CN114519918A - 化工石化医药行业极早期热成像火灾报警系统 - Google Patents
化工石化医药行业极早期热成像火灾报警系统 Download PDFInfo
- Publication number
- CN114519918A CN114519918A CN202210197513.0A CN202210197513A CN114519918A CN 114519918 A CN114519918 A CN 114519918A CN 202210197513 A CN202210197513 A CN 202210197513A CN 114519918 A CN114519918 A CN 114519918A
- Authority
- CN
- China
- Prior art keywords
- fire
- information
- petrochemical
- chemical
- image acquisition
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
Abstract
本发明公开了化工石化医药行业极早期热成像火灾报警系统，包括图像采集端、嵌入式处理器、云服务器及移动终端；所述图像采集端采集周围环境的RGB图像和红外热图像数据并用网线和USB数据接口传送数据至嵌入式处理器；所述嵌入式处理器根据深度学习人工智能算法判断出图像信息中含有火焰并形成火情信息，之后传递火情信息至控制中心。本发明基于深度学习火灾目标检测算法设计，结合红外热成像技术，根据温度趋势预测之后的温度变化，解决了温感烟感等火灾报警器无法做到早期预警的问题，且在雨雪等恶劣环境下也能保持高准确率，比现有的视频火灾识别系统更加高效、省力、直观、安全，达到防火控灾与提质增效双重保障。
Description
技术领域
本发明属于热成像火灾报警消防技术领域，具体涉及化工石化医药行业极早期热成像火灾报警系统。
背景技术
石油化工是我国的支柱产业，也属于高风险行业，许多重要设备长期在高温、高压、腐蚀、有毒、易燃、易爆等恶劣环境下运行，潜伏着火灾、爆炸等危险隐患。存储建筑大多内部举架高、跨度大，其安装的空调和通风系统对火灾报警传感器的影响较大，一旦发生火灾火情将迅速蔓延，这往往造成巨大经济损失和恶劣的社会影响。
过往对于火灾预防，绝大部分采用温感烟感等火灾探测器，其原理是检测悬浮在大气中的燃烧产生的固体或液体微粒和火灾引起的温度上升。其缺点十分明显，根据《火灾自动报警系统设计规范》(GB50116)规定温感烟感安装高度不宜超过12米，因此无法用于大空间室内外场景；感温火灾探测器的安装间距不应超过10m，点型感烟火灾探测器的安装间距不应超过15m，因此一定空间内需要安装多个温感烟感火灾探测器，导致硬件成本较高。
市面上亦有部分视频火灾识别系统，其通过摄像头采集火灾现场图片，采用传统的图像处理技术提取火焰的颜色特征和动态特征进行验证。这种方法检测速度快但准确率不高，且容易受到雾雨雪等恶劣天气的影响，漏报误报现象时常发生。
然而现有技术存在如下问题：1、针对烟温感火灾探测器检测范围有限的问题，寻找适用化工石化医药行业大空间室内外场景的火灾探测办法；2、结合嵌入式技术，舍弃将算法部署高成本GPU服务器上的方法，有效减少实体成本，提高经济效益；3、减少市面上视频火灾识别系统的漏报误报现象，在保证检测速度的前提下，保证高准确；4、结合红外热成像技术，弥补无光的夜晚，或是雨雪等复杂天气，普通摄像头采集效果差的缺点。
为此我们提出化工石化医药行业极早期热成像火灾报警系统来解决现有技术中存在的问题。
发明内容
本发明的目的在于提供化工石化医药行业极早期热成像火灾报警系统，以解决上述背景技术中提出现有技术中的问题。
为实现上述目的，本发明采用了如下技术方案：
化工石化医药行业极早期热成像火灾报警系统，包括图像采集端、嵌入式处理器、云服务器及移动终端；
所述图像采集端采集周围环境的RGB图像和红外热图像数据并用网线和USB数据接口传送数据至嵌入式处理器；
所述嵌入式处理器根据深度学习人工智能算法判断出图像信息中是否出现火焰并形成火情信息，之后传递火情信息至控制中心；
所述控制中心根据接收的火情信息进行火灾报警，并传递火情信息至云服务器；所述云服务器用于传递火情信息至移动终端；所述移动终端用于用户查询火灾现场的相关信息；
所述云服务器还包括多因子火焰识别方法，步骤如下：
步骤S1、首先基于网络火灾图片及燃烧实验图片建立火灾样本库；
步骤S2、通过RGB图像采集端分别获取多处现场视频帧，提取每一处现场视频帧中的运动目标，获得一个或多个准火灾区域，根据所述火灾样本库对一个或多个准火灾区域分别进行火灾确认，判断一个或多个准火灾区域是否存在火灾信息；
步骤S3、由热图像采集端采集到的数据除了场景内的温度最大、最小值外，还有被深度学习算法判定为火焰区域内温度的平均值，将目标温度数据与报警阈值比对，同时根据温度变化趋势推断变化是否异常，判断是报警动作。
所述图像采集端包括RGB图像采集端和热图像采集端，所述RGB图像采集端由USB摄像头或IP摄像头组成，所述热图像采集端由红外热成像仪组成，所述USB摄像头和IP摄像头均采用高清网络摄像头。
所述嵌入式处理器采用arm架构的jetson nano GPU运算平台，所述嵌入式处理器支持多个神经网络并行且运行实现的内容包括图像分类、人脸识别、语音处理、目标检测及物体识别追踪。
所述云服务器采用阿里云服务器，负责接收嵌入式平台发送的火灾报警信息和火灾现场图片并向移动终端推送该报警信息，手机终端接收到报警推送信息后会以振铃形式提醒用户，使用户无论在何处都能及时接收到报警信息，尽快排除火灾险情，并在化工石化医药行业惯常的大面积原料或成品堆放区域中准确找到温度异常存在火灾隐患的位置，省时省力高效，做到险情的及早预防和及早处理，有效防止重大灾害事故的发生。
所述移动终端包括网页移动终端和APP移动终端。
用户查询火灾现场的相关信息包括火灾现场图片与火灾发生时间。
本发明的技术效果和优点：本发明提出的化工石化医药行业极早期热成像火灾报警系统，与现有技术相比，具有以下优点：
1、本发明基于深度学习火灾目标检测算法设计，相较于市面上基于传统图像处理技术和浅层神经网络的图像识别系统更加准确，误报率更低，火灾探测速度可达到10秒以内。
2、结合红外热成像技术，根据温度趋势预测之后的温度变化，解决了温感烟感等火灾报警器无法做到早期预警的问题，且在雨雪等恶劣环境下也能保持高准确率，比现有的视频火灾识别系统更加高效、省力、直观、安全，达到防火控灾与提质增效双重保障。
3、采用嵌入式技术，从多路摄像头对应一台高成本GPU服务器的方案优化为一路摄像头对应一个低成本轻量级嵌入式盒子的方式，大幅度降低系统硬件成本，并且能达到实时处理的效果。
4、应用物联网技术，做到信息实时上传下达，其智能化管理不仅可以减少安保工作人员的劳动强度，还能及时发现异常，以便及时处理，极大限度地减少火灾对生命以及财产造成的损失。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
图1为本发明实施例中的产品样板示意图；
图2为本发明实施例中热成像火灾报警系统的系统处理流程图；
图3为本发明实施例中热成像火灾报警系统的系统界面示意图；
图4为本发明实施例中热成像火灾报警系统的系统框图；
图5为本发明实施例中多因子火焰识别方法的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了如图1-5所示的实施例：
化工石化医药行业极早期热成像火灾报警系统，该系统包括图像采集端、嵌入式处理器、云服务器及移动终端四个部分。图像采集端采集周围环境的RGB图像和红外热图像数据并用网线和USB数据接口传送数据至嵌入式处理器；嵌入式处理器根据深度学习人工智能算法判断出图像信息中含有火焰并形成火情信息，之后传递火情信息至控制中心；控制中心根据接收的火情信息进行火灾报警，并传递火情信息至云服务器；云服务器传递火情信息至移动终端；用户通过网页和APP查询火灾现场图片、火灾发生时间等信息，如图4所示包括：
1、图像采集端；
图像采集端分为两部分，分别是由USB摄像头或IP摄像头组成的RGB图像采集端和红外热成像仪组成的热图像采集端，IP摄像头采用1920*1080网络摄像头。
红外热成像仪采用Mi320微型红外热成像机芯，采用8～14um远红外波段，测温范围达到-10～330℃，能够检测到绝大多数化工原料的燃点，如：100％酒精(75℃)、原油(2-154℃)、硅油(320℃)等。红外热成像仪具体参数表如下：
2、嵌入式平台；
嵌入式平台采用英伟达公司研制的jetson nano GPU运算平台，使用arm架构能够运行如TensorFlow、Keras、PyTorch、Caffe等多种算法和AI框架，支持多个神经网络并行运行实现图像分类、人脸识别、语音处理、目标检测及物体识别追踪等，适用于开发小结构、低成本、低能耗的设备。对于化工石化医药行业大空间室内外场景，相比于每隔10米到15米安装一个温感或烟感火灾探测器并需要定期检查清洗检修的方案，大大减小设备部署数量，有效减少硬件和人力成本，Jetson Nano参数表如下：
| CPU | 四核ARM A57@1.43GHz |
| 内存 | 4GB、DDR4 1600MHz |
| 存储 | 128GB |
| GPU | 128core Maxwell |
| 算力 | 472GFlops |
| 网卡 | 1*千兆以太网，支持M.2key E无线扩展、4G LTE Cat-4 |
| IO接口 | USB3.0 X 4、MicroUSB X 2、HDMI X 1、DP X 1 |
| 支持扩展接口 | GPIO、I2C、I2S、SPI、UART |
| 视频编码 | 支持1X 4K30、4X 1080P30、9X 720p30 |
| 视频编码格式 | H264、H265 |
3、适用于嵌入式平台的多因子火焰识别方法；
首先基于网络火灾图片及燃烧实验图片建立火灾样本库，一方面通过RGB图像采集端分别获取多处现场视频帧，提取每一处现场视频帧中的运动目标，获得一个或多个准火灾区域，根据所述火灾样本库对一个或多个准火灾区域分别进行火灾确认，判断一个或多个准火灾区域是否存在火灾信息。
另一方面，由热图像采集端采集到的数据除了场景内的温度最大、最小值外，还有被深度学习算法判定为火焰区域内温度的平均值。将目标温度数据与报警阈值比对，同时根据温度变化趋势推断变化是否异常，判断是否执行报警动作。
4、云服务器；
云服务器采用阿里云服务器，负责接收嵌入式平台发送的火灾报警信息和火灾现场图片并向移动终端推送该报警信息，手机终端接收到报警推送信息后会以振铃形式提醒用户，使用户无论在何处都能及时接收到报警信息，尽快排除火灾险情，并在化工石化医药行业惯常的大面积原料或成品堆放区域中准确找到温度异常存在火灾隐患的位置，省时省力高效，做到险情的及早预防和及早处理，有效防止重大灾害事故的发生。
本发明中，(1)图像采集模块采用普通摄像头与红外热成像仪相结合的双目摄像头。在测温范围上不同于目前市面上普遍用于人体测温的双目摄像头，该系统针对的是化工石化医药行业采用-10～330℃的温度范围，以便涵盖绝大多数化工原料的燃点。其次，在测温目标上区别于温度传感器检测储蓄罐内液体的温度，该系统检测的是罐体温度。由于金属罐体导热性强，变化幅度比内部液体更大，且在时间上罐体变化要比内部液体要更早。因此检测目标选择罐体要比内部液体检测准确率更高、速度更快；(2)新型后期数据处理方法。通过红外热像仪全天不间断采集场景内的温度数据，筛选出最大值、最小值，以及火焰，如果超出阈值则会报警。同时，结合目标检测算法，提高系统对于圆柱形罐体目标的注意力，提取区域内温度的平均值，并根据温度变化趋势推断变化是否异常，判断是否执行报警动作。
具体的运作过程中，对于大空间室外石油化工工业油罐存储区域的复杂场景，需要设置多个摄像头以便覆盖到所以需要检测的区域。IP摄像头通过网线连接嵌入式平台，红外热成像仪通过usb接口连接嵌入式平台。同时，嵌入式平台又通过网线与云服务器相连。
当系统处于正常工作状态时，会实时检测由图像采集端采集到的现场RGB图像数据与热图像数据，当温度过高或变化异常时上传异常警告信息至云服务器；当现场出现火情时，上传报警信息至云服务器。之后云服务器会将报警信息推送至移动终端，用户可以在网页端和手机端实时查看。
综上所述，本发明基于深度学习火灾目标检测算法设计，相较于市面上基于传统图像处理技术和浅层神经网络的图像识别系统更加准确，误报率更低，火灾探测速度可达到10秒以内；结合红外热成像技术，根据温度趋势预测之后的温度变化，解决了温感烟感等火灾报警器无法做到早期预警的问题，且在雨雪等恶劣环境下也能保持高准确率，比现有的视频火灾识别系统更加高效、省力、直观、安全，达到防火控灾与提质增效双重保障。
采用嵌入式技术，从多路摄像头对应一台高成本GPU服务器的方案优化为一路摄像头对应一个低成本轻量级嵌入式盒子的方式，大幅度降低系统硬件成本，并且能达到实时处理的效果；应用物联网技术，做到信息实时上传下达，其智能化管理不仅可以减少安保工作人员的劳动强度，还能及时发现异常，以便及时处理，极大限度地减少火灾对生命以及财产造成的损失。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.化工石化医药行业极早期热成像火灾报警系统，包括：图像采集端、嵌入式处理器、云服务器及移动终端；其特征在于：
所述图像采集端采集周围环境的RGB图像和红外热图像数据并用网线和USB数据接口传送数据至嵌入式处理器；
所述嵌入式处理器根据深度学习人工智能算法判断出图像信息中是否出现火焰并形成火情信息，之后传递火情信息至控制中心；
所述控制中心根据接收的火情信息进行火灾报警，并传递火情信息至云服务器；所述云服务器用于传递火情信息至移动终端；所述移动终端用于用户查询火灾现场的相关信息；
所述云服务器还包括多因子火焰识别方法，步骤如下：
步骤S1、首先基于网络火灾图片及燃烧实验图片建立火灾样本库；
步骤S2、通过RGB图像采集端分别获取多处现场视频帧，提取每一处现场视频帧中的运动目标，获得一个或多个准火灾区域，根据所述火灾样本库对一个或多个准火灾区域分别进行火灾确认，判断一个或多个准火灾区域是否存在火灾信息；
步骤S3、由热图像采集端采集到的数据除了场景内的温度最大、最小值外，还有被深度学习算法判定为火焰区域内温度的平均值，将目标温度数据与报警阈值比对，同时根据温度变化趋势推断变化是否异常，判断是否执行报警动作。
2.根据权利要求1所述的化工石化医药行业极早期热成像火灾报警系统，其特征在于：所述图像采集端包括RGB图像采集端和热图像采集端，所述RGB图像采集端由USB摄像头或IP摄像头组成，所述热图像采集端由红外热成像仪组成，所述USB摄像头和IP摄像头均采用高清网络摄像头。
3.根据权利要求1所述的化工石化医药行业极早期热成像火灾报警系统，其特征在于：所述嵌入式处理器采用arm架构的jetson nano GPU运算平台，能够支持多个神经网络并行且运行实现的内容包括图像分类、人脸识别、语音处理、目标检测及物体识别追踪。
4.根据权利要求1所述的化工石化医药行业极早期热成像火灾报警系统，其特征在于：所述云服务器采用阿里云服务器，负责接收嵌入式平台发送的火灾报警信息和火灾现场图片并向移动终端推送该报警信息，手机终端接收到报警推送信息后会以振铃形式提醒用户，使用户无论在何处都能及时接收到报警信息，尽快排除火灾险情，并在化工石化医药行业惯常的大面积原料或成品堆放区域中准确找到温度异常存在火灾隐患的位置，省时省力高效，做到险情的及早预防和及早处理，有效防止重大灾害事故的发生。
5.根据权利要求1所述的化工石化医药行业极早期热成像火灾报警系统，其特征在于：所述移动终端包括网页移动终端和APP移动终端。
6.根据权利要求5所述的化工石化医药行业极早期热成像火灾报警系统，其特征在于：用户查询火灾现场的相关信息包括火灾现场图片与火灾发生时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210197513.0A CN114519918A (zh) | 2022-03-01 | 2022-03-01 | 化工石化医药行业极早期热成像火灾报警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210197513.0A CN114519918A (zh) | 2022-03-01 | 2022-03-01 | 化工石化医药行业极早期热成像火灾报警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114519918A true CN114519918A (zh) | 2022-05-20 |
Family
ID=81599181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210197513.0A Pending CN114519918A (zh) | 2022-03-01 | 2022-03-01 | 化工石化医药行业极早期热成像火灾报警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114519918A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE20022869U1 (de) * | 2000-09-08 | 2002-06-06 | Sirena Sicherheitssysteme Proj | Branderkennungsanlage zum Detektieren von sichtbaren und verdeckten Brandherden |
| CN102693603A (zh) * | 2012-06-26 | 2012-09-26 | 山东神戎电子股份有限公司 | 一种基于双光谱的森林防火智能监控系统 |
| CN110491066A (zh) * | 2019-08-21 | 2019-11-22 | 深圳云感物联网科技有限公司 | 基于红外热成像的森林防火监测预警系统 |
| CN110517441A (zh) * | 2019-09-26 | 2019-11-29 | 华南师范大学 | 基于深度学习框架嵌入式烟雾及火焰视频报警系统及方法 |
| CN112133052A (zh) * | 2020-09-22 | 2020-12-25 | 岭澳核电有限公司 | 核电厂图像火灾探测方法 |
-
2022
- 2022-03-01 CN CN202210197513.0A patent/CN114519918A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE20022869U1 (de) * | 2000-09-08 | 2002-06-06 | Sirena Sicherheitssysteme Proj | Branderkennungsanlage zum Detektieren von sichtbaren und verdeckten Brandherden |
| CN102693603A (zh) * | 2012-06-26 | 2012-09-26 | 山东神戎电子股份有限公司 | 一种基于双光谱的森林防火智能监控系统 |
| CN110491066A (zh) * | 2019-08-21 | 2019-11-22 | 深圳云感物联网科技有限公司 | 基于红外热成像的森林防火监测预警系统 |
| CN110517441A (zh) * | 2019-09-26 | 2019-11-29 | 华南师范大学 | 基于深度学习框架嵌入式烟雾及火焰视频报警系统及方法 |
| CN112133052A (zh) * | 2020-09-22 | 2020-12-25 | 岭澳核电有限公司 | 核电厂图像火灾探测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111462451B (zh) | 基于视频信息的秸秆焚烧检测报警系统 | |
| CN205140120U (zh) | 一种物联网图像火灾远程监控预警系统 | |
| CN103150856B (zh) | 火灾火焰视频监测预警系统 | |
| CN104966375A (zh) | 一种安防监控系统及监控方法 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN111488799B (zh) | 一种基于图像识别的坠落物识别方法及系统 | |
| PT1628260E (pt) | Processo e dispositivo para a detecção automática de fogos florestais | |
| CN106485868A (zh) | 火情的监测方法、系统和火情的监测服务器 | |
| CN109872491A (zh) | 火灾监控方法、装置、电子设备及系统 | |
| CN108932814A (zh) | 一种嵌入式图像型厨房火灾报警装置 | |
| CN111754714A (zh) | 一种安防监控系统及其监控方法 | |
| CN212782246U (zh) | 一种基于人工智能的烟火识别系统 | |
| CN111476964A (zh) | 一种远程森林防火监控系统与方法 | |
| CN107908160A (zh) | 一种化工厂实验室安全无线监控系统 | |
| CN114724330A (zh) | 一种自适应模式切换的多路视频火灾实时报警系统的实现方法 | |
| CN110222216B (zh) | 多功能智能防卫系统 | |
| CN102609685B (zh) | 一种图像型火灾探测器的遮挡判别方法 | |
| Luo | Research on fire detection based on YOLOv5 | |
| CN114519918A (zh) | 化工石化医药行业极早期热成像火灾报警系统 | |
| CN111726412A (zh) | 一种基于大数据的智能楼宇监控系统 | |
| CN110751014A (zh) | 一种火焰检测系统及方法 | |
| CN115190377A (zh) | 基于边缘计算的视频感知紧急处理调度系统 | |
| CN215219860U (zh) | 森林防火预警系统 | |
| CN115049988A (zh) | 一种用于配电网监测及预判的边缘计算方法及装置 | |
| Pande et al. | Classification and detection of fire on WSN using IMB400 multimedia sensor board |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230412 Address after: 510000 No. 55, Zhongshan Avenue, Guangzhou, Guangdong Applicant after: SOUTH CHINA NORMAL University Applicant after: Qingyuan Huayun Zhikong Technology Co.,Ltd. Applicant after: South China Normal University (Qingyuan) science and Technology Innovation Research Institute Co.,Ltd. Address before: 510631 No. 55, Zhongshan Avenue, Guangzhou, Guangdong Applicant before: SOUTH CHINA NORMAL University Applicant before: Qingyuan Huayun Zhikong Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right |