CN114550406A - 一种基于红外温度的仓库火情监控系统及方法 - Google Patents
一种基于红外温度的仓库火情监控系统及方法 Download PDFInfo
- Publication number
- CN114550406A CN114550406A CN202210203154.5A CN202210203154A CN114550406A CN 114550406 A CN114550406 A CN 114550406A CN 202210203154 A CN202210203154 A CN 202210203154A CN 114550406 A CN114550406 A CN 114550406A
- Authority
- CN
- China
- Prior art keywords
- fire
- submodule
- module
- warehouse
- infrared temperature
- 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 97
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000000779 smoke Substances 0.000 claims abstract description 86
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 40
- 238000007689 inspection Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 38
- 238000012360 testing method Methods 0.000 claims description 36
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 101100149325 Escherichia coli (strain K12) setC gene Proteins 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开了一种基于红外温度的仓库火情监控系统及方法,属于火情监控技术领域。本系统包括红外测温监控模块、数据处理模块、烟雾监控模块、火情判断模块、紧急救援模块;所述红外测温监控模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述烟雾监控模块的输入端相连接;所述烟雾监控模块的输出端与所述火情判断模块的输入端相连接;所述火情判断模块的输出端与所述紧急救援模块的输入端相连接。同时提供一种方法,能够适用于无人巡检仓库的火情监控,并且可以根据火灾初始时的烟雾状态判断火势大小,能够在多点同时出现火情时,构建路径,最大可能遏制火势,提高救援效果。
Description
技术领域
本发明涉及火情监控技术领域,具体为一种基于红外温度的仓库火情监控系统及方法。
背景技术
随着科学技术的发展,传统的接触式测温方式已不能满足现代一些领域的测温需求,对非接触、远距离测温技术的需求越来越大。普通温度测量技术经过相当长时间的发展已近于成熟。目前,随着经济的发展日益需要的是在特殊条件(如高温、强腐蚀、强电磁场条件下或较远距离)下的温度测量技术。红外测温传感器制造工艺简单,成木较低,测温时不接触被测物体,具有响应时间短、不干扰被测温场、使用寿命长、操作方便等一系列优点。
随着技术的发展,无人仓库逐渐应用,无人值守,存取过程全程自动化,安全可靠,操作界面简单明了,随时存取,方便快捷;然而随着无人仓库的应用,对于仓库的火情监控也随之而来,一般无人仓库都会配备一个巡检机器人进行火情的紧急应对,然而一旦多点位同时发生火情,巡检机器人难以输出相应路径运行,无法最大化的控制火势。
发明内容
本发明的目的在于提供一种基于红外温度的仓库火情监控系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于红外温度的仓库火情监控方法,该方法包括以下步骤:
S1、利用红外测温传感器对仓库实现覆盖式温度测监控,设置温度阈值,在检测到任一点A温度高于温度阈值时,发出火情预警,调用烟雾监控模块对A进行监控;
S2、获取火灾发生时烟雾状态的历史数据,构建烟雾状态与火情等级的时间关联模型;
S3、在多点同时发生火情预警时,利用步骤S2的时间关联模型,规划最佳救援路径;
S4、将最佳救援路径输出至仓库巡检机器人处,仓库巡检机器人根据指令进行灭火。
根据上述技术方案,对仓库进行三维建模,内部设置若干个红外测温传感器,满足对仓库所有点位的监控,同时,若干个红外测温传感器的输出端连接至烟雾监控模块,设置温度阈值,在检测到任一点位温度超出温度阈值时,发出指令启动烟雾监控模块。
根据上述技术方案,所述时间关联模型包括
所述烟雾状态包括烟雾上升速率、烟雾色彩程度、烟雾蔓延变化率等;
例如据实验测量,火灾初起时,烟气在水平方向扩散的速度为0.3m/s,燃烧猛烈时,烟气扩散的速度可达0.5~3.0m/s;烟气顺楼梯间或其它竖向孔道扩散的速度可达3.0~4.0m/s。
烟雾色彩程度也是能够判断火势大小的因素之一,例如浓黑烟为温度高的时期,最为危险;偏灰色烟雾,极有可能为闷烧,也有可能是高温带燃;白烟一般温度最低,火势不大。
构建火情等级为y,y∈(0,1),所述火情等级包括危险等级、安全等级,其中0代表安全等级,1代表危险等级;
构建影响因素集合为B={x0,x1,x2,…,xn},其中x0代表时间影响因素特征,x1,x2,…,xn代表烟雾状态影响因素特征;
x0=k0*(a*t0)
其中,k0代表时间影响系数,t0代表持续时间周期,a代表周期数量;例如设置持续时间周期为30秒,则监测时长为0-29s时,周期数量取1,在30-59s时,周期数量取2,以此类推。
设置LR分类器,构建初始权值w0,w1,w2,…,wn+1;
获取火灾发生时烟雾状态的历史数据,作为测试集构建输入层,将测试集输入,利用初始权值与测试数据按照线性加和得到:
u=w0+w1x0+w2x1+…+wn+1xn
其中,u为测试集中的任一测试样本;
根据sigmoid函数构建输出层:
其中,f(u)代表危险等级的预测值;
构建损失函数,以似然函数作为损失函数,建立公示如下:
其中,L(f(u),y)代表损失函数,i代表序号,m代表测试样本数量,p(ui)指f(u)=1时相对于任一测试样本ui发生的概率,yi指测试样本ui的危险等级的预测值;
根据最大似然估计求出初始权值w0,w1,w2,…,wn+1;
对于m个测试样本,若使代价最小,需要对初始权值进行梯度下降,构建代价函数:
其中,J(f(u),y)代表代价函数;
根据代价函数获取更新后的初始权值,记为w0(0),w1(0),w2(0),…,wn+1(0),代入后获得深度学习后的时间关联模型:
u(0)=w0(0)+w1(0)x0+w2(0)x1+…+wn+1(0)xn
其中,f(u(0))为最终预测值输出值;f(u(0))的值域为(0,1);
对于m个样本,我们要最小化的代价函数,也就是说,我们应该对每个样本都单独求一次梯度,随后取m个样本得到的梯度的平均值,就是最后需要的梯度。在求解过程中,我们可以先建立单个样本求解梯度的方式,然后使用循环完成,然后利用向量化的方法,去掉循环。利用Python中numpy的广播功能,实现最终求解。
根据采集到的仓库中任一发生火情预警点位的烟雾状态和时间数据,获取发生火情预警点位的最终预测值,若为0,判断为安全等级,若为1,判断为危险等级。
根据上述技术方案,所述最佳救援路径包括:
在同时检测到仓库内存在多点位火情预警时,输出巡检机器人的最佳救援路径;
设置救援人员到达仓库的时间为h0;
根据深度学习后的时间关联模型,获取当前火情预警点位中处于危险等级的点位与在h0时间后处于危险等级的点位,记为集合C={r0,r1,r2,…,re},其中r0,r1,r2,…,re分别代表火情预警点位;
构建巡检机器人救援函数:
利用matlab软件设置,满足h(t)<h0时,μ值最大的情况下,输出参与的火情点位,连接成为最佳救援路径输出至巡检机器人端口。
一种基于红外温度的仓库火情监控系统,该系统包括红外测温监控模块、数据处理模块、烟雾监控模块、火情判断模块、紧急救援模块;
所述红外测温监控模块用于设置若干个红外测温传感器,利用红外测温传感器对仓库实现覆盖式温度监控;所述数据处理模块用于设置温度阈值,在检测到任一点温度高于温度阈值时,发出火情预警,并发出指令信息;所述烟雾监控模块用于接收数据处理模块的指令信息,对火情预警点位的烟雾状态进行监控;所述火情判断模块用于构建时间关联模型,对火情等级进行判断;所述紧急救援模块用于指挥巡检机器人进行紧急灭火,规划最佳救援路径;
所述红外测温监控模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述烟雾监控模块的输入端相连接;所述烟雾监控模块的输出端与所述火情判断模块的输入端相连接;所述火情判断模块的输出端与所述紧急救援模块的输入端相连接。
根据上述技术方案,所述红外测温监控模块包括三维建模子模块、传感器点位覆盖子模块;
所述三维建模子模块用于对仓库三维建模,构建红外测温传感器安装点位;所述传感器点位覆盖子模块用于设置若干个红外测温传感器,利用红外测温传感器对仓库实现覆盖式温度监控;
所述三维建模子模块的输出端与所述传感器点位覆盖子模块的输入端相连接;所述传感器点位覆盖子模块的输出端与所述数据处理模块的输入端相连接。
根据上述技术方案,所述数据处理模块包括数据分析子模块、指令输出子模块;
所述数据分析子模块用于设置温度阈值,在检测到任一点温度高于温度阈值时,发出火情预警;所述指令输出子模块用于输出指令,控制烟雾监控模块启动;
所述数据分析子模块的输出端与所述指令输出子模块的输入端相连接;所述指令输出子模块的输出端与所述烟雾监控模块的输入端相连接。
根据上述技术方案,所述烟雾监控模块包括烟雾状态采集子模块、时间记录子模块;
所述烟雾状态采集子模块用于采集火情预警点位的烟雾状态;所述时间记录子模块用于记录时间;
所述烟雾状态采集子模块的输出端与所述时间记录子模块的输入端相连接;所述时间记录子模块的输出端与所述火情判断模块的输入端相连接。
根据上述技术方案,所述火情判断模块包括模型构建子模块、火情判断子模块;
所述模型构建子模块用于构建时间关联模型;所述火情判断子模块用于对火情等级进行判断;
所述模型构建子模块的输出端与所述火情判断子模块的输入端相连接;所述火情判断子模块的输出端与所述紧急救援模块的输入端相连接。
根据上述技术方案,所述紧急救援模块包括路径规划子模块、灭火子模块;
所述路径规划子模块用于获取火情属于危险等级的点位,规划最佳救援路径;所述灭火子模块用于指挥巡检机器人灭火;
所述路径规划子模块的输出端与所述灭火子模块的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:
在本发明中,利用红外测温监控模块设置若干个红外测温传感器,对仓库实现覆盖式温度监控;利用数据处理模块设置温度阈值,在检测到任一点温度高于温度阈值时,发出火情预警,并发出指令信息;利用烟雾监控模块接收数据处理模块的指令信息,对火情预警点位的烟雾状态进行监控;利用火情判断模块构建时间关联模型,对火情等级进行判断;利用紧急救援模块用于指挥巡检机器人进行紧急灭火,规划最佳救援路径;本申请能够适用于无人巡检仓库的火情监控,并且可以根据火灾初始时的烟雾状态判断火势大小,并且利用深度学习提高精度,能够有效解决由于仓库自身环境问题导致的监控盲区,同时能够在多点同时出现火情时,构建路径,最大可能遏制火势,提高救援效果。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于红外温度的仓库火情监控系统及方法的流程示意图;
图2是本发明一种基于红外温度的仓库火情监控方法的步骤示意图。
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。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。
请参阅图1-图2,本发明提供技术方案:一种基于红外温度的仓库火情监控方法,该方法包括以下步骤:
S1、利用红外测温传感器对仓库实现覆盖式温度测监控,设置温度阈值,在检测到任一点A温度高于温度阈值时,发出火情预警,调用烟雾监控模块对A进行监控;
S2、获取火灾发生时烟雾状态的历史数据,构建烟雾状态与火情等级的时间关联模型;
S3、在多点同时发生火情预警时,利用步骤S2的时间关联模型,规划最佳救援路径;
S4、将最佳救援路径输出至仓库巡检机器人处,仓库巡检机器人根据指令进行灭火。
对仓库进行三维建模,内部设置若干个红外测温传感器,满足对仓库所有点位的监控,同时,若干个红外测温传感器的输出端连接至烟雾监控模块,设置温度阈值,在检测到任一点位温度超出温度阈值时,发出指令启动烟雾监控模块。
所述时间关联模型包括:
构建火情等级为y,y∈(0,1),所述火情等级包括危险等级、安全等级,其中0代表安全等级,1代表危险等级;
构建影响因素集合为B={x0,x1,x2,…,xn},其中x0代表时间影响因素特征,x1,x2,…,xn代表烟雾状态影响因素特征;
x0=k0*(a*t0)
其中,k0代表时间影响系数,t0代表持续时间周期,a代表周期数量;
设置LR分类器,构建初始权值w0,w1,w2,…,wn+1;
获取火灾发生时烟雾状态的历史数据,作为测试集构建输入层,将测试集输入,利用初始权值与测试数据按照线性加和得到:
u=w0+w1x0+w2x1+…+wn+1xn
其中,u为测试集中的任一测试样本;
根据sigmoid函数构建输出层:
其中,f(u)代表危险等级的预测值;
构建损失函数,以似然函数作为损失函数,建立公示如下:
其中,L(f(u),y)代表损失函数,i代表序号,m代表测试样本数量,p(ui)指f(u)=1时相对于任一测试样本ui发生的概率,yi指测试样本ui的危险等级的预测值;
根据最大似然估计求出初始权值w0,w1,w2,…,wn+1;
对于m个测试样本,若使代价最小,需要对初始权值进行梯度下降,构建代价函数:
其中,J(f(u),y)代表代价函数;
根据代价函数获取更新后的初始权值,记为w0(0),w1(0),w2(0),…,wn+1(0),代入后获得深度学习后的时间关联模型:
u(0)=w0(0)+w1(0)x0+w2(0)x1+…+wn+1(0)xn
其中,f(u(0))为最终预测值输出值;f(u(0))的值域为(0,1);
根据采集到的仓库中任一发生火情预警点位的烟雾状态和时间数据,获取发生火情预警点位的最终预测值,若为0,判断为安全等级,若为1,判断为危险等级。
所述最佳救援路径包括:
在同时检测到仓库内存在多点位火情预警时,输出巡检机器人的最佳救援路径;
设置救援人员到达仓库的时间为h0;
根据深度学习后的时间关联模型,获取当前火情预警点位中处于危险等级的点位与在h0时间后处于危险等级的点位,记为集合C={r0,r1,r2,…,re},其中r0,r1,r2,…,re分别代表火情预警点位;
构建巡检机器人救援函数:
利用matlab软件设置,满足h(t)<h0时,μ值最大的情况下,输出参与的火情点位,连接成为最佳救援路径输出至巡检机器人端口。
一种基于红外温度的仓库火情监控系统,该系统包括红外测温监控模块、数据处理模块、烟雾监控模块、火情判断模块、紧急救援模块;
所述红外测温监控模块用于设置若干个红外测温传感器,利用红外测温传感器对仓库实现覆盖式温度监控;所述数据处理模块用于设置温度阈值,在检测到任一点温度高于温度阈值时,发出火情预警,并发出指令信息;所述烟雾监控模块用于接收数据处理模块的指令信息,对火情预警点位的烟雾状态进行监控;所述火情判断模块用于构建时间关联模型,对火情等级进行判断;所述紧急救援模块用于指挥巡检机器人进行紧急灭火,规划最佳救援路径;
所述红外测温监控模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述烟雾监控模块的输入端相连接;所述烟雾监控模块的输出端与所述火情判断模块的输入端相连接;所述火情判断模块的输出端与所述紧急救援模块的输入端相连接。
所述红外测温监控模块包括三维建模子模块、传感器点位覆盖子模块;
所述三维建模子模块用于对仓库三维建模,构建红外测温传感器安装点位;所述传感器点位覆盖子模块用于设置若干个红外测温传感器,利用红外测温传感器对仓库实现覆盖式温度监控;
所述三维建模子模块的输出端与所述传感器点位覆盖子模块的输入端相连接;所述传感器点位覆盖子模块的输出端与所述数据处理模块的输入端相连接。
所述数据处理模块包括数据分析子模块、指令输出子模块;
所述数据分析子模块用于设置温度阈值,在检测到任一点温度高于温度阈值时,发出火情预警;所述指令输出子模块用于输出指令,控制烟雾监控模块启动;
所述数据分析子模块的输出端与所述指令输出子模块的输入端相连接;所述指令输出子模块的输出端与所述烟雾监控模块的输入端相连接。
所述烟雾监控模块包括烟雾状态采集子模块、时间记录子模块;
所述烟雾状态采集子模块用于采集火情预警点位的烟雾状态;所述时间记录子模块用于记录时间;
所述烟雾状态采集子模块的输出端与所述时间记录子模块的输入端相连接;所述时间记录子模块的输出端与所述火情判断模块的输入端相连接。
所述火情判断模块包括模型构建子模块、火情判断子模块;
所述模型构建子模块用于构建时间关联模型;所述火情判断子模块用于对火情等级进行判断;
所述模型构建子模块的输出端与所述火情判断子模块的输入端相连接;所述火情判断子模块的输出端与所述紧急救援模块的输入端相连接。
所述紧急救援模块包括路径规划子模块、灭火子模块;
所述路径规划子模块用于获取火情属于危险等级的点位,规划最佳救援路径;所述灭火子模块用于指挥巡检机器人灭火;
所述路径规划子模块的输出端与所述灭火子模块的输入端相连接。
在本实施例中:
对一无人仓库,利用红外测温传感器对仓库实现覆盖式温度测监控,设置温度阈值,在检测到任一点A温度高于温度阈值时,发出火情预警,调用烟雾监控模块对A进行监控;
构建时间关联模型:
构建火情等级为y,y∈(0,1),所述火情等级包括危险等级、安全等级,其中0代表安全等级,1代表危险等级;
构建影响因素集合为B={x0,x1,x2,…,xn},其中x0代表时间影响因素特征,x1,x2,…,xn代表烟雾状态影响因素特征;设置n=3,三个烟雾状态影响因素特征分别为烟雾上升速率、烟雾色彩程度、烟雾蔓延变化率;
x0=k0*(a*t0)
其中,k0代表时间影响系数,t0代表持续时间周期,a代表周期数量;
设置LR分类器,构建初始权值w0,w1,w2,…,w4;
获取火灾发生时烟雾状态的历史数据,作为测试集构建输入层,将测试集输入,利用初始权值与测试数据按照线性加和得到:
u=w0+w1x0+w2x1+…+w4x3
其中,u为测试集中的任一测试样本;
根据sigmoid函数构建输出层:
其中,f(u)代表危险等级的预测值;
构建损失函数,以似然函数作为损失函数,建立公示如下:
其中,L(f(u),y)代表损失函数,i代表序号,m代表测试样本数量,p(ui)指f(u)=1时相对于任一测试样本ui发生的概率,yi指测试样本ui的危险等级的预测值;
根据最大似然估计求出初始权值w0,w1,w2,…,w4;
对于m个测试样本,若使代价最小,需要对初始权值进行梯度下降,构建代价函数:
其中,J(f(u),y)代表代价函数;
根据代价函数获取更新后的初始权值,记为w0(0),w1(0),w2(0),…,w4(0),代入后获得深度学习后的时间关联模型:
u(0)=w0(0)+w1(0)x0+w2(0)x1+…+w4(0)x3
其中,f(u(0))为最终预测值输出值;f(u(0))的值域为(0,1);
根据采集到的仓库中任一发生火情预警点位的烟雾状态和时间数据,利用红外测温传感器对仓库实现覆盖式温度测监控,设置温度阈值,检测到4个点位高于温度阈值,发出火情预警,调用烟雾监控模块进行监控;
获取发生火情预警点位的最终预测值,发现其中三个点位为0,判断为安全等级,一个点位为1,判断为危险等级。
所述最佳救援路径包括:
在同时检测到仓库内存在多点位火情预警时,输出巡检机器人的最佳救援路径;
设置救援人员到达仓库的时间为h0;
根据深度学习后的时间关联模型,获取当前火情预警点位中处于危险等级的点位与在h0时间后处于危险等级的点位,记为集合C={r0,r1,r2,r3};
构建巡检机器人救援函数:
利用matlab软件设置,满足h(t)<h0时,μ值最大的情况下,输出参与的火情点位,连接成为最佳救援路径输出至巡检机器人端口。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
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 (10)
1.一种基于红外温度的仓库火情监控方法,其特征在于:该方法包括以下步骤:
S1、利用红外测温传感器对仓库实现覆盖式温度监控,设置温度阈值,在检测到任一点A温度高于温度阈值时,发出火情预警,调用烟雾监控模块对A进行监控;
S2、获取火灾发生时烟雾状态的历史数据,构建烟雾状态与火情等级的时间关联模型;
S3、在多点同时发生火情预警时,利用步骤S2的时间关联模型,规划最佳救援路径;
S4、将最佳救援路径输出至仓库巡检机器人处,仓库巡检机器人根据指令进行灭火。
2.根据权利要求1所述的一种基于红外温度的仓库火情监控方法,其特征在于:对仓库进行三维建模,内部设置若干个红外测温传感器,满足对仓库所有点位的监控,同时,若干个红外测温传感器的输出端连接至烟雾监控模块,设置温度阈值,在检测到任一点位温度超出温度阈值时,发出指令启动烟雾监控模块。
3.根据权利要求2所述的一种基于红外温度的仓库火情监控方法,其特征在于:所述时间关联模型包括:
构建火情等级为y,y∈(0,1),所述火情等级包括危险等级、安全等级,其中0代表安全等级,1代表危险等级;
构建影响因素集合为B={x0,x1,x2,…,xn},其中x0代表时间影响因素特征,x1,x2,…,xn代表烟雾状态影响因素特征;
x0=k0*(a*t0)
其中,k0代表时间影响系数,t0代表持续时间周期,a代表周期数量;
设置LR分类器,构建初始权值w0,w1,w2,…,wn+1;
获取火灾发生时烟雾状态的历史数据,作为测试集构建输入层,将测试集输入,利用初始权值与测试数据按照线性加和得到:
u=w0+w1x0+w2x1+…+wn+1xn
其中,u为测试集中的任一测试样本;
根据sigmoid函数构建输出层:
其中,f(u)代表危险等级的预测值;
构建损失函数,以似然函数作为损失函数,建立公示如下:
其中,L(f(u),y)代表损失函数,i代表序号,m代表测试样本数量,p(ui)指f(u)=1时相对于任一测试样本ui发生的概率,yi指测试样本ui的危险等级的预测值;
根据最大似然估计求出初始权值w0,w1,w2,…,wn+1;
对于m个测试样本,若使代价最小,需要对初始权值进行梯度下降,构建代价函数:
其中,J(f(u),y)代表代价函数;
根据代价函数获取更新后的初始权值,记为w0(0),w1(0),w2(0),…,wn+1(0),代入后获得深度学习后的时间关联模型:
u(0)=w0(0)+w1(0)x0+w2(0)x1+…+wn+1(0)xn
其中,f(u(0))为最终预测值输出值;f(u(0))的值域为(0,1);
根据采集到的仓库中任一发生火情预警点位的烟雾状态和时间数据,获取发生火情预警点位的最终预测值,若为0,判断为安全等级,若为1,判断为危险等级。
4.根据权利要求3所述的一种基于红外温度的仓库火情监控方法,其特征在于:所述最佳救援路径包括:
在同时检测到仓库内存在多点位火情预警时,输出巡检机器人的最佳救援路径;
设置救援人员到达仓库的时间为h0;
根据深度学习后的时间关联模型,获取当前火情预警点位中处于危险等级的点位与在h0时间后处于危险等级的点位,记为集合C={r0,r1,r2,…,re},其中r0,r1,r2,…,re分别代表火情预警点位;
构建巡检机器人救援函数:
利用matlab软件设置,满足h(t)<h0时,μ值最大的情况下,输出参与的火情点位,连接成为最佳救援路径输出至巡检机器人端口。
5.一种基于红外温度的仓库火情监控系统,其特征在于:该系统包括红外测温监控模块、数据处理模块、烟雾监控模块、火情判断模块、紧急救援模块;
所述红外测温监控模块用于设置若干个红外测温传感器,利用红外测温传感器对仓库实现覆盖式温度监控;所述数据处理模块用于设置温度阈值,在检测到任一点温度高于温度阈值时,发出火情预警,并发出指令信息;所述烟雾监控模块用于接收数据处理模块的指令信息,对火情预警点位的烟雾状态进行监控;所述火情判断模块用于构建时间关联模型,对火情等级进行判断;所述紧急救援模块用于指挥巡检机器人进行紧急灭火,规划最佳救援路径;
所述红外测温监控模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述烟雾监控模块的输入端相连接;所述烟雾监控模块的输出端与所述火情判断模块的输入端相连接;所述火情判断模块的输出端与所述紧急救援模块的输入端相连接。
6.根据权利要求5所述的一种基于红外温度的仓库火情监控系统,其特征在于:所述红外测温监控模块包括三维建模子模块、传感器点位覆盖子模块;
所述三维建模子模块用于对仓库三维建模,构建红外测温传感器安装点位;所述传感器点位覆盖子模块用于设置若干个红外测温传感器,利用红外测温传感器对仓库实现覆盖式温度监控;
所述三维建模子模块的输出端与所述传感器点位覆盖子模块的输入端相连接;所述传感器点位覆盖子模块的输出端与所述数据处理模块的输入端相连接。
7.根据权利要求5所述的一种基于红外温度的仓库火情监控系统,其特征在于:所述数据处理模块包括数据分析子模块、指令输出子模块;
所述数据分析子模块用于设置温度阈值,在检测到任一点温度高于温度阈值时,发出火情预警;所述指令输出子模块用于输出指令,控制烟雾监控模块启动;
所述数据分析子模块的输出端与所述指令输出子模块的输入端相连接;所述指令输出子模块的输出端与所述烟雾监控模块的输入端相连接。
8.根据权利要求5所述的一种基于红外温度的仓库火情监控系统,其特征在于:所述烟雾监控模块包括烟雾状态采集子模块、时间记录子模块;
所述烟雾状态采集子模块用于采集火情预警点位的烟雾状态;所述时间记录子模块用于记录时间;
所述烟雾状态采集子模块的输出端与所述时间记录子模块的输入端相连接;所述时间记录子模块的输出端与所述火情判断模块的输入端相连接。
9.根据权利要求5所述的一种基于红外温度的仓库火情监控系统,其特征在于:所述火情判断模块包括模型构建子模块、火情判断子模块;
所述模型构建子模块用于构建时间关联模型;所述火情判断子模块用于对火情等级进行判断;
所述模型构建子模块的输出端与所述火情判断子模块的输入端相连接;所述火情判断子模块的输出端与所述紧急救援模块的输入端相连接。
10.根据权利要求5所述的一种基于红外温度的仓库火情监控系统,其特征在于:所述紧急救援模块包括路径规划子模块、灭火子模块;
所述路径规划子模块用于获取火情属于危险等级的点位,规划最佳救援路径;所述灭火子模块用于指挥巡检机器人灭火;
所述路径规划子模块的输出端与所述灭火子模块的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210203154.5A CN114550406A (zh) | 2022-03-03 | 2022-03-03 | 一种基于红外温度的仓库火情监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210203154.5A CN114550406A (zh) | 2022-03-03 | 2022-03-03 | 一种基于红外温度的仓库火情监控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114550406A true CN114550406A (zh) | 2022-05-27 |
Family
ID=81661656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210203154.5A Pending CN114550406A (zh) | 2022-03-03 | 2022-03-03 | 一种基于红外温度的仓库火情监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114550406A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690695A (zh) * | 2022-12-29 | 2023-02-03 | 杭州浩联智能科技有限公司 | 一种施工现场火情辅助处置方法、系统及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN104971458A (zh) * | 2015-07-03 | 2015-10-14 | 合肥科大立安安全技术股份有限公司 | 基于自动跟踪定位射流灭火装置的多火源识别方法 |
CN110853137A (zh) * | 2019-11-18 | 2020-02-28 | 河海大学常州校区 | 一种基于三维场景还原的指导性防火消防救援系统及方法 |
CN111798127A (zh) * | 2020-07-02 | 2020-10-20 | 北京石油化工学院 | 基于动态火灾风险智能评估的化工园区巡检机器人路径优化系统 |
CN112153256A (zh) * | 2020-09-10 | 2020-12-29 | 苏州三拓光电科技有限公司 | 一种基于物联网的安防监控系统 |
AU2020104224A4 (en) * | 2020-10-30 | 2021-03-11 | Guangdong University Of Technology | Indoor Collaborative Path Planning Method and System for Multi-UAVs in High-rise Fire-fighting Tasks |
CN112651849A (zh) * | 2020-12-29 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 基于不平衡数据集的电压监测异常数据识别方法及系统 |
CN112915420A (zh) * | 2021-04-09 | 2021-06-08 | 吉林大学 | 一种仓库智能灭火机器人的火场定位及灭火方法 |
CN113723300A (zh) * | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的火情监测方法、装置及存储介质 |
CN114005090A (zh) * | 2021-11-12 | 2022-02-01 | 中山大学 | 一种基于疑似烟雾提议区域及深度学习的烟雾检测方法 |
-
2022
- 2022-03-03 CN CN202210203154.5A patent/CN114550406A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN104971458A (zh) * | 2015-07-03 | 2015-10-14 | 合肥科大立安安全技术股份有限公司 | 基于自动跟踪定位射流灭火装置的多火源识别方法 |
CN110853137A (zh) * | 2019-11-18 | 2020-02-28 | 河海大学常州校区 | 一种基于三维场景还原的指导性防火消防救援系统及方法 |
CN111798127A (zh) * | 2020-07-02 | 2020-10-20 | 北京石油化工学院 | 基于动态火灾风险智能评估的化工园区巡检机器人路径优化系统 |
CN112153256A (zh) * | 2020-09-10 | 2020-12-29 | 苏州三拓光电科技有限公司 | 一种基于物联网的安防监控系统 |
AU2020104224A4 (en) * | 2020-10-30 | 2021-03-11 | Guangdong University Of Technology | Indoor Collaborative Path Planning Method and System for Multi-UAVs in High-rise Fire-fighting Tasks |
CN112651849A (zh) * | 2020-12-29 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 基于不平衡数据集的电压监测异常数据识别方法及系统 |
CN112915420A (zh) * | 2021-04-09 | 2021-06-08 | 吉林大学 | 一种仓库智能灭火机器人的火场定位及灭火方法 |
CN113723300A (zh) * | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的火情监测方法、装置及存储介质 |
CN114005090A (zh) * | 2021-11-12 | 2022-02-01 | 中山大学 | 一种基于疑似烟雾提议区域及深度学习的烟雾检测方法 |
Non-Patent Citations (1)
Title |
---|
温卫敏;: "一种最优路径规划的灭火机器人系统设计", 四川理工学院学报(自然科学版), no. 03, pages 26 - 33 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690695A (zh) * | 2022-12-29 | 2023-02-03 | 杭州浩联智能科技有限公司 | 一种施工现场火情辅助处置方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111627181B (zh) | 融合多源参数及其梯度信息的综合管廊火灾预警方法 | |
CN107564231B (zh) | 基于物联网的建筑物火灾预警及火灾态势评估系统及方法 | |
CN109637068A (zh) | 智能烟火识别系统 | |
US5483222A (en) | Multiple sensor apparatus and method | |
KR102124067B1 (ko) | 사물인터넷 센서를 이용한 연기확산과 피난로 예측 시스템 및 그 방법 | |
CN105931411A (zh) | 一种多层建筑消防远程监控预警平台及其实现方法 | |
CN114550406A (zh) | 一种基于红外温度的仓库火情监控系统及方法 | |
CN113936239A (zh) | 一种基于神经网络算法的智慧消防火情识别方法和系统 | |
CN113990018B (zh) | 一种安全风险预测系统 | |
CN113018728B (zh) | 一种电缆隧道火灾分级研判消防系统 | |
CN109741565B (zh) | 煤矿火灾识别系统及方法 | |
KR102220328B1 (ko) | 건축물 화재의 피해 예측 시스템 및 방법 | |
CN109360370B (zh) | 一种基于机器人烟火检测的方法 | |
CN112464813A (zh) | 山火的监测方法及装置 | |
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 | |
CN113053053A (zh) | 基于粒子群优化的区间论证多传感器融合的灾难蜂窝报警联动系统 | |
CN207895646U (zh) | 智能建筑火灾自动报警系统 | |
CN111047815A (zh) | 基于自学习模型识别消防探测器误报的方法及系统 | |
CN113702833B (zh) | 一种楼道电瓶车监测系统及方法 | |
CN112263803A (zh) | 基于实时场景巡视和自动检测灭火的无人车智能安防系统及控制方法 | |
CN112070072B (zh) | 基于图像识别的预制舱消防控制系统及其控制方法 | |
CN117173848B (zh) | 一种基于数据分析的森林火灾探测方法 | |
CN109767583A (zh) | 一种适用于无人商店平台的智能顾客逃生引导方法 | |
CN109785567B (zh) | 防火门集中提示装置与防火门系统 | |
CN113209533A (zh) | 一种应用于高层建筑的消防方法及系统 |
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 |