fire source detection method and device under condition of small sample size and storage medium |
US11818493B2 (en) * | 2021-12-09 | 2023-11-14 | Anhui University | Fire source detection method and device under condition of small sample size and storage medium |
CN114425133A (zh) * | 2022-02-09 | 2022-05-03 | 吕德生 | 一种室内火焰自主巡检及灭火方法 |
CN114425133B (zh) * | 2022-02-09 | 2023-10-17 | 吕德生 | 一种室内火焰自主巡检及灭火方法 |
CN115512307A (zh) * | 2022-11-23 | 2022-12-23 | 中国民用航空飞行学院 | 广域空间红外多点实时火灾探测方法及系统、定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113713292A (zh) | 一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN110390265A (zh) | 一种无人机巡检的识别检测方法及系统 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
CN111686392A (zh) | 一种全视场火情探测人工智能灭火系统 | |
CN117037406B (zh) | 一种森林火灾智能化监控和预警系统 | |
CN111679695B (zh) | 一种基于深度学习技术的无人机巡航及追踪系统和方法 | |
EP2499827A1 (en) | Method for tracking an object through an environment across multiple cameras | |
CN113452912B (zh) | 巡视机器人的云台摄像机的控制方法、装置、设备及介质 | |
CN110012268A (zh) | 管网ai智能监控方法、系统、可读存储介质和设备 | |
CN111753780A (zh) | 变电站违章检测系统及违章检测方法 | |
CN116664359A (zh) | 一种基于多传感融合的智能火情预警决策系统及方法 | |
CN112434827A (zh) | 一种5t运维中安全防护识别单元 | |
CN109785574B (zh) | 一种基于深度学习的火灾检测方法 | |
CN115131937A (zh) | 一种基于传感器与深度学习的森林火情预警方法 | |
CN114677640A (zh) | 基于机器视觉的智慧工地安全监测系统及方法 | |
CN113554364A (zh) | 灾害应急管理方法、装置、设备及计算机存储介质 | |
CN113505709A (zh) | 一种用于实时监测人体危险行为的方法以及系统 | |
CN116206253A (zh) | 基于深度学习的工地动火行为检测判断方法及系统 | |
CN116523492A (zh) | 水电站监管方法及系统、电子设备和存储介质 | |
CN115841730A (zh) | 视频监控系统、异常事件检测方法 | |
CN115049988A (zh) | 一种用于配电网监测及预判的边缘计算方法及装置 | |
CN113673377A (zh) | 火电厂煤堆多目标自燃点识别和定位模型构建和工作方法 | |
NL2030149B1 (en) | A method and system for closed-loop automatic control for whole-process intelligent monitoring of fire activity operations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |