CN114558267A - 工业场景火灾防治系统 - Google Patents
工业场景火灾防治系统 Download PDFInfo
- Publication number
- CN114558267A CN114558267A CN202210208921.1A CN202210208921A CN114558267A CN 114558267 A CN114558267 A CN 114558267A CN 202210208921 A CN202210208921 A CN 202210208921A CN 114558267 A CN114558267 A CN 114558267A
- Authority
- CN
- China
- Prior art keywords
- fire
- module
- scene
- deep learning
- terminal
- 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
- 230000002265 prevention Effects 0.000 title claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000013135 deep learning Methods 0.000 claims description 60
- 230000009467 reduction Effects 0.000 claims description 23
- 238000013136 deep learning model Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005507 spraying Methods 0.000 abstract 1
- 239000000779 smoke Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明提供了一种工业场景火灾防治系统，包括终端和边缘端：所述终端，用于移动采集场景内的各局部视频图像，并在边缘端判断发生火灾时，根据模糊空间位置移动到火情发生处附近，在到达火情发生处附近后，根据采集到的火情发生处的局部视频图像，解析出火情发生处的精确空间位置，根据精确空间位置进行移动并对火情发生处进行瞄准和扑灭场景内的火源；所述边缘端，用于采集场景内的全景视频图像，并对监测范围内是否有火情进行判断，在判断有火情的情况下，解析出火情发生处的模糊空间位置，向所述终端发送灭火指令。本发明能够在火情发生时及时判断出来，而且不进行大规模喷淋，避免了不必要的损失。
Description
技术领域
本发明涉及边缘计算技术领域，具体地，涉及工业场景火灾防治系统。
背景技术
火灾由于其破坏性和高频性已成为最严重的灾害之一，火灾蔓延速度快，危害能力强，在蔓延后很难在短时间内被控制，特别是在可燃物密集的地方，会造成极大的生命危害和经济损失。
治理火灾的关键在于在火焰尚未蔓延的时候及时处理火情，现有的消防系统主要使用烟雾传感器来检测烟雾，通过烟雾来判断火情，在判定为有火情存在的情况下，利用全覆盖的消防喷淋系统对整个区域进行灭火。
以上述方式进行火情防控主要有两方面的缺陷：
第一：识别不准确，在木工装修、抽烟、厨房炒菜等情况下，容易发生误判；在真正发生燃烧时，需要等待烟雾达到一定浓度才能够识别火情，此时火情往往已经开始蔓延；
第二：火情处理方式过于激进，场景全覆盖喷淋会导致电气设备短路，会导致不必要的经济损失，同时影响到场景内的正常作业。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种工业场景火灾防治系统。
根据本发明提供的一种工业场景火灾防治系统，包括终端和边缘端：
终端，用于移动采集场景内的各局部视频图像，并在边缘端判断发生火灾时，根据模糊空间位置移动到火情发生处附近，在到达火情发生处附近后，根据采集到的火情发生处的局部视频图像，解析出火情发生处的精确空间位置，根据精确空间位置进行移动并对火情发生处进行瞄准和扑灭场景内的火源；
边缘端，用于采集场景内的全景视频图像，并对监测范围内是否有火情进行判断，在判断有火情的情况下，解析出火情发生处的模糊空间位置，向终端发送灭火指令。
可选地，终端进一步包括；
指令接收模块，用于接收边缘端发送的灭火指令；
雷达模块，用于对移动机器人位置进行定位；
路径规划模块，用于根据移动机器人位置和模糊空间位置规划出移动到火情发生处的路线；
移动机器人，用于载着第一摄像头、瞄准装置和灭火设备移动；
第一摄像头，用于采集场景内的各局部的视频图像；
存储模块，用于存储场景内的地图数据；
第一火焰深度学习模块，结合地图数据和局部视频图像解析出火情发生处的精确空间位置信息；
瞄准装置，用于根据精确空间位置信息调整灭火设备对火情发生处进行瞄准；
灭火设备，用于在瞄准火情发生处后，对场景内的火源进行扑灭。
可选地，边缘端进一步包括；
边缘计算服务器，用于运行第二深度学习推理模块、第二火焰深度学习模块和指令发送模块，且存储有场景内的地图数据；
第二摄像头，用于采集场景内的全景视频图像；
第二深度学习推理模块，根据获取的场景内的全景视频图像判断是否有火情；
第二火焰深度学习模块，在判断有火情的情况下，结合地图数据和全景视频图像解析出火情发生处的模糊空间位置；
指令发送模块，在判断有火情的情况下，向终端发送灭火指令。
可选地，终端还包括：
第一深度学习推理模块，用于根据采集的局部视频图像是否有火情。
可选地，终端还包括：场景地图构建模块：用于对所述场景内的地图进行构建，从而对场景内的地图进行更新。
可选地，终端还包括：
状态检测模块，用于检测终端的各种状态是否正常；
数据发送模块，用于在检测到异常状态时，将异常数据发送至边缘端，并且将精确空间位置发送至边缘端。
可选地，第一火焰深度学习模块进一步包括：
第一标记子模块，用于将采集的各局部的视频图像中的第一照片进行标记；
第一降噪子模块，用于对标记的第一照片进行运算得到第一特征增强图像；
第一多特征提取子模块，用于提取第一特征增强图像中的各种特征信息；
第一识别子模块，用于判断各种特征信息的信息类别；
第一定位子模块，用于解析出含有火情的特征信息的精确空间位置。
可选地，第二火焰深度学习模块进一步包括：
第二标记子模块，用于将采集的全景视频图像中的第二照片进行标记；
第二降噪子模块，用于对标记的第二照片进行运算得到第二特征增强图像；
第二多特征提取子模块，用于提取第二特征增强图像中的各种特征信息；
第二识别子模块，用于判断各种特征信息的信息类别；
第二定位子模块，用于解析出含有火情的各种特征信息的模糊空间位置。
可选地，还包括：
云端，用于接收边缘端发送的火情信息、模糊空间位置和精确位置信息，并且分别对第二深度学习推理模块和第二火焰深度学习模块中载入的深度学习推理模型和火焰深度学习模型进行训练；
客户端，用于接收云端发送的火情信息模糊空间位置和精确位置信息。
可选地，边缘端还包括：
训练模型获取模块，用于从云端获取训练后的深度学习推理模型和火焰深度学习模型。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的工业场景火灾防治系统，全自动化运行，无需人为干预，移动机器人、边缘端能够发现火源并对火源的空间位置进行自主定位，并通过终端对进行火源扑灭工作，大大减少火情监控防治对人力的需求，而且本申请是通过图片对是否发生火情进行判断，在图片中具有烟雾信息和/或火焰信息就能及时判断出发生火情，避免出现达到一定烟雾浓度的情况下才能判断出现火情的状况，发生火灾时，判断及时，在发生火情时，终端移动到火情发生出进行灭火处理，不会进行大规模喷淋，从而避免了不必要的经济损失。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的工业场景火灾防治系统的系统框图；
图2为本发明提供的第一深度学习推理模块和第二深度学习推理模块的深度学习网络模型图；
图3为本发明提供的第一火焰深度学习模块的焰深度学习网络模型图。
图中：1、终端；101、移动机器人；102、瞄准装置；103、灭火设备；104、第一火焰深度学习模块；1041、第一降噪子模块a；1042、第一降噪子模块b；1043、第一降噪子模块c；1044、第一降噪子模块d；1045、第一多特征提取子模块；1046、第一识别子模块；1047、第一定位子模块；1048、第一标记子模块；105、第一深度学习推理模块；106、第一摄像头；107、存储模块；108、指令接收模块；109、雷达模块；110、路径规划模块；2、边缘端；201、边缘计算服务器；202、指令发送模块；203、第二火焰深度学习模块；204、第二摄像头；205、第二深度学习推理模块；
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
在对本实施例进行介绍解释说明之前，现结合本实施例对本申请中涉及的yolov5神经网络进行简单的介绍说明，yolov5神经网络使用主干网络(CSPDarknet，主干特征提取网络(Backbone)从输入图像中提取大量的信息特征，yolov5神经网络克服了主干网络优化的梯度信息重复现象。
,如图1所示，本发明中的系统可以包括：包括终端和边缘端：
终端1，用于移动采集场景内的各局部视频图像，并在边缘端判断发生火灾时，根据模糊空间位置移动到火情发生处附近，在到达火情发生处附近后，根据采集到的火情发生处的局部视频图像，解析出火情发生处的精确空间位置，根据精确空间位置进行移动并对火情发生处进行瞄准和扑灭场景内的火源。
在实际应用中，终端1一般包括：
指令接收模块108，用于接收边缘端2发送的灭火指令，其中，灭火指令包括火情发生处的模糊空间位置；
雷达模块109，用于对移动机器人101位置进行定位；
路径规划模块110，用于根据移动机器人101位置和模糊空间位置规划出移动到火情发生处的路线，本实施例中，路径规划模块110采用的是A*算法计算出路径；
移动机器人101，用于载着第一摄像头106、瞄准装置102和灭火设备103移动，其中，第一摄像头106、瞄准装置102固定在移动机器人101的方式可以是螺栓连接、焊接等方式，瞄准装置102可以包括角度调节电机和固定座，固定座连接与角度调节电机的角度调节端，灭火设备103可拆卸固定在固定座上，固定方式可以是通过固定绳和连接座进行固定，移动机器人101持续监听Mqtt话题信息，根据话题信息更改自身状态；
第一摄像头106，用于采集场景内的各局部的视频图像，在本实施例中，第一摄像头106可以采用单目相机，移动机器人106可以带动第一摄像头按照设定的路线进行巡逻拍摄；
存储模块107：用于存储场景内的地图数据，存储模块107可以是存储卡和硬盘等；
第一火焰深度学习模块104，结合地图数据和局部视频图像解析出火情发生处的精确空间位置信息。
在实际应用中，第一火焰深度学习模块104进一步包括：
第一标记子模块1048，用于将采集的各局部的视频图像中的第一照片进行标记；
第一降噪子模块，用于对标记的第一照片进行运算得到第一特征增强图像；
第一多特征提取子模块1045，用于提取第一特征增强图像中的各种特征信息；
第一识别子模块1046，用于判断各种特征信息的信息类别；
第一定位子模块1047，用于解析出含有火情的特征信息的精确空间位置。
结合图3所述的第一火焰深度学习模块的神经网络模型，在上述实施例中，第一火焰深度学习模块104的工作过程包括:
接收输入的此帧图像以及此帧图像之前的四帧图像，第一标记子模块1048将四帧图像分别标记为图像t，图像t-1，图像t-2，图像t-3，图像t-4。
第一降噪子模块的数量为若干个，分别为第一降噪子模块a1041、第一降噪子模块b1042、第一降噪子模块c1043和第一降噪子模块d1044；
第一降噪子模块a1041接收图像t-4，图像t-3，图像t-2的数据；
第一降噪子模块b1042接收图像t-3，图像t-2，图像t-1的数据；
第一降噪子模块c1043接收图像t-2，图像t-1，图像t的数据；
第一降噪子模块d1044接收来自第一降噪子模块a1041、第一降噪子模块b1042和第一降噪子模块c1043的三个的输出数据，经运算后得到特征增强图像。
特征增强图像输入到第一多特征提取子模块1045中，经过运算后得到各种特征信息，特征信息分别输入到第一识别子模块1046和第一定位子模块1047，由第一识别子模块1046得到该特征信息的类别信息，由第一定位子模块1047块得到该特征信息的位置信息。
瞄准装置102，用于根据精确空间位置信息调整灭火设备103对火情发生处进行瞄准；
灭火设备103，用于在瞄准火情发生处后，对场景内的火源进行扑灭，灭火设备是可以远程控制的泡沫灭火设备、干粉灭火设备等；
由于边缘端2需要拍摄全景视频图像，因此边缘端2的第二摄像头204需要在较高的位置，因此会出现采集的图像不清楚的问题，从而可能出现无法判断出是否着火的状况，因此，终端还包第一深度学习推理模块105，用于根据采集的局部视频图像是否有火情。
请参阅图2，在本实施例中，第一深度学习推理模块105的工作的具体流程为：
接收输入的图像数据，利用yolov5神经网络进行推理，得到若干个火焰框和若干个烟雾框；对于每一个火焰框搜索其临近像素位置是否有烟雾框，若存在烟雾框则判定此火焰框为真火源，否则为假火源；针对若干个真火源，选择置信度最高的真火源作为唯一火源，将其作为识别出的火源信息输出，而且，第一降噪子模块提升图像质量，使得对小火源的识别更加精准，同时结合烟雾识别防止误判。
场景地图构建模块：用于对所述场景内的地图进行构建，从而对场景内的地图进行更新，通过移动机器人101搭载的雷达模块109建立场景的栅格地图，并定时驱动移动机器人101重新对场景地图进行构建以更新地图；
数据发送模块，用于在检测到异常状态时，将异常数据发送至边缘端2，并且将精确空间位置发送至边缘端2，数据发送模块可以时无线发送模块或蓝牙发送模块；
状态检测模块，用于检测终端1的各种状态是否正常，其中移动机器人101具有以下几个状态：就绪状态、任务执行状态、地图构建状态、阻塞状态、故障状态；
其中，就绪状态：移动机器人101各传感器自检正常，可以包括第一摄像头106和瞄准装置102的工作状态，消耗性的灭火设备103剩余量充足，可以执行任务。
任务执行状态：当接收到边缘端2发布的任务时，移动机器人101会以自身位置为起点，火源位置为重点生成路径，并按照路径向火源位置运动；到达火源位置时将在火源位置附近巡逻，利用单目相机捕捉火源的具体位置，得到火源的具体位置后，移动机器人靠近火源，并驱动瞄准装置102和灭火设备103对火情进行处理。
地图构建状态：移动机器人101以充电位置为起点，利用雷达模块109对整个空间进行栅格地图的建立；在地图构建完成后把地图文件发送至边缘端2，并自行更改状态为就绪态状态或阻塞状态；
阻塞状态：当传感器监测消耗性的灭火设备103存储量不足，电池电量不足时，移动机器人进入阻塞状态，等待操作员对问题进行处理后转换成就绪状态。
故障状态：当移动机器人101通讯功能异常、传感器数据接收异常时进入故障状态，等待操作员对问题进行修复和重启；
上述移动机器人101正常工作时拥有两种状态：就绪状态、执行态；
就绪状态下，移动机器人会运动到指定充电点进行充电，并等待新的命令发布；
任务执行状态，移动机器人101会根据自身坐标和模糊空间位置信息计算路径，并按照此路径进行运动，在运动到目标临近位置后，开始采集第一摄像头106获得的图像数据，对图像数据进行深度学习推理，获得火源对移动机器人101的相对位置，控制瞄准装置102对火源进行瞄准，驱动灭火设备工作，扑灭火源；移动机器人101在执行态中将图像数据和推理结果发布至MQTT指定话题；火焰识别深度学习模型文件格式为.onnx；深度学习推理程序使用TensorRT框架；
边缘端2，用于采集场景内的全景视频图像，并对监测范围内是否有火情进行判断，在判断有火情的情况下，解析出火情发生处的模糊空间位置，向终端发送灭火指令。
终端1与边缘端2的信息交互由运行MQTT服务的服务器执行；边缘端2与云端的信息交互使用TCP/IP协议，MQTT服务器端部署在云端。
在实际应用中，边缘端2可以包括；
边缘计算服务器201，用于运行第二深度学习推理模块205、第二火焰深度学习模块203和指令发送模块202，且存储有场景内的地图数据。
在本实施例中，边缘计算服务器201拥有计算节点、Mqtt服务节点、数据仓库节点、TCP/IP节点；其中，计算节点持续读取第二摄像头204采集的图像数据，利用第二深度学习推理模块205的深度学习推理模型文件进行推理，并通过第二深度学习推理模块205将结果信息结合场景地图信息解析出火源的空间位置信息；Mqtt服务节点持续发布场景内是否存在火源信息、火源的空间位置信息，同时持续监听移动机器人101发布的图像信息和推理结果信息；数据仓库节点存储来自终端的图像信息和推理结果信息，同时也存储来自边缘计算服务器201的图像信息和推理结果信息；TCP/IP节点向云端发送火情信息，向云端发送数据仓库内的所有信息，并从云端获取最新的火焰深度学习模型文件和深度学习推理模型文件。
第二摄像头204，用于采集场景内的全景视频图像，其中，第二摄像头204采用双目摄像头；
第二深度学习推理模块205，根据获取的场景内的全景视频图像判断是否有火情。
在本实施例中，第二深度学习推理模块205的工作流程同第一深度学习推理模块105。
第二火焰深度学习模块203，在判断有火情的情况下，结合地图数据和全景视频图像解析出火情发生处的模糊空间位置。
在本实施例中，第二火焰深度学习模块203进一步包括：
第二标记子模块，用于将采集的全景视频图像中的第二照片进行标记；
第二降噪子模块，用于对标记的第二照片进行运算得到第二特征增强图像；
第二多特征提取子模块，用于提取第二特征增强图像中的各种特征信息；
第二识别子模块，用于判断各种特征信息的信息类别，各种特征信息的信息类别包括含有火情的信息，含有建筑物的特征信息等；
第二定位子模块，用于解析出含有火情的各种特征信息的模糊空间位置。
第二深度学习推理模块205的工作流程同第一深度学习推理模块。
第二火焰深度学习模块203的工作原理同第一火焰深度学习模块104。
指令发送模块202，在判断有火情的情况下，向终端1发送灭火指令，其中，指令发送模块202可以是无线信号收发器或者蓝牙收发器。
在本实施例中，当第二摄像头204出现问题时，边缘端2也可以从终端1获取各局部视频图像对是否发生火情和火情发生的空间位置进行判断。
本实施例中，还包括：
云端，用于接收边缘端2发送的火情信息、模糊空间位置和精确位置信息，并且分别对第二深度学习推理模块205和第二火焰深度学习模块103中载入的深度学习推理模型和火焰深度学习模型进行训练。
在实际应用中，云端拥有计算节点、TCP/IP节点、数据仓库节点；其中，计算节点使用数据仓库内的数据，对火焰深度学习模型和深度学习推理模型进行训练；TCP/IP节点从边缘端获取图像数据、推理结果数据和火情信息数据，向边缘端发送最新的深度学习模型文件，向用户端发布火情信息数据；数据仓库存储来自边缘端的图像数据和推理结果数据，并存储最新的深度学习模型文件。
为了能够从云端获取训练后逇最新的深度学习模型文件，边缘端2还包括训练模型获取模块，用于从云端获取训练后的深度学习推理模型和火焰深度学习模型，能够使得整个系统更加智能化。
客户端，用于接收云端发送的火情信息模糊空间位置和精确位置信息，其中，客户端可以是手机端或者电脑端等。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种工业场景火灾防治系统，其特征在于，包括终端和边缘端：
所述终端，用于移动采集场景内的各局部视频图像，并在边缘端判断发生火灾时，根据模糊空间位置移动到火情发生处附近，在到达火情发生处附近后，根据采集到的火情发生处的局部视频图像，解析出火情发生处的精确空间位置，根据精确空间位置进行移动并对火情发生处进行瞄准和扑灭场景内的火源；
所述边缘端，用于采集场景内的全景视频图像，并对监测范围内是否有火情进行判断，在判断有火情的情况下，解析出火情发生处的模糊空间位置，向所述终端发送灭火指令。
2.根据权利要求1所述的工业场景火灾防治系统，其特征在于，所述终端进一步包括；
指令接收模块，用于接收所述边缘端发送的灭火指令；
雷达模块，用于对移动机器人位置进行定位；
路径规划模块，用于根据所述移动机器人位置和所述模糊空间位置规划出移动到火情发生处的路线；
移动机器人，用于载着第一摄像头、瞄准装置和灭火设备移动；
所述第一摄像头，用于采集场景内的各局部的视频图像；
存储模块，用于存储场景内的地图数据；
第一火焰深度学习模块，结合所述地图数据和局部视频图像解析出火情发生处的精确空间位置信息；
所述瞄准装置，用于根据精确空间位置信息调整灭火设备对火情发生处进行瞄准；
所述灭火设备，用于在瞄准火情发生处后，对场景内的火源进行扑灭。
3.根据权利要求1所述的工业场景火灾防治系统，其特征在于，所述边缘端进一步包括：
边缘计算服务器，用于运行第二深度学习推理模块、第二火焰深度学习模块和指令发送模块，且存储有场景内的地图数据；
第二摄像头，用于采集场景内的全景视频图像；
第二深度学习推理模块，根据获取的场景内的全景视频图像判断是否有火情；
第二火焰深度学习模块，在判断有火情的情况下，结合地图数据和全景视频图像解析出火情发生处的模糊空间位置；
指令发送模块，在判断有火情的情况下，向所述终端发送灭火指令。
4.根据权利要求1所述的工业场景火灾防治系统，其特征在于，所述终端还包括：
第一深度学习推理模块，用于根据采集的局部视频图像是否有火情。
5.根据权利要求1所述的工业场景火灾防治系统，其特征在于，所述终端还包括：
场景地图构建模块：用于对所述场景内的地图进行构建，从而对场景内的地图进行更新。
6.根据权利要求1所述的工业场景火灾防治系统，其特征在于，所述终端还包括：
状态检测模块，用于检测所述终端的各种状态是否正常；
数据发送模块，用于在检测到异常状态时，将异常数据发送至所述边缘端，并且将精确空间位置发送至边缘端。
7.根据权利要求2所述的工业场景火灾防治系统，其特征在于，所述第一火焰深度学习模块进一步包括：
第一标记子模块，用于将采集的各局部的视频图像中的第一照片进行标记；
第一降噪子模块，用于对标记的所述第一照片进行运算得到第一特征增强图像；
第一多特征提取子模块，用于提取第一特征增强图像中的各种特征信息；
第一识别子模块，用于判断各种特征信息的信息类别；
第一定位子模块，用于解析出含有火情的特征信息的精确空间位置。
8.根据权利要求3所述的工业场景火灾防治系统，其特征在于，所述第二火焰深度学习模块进一步包括：
第二标记子模块，用于将采集的全景视频图像中的第二照片进行标记；
第二降噪子模块，用于对标记的所述第二照片进行运算得到第二特征增强图像；
第二多特征提取子模块，用于提取第二特征增强图像中的各种特征信息；
第二识别子模块，用于判断各种特征信息的信息类别；
第二定位子模块，用于解析出含有火情的特征信息的模糊空间位置。
9.根据权利要求3所述的工业场景火灾防治系统，其特征在于，还包括：
云端，用于接收所述边缘端发送的火情信息、模糊空间位置和精确位置信息，并且分别对第二深度学习推理模块和第二火焰深度学习模块中载入的深度学习推理模型和火焰深度学习模型进行训练；
客户端，用于接收所述云端发送的火情信息模糊空间位置和精确位置信息。
10.根据权利要求9所述的工业场景火灾防治系统，其特征在于，所述边缘端还包括：
训练模型获取模块，用于从所述云端获取训练后的深度学习推理模型和火焰深度学习模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210208921.1A CN114558267A (zh) | 2022-03-03 | 2022-03-03 | 工业场景火灾防治系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210208921.1A CN114558267A (zh) | 2022-03-03 | 2022-03-03 | 工业场景火灾防治系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114558267A true CN114558267A (zh) | 2022-05-31 |
Family
ID=81717499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210208921.1A Pending CN114558267A (zh) | 2022-03-03 | 2022-03-03 | 工业场景火灾防治系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114558267A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115862258A (zh) * | 2022-11-22 | 2023-03-28 | 中国科学院合肥物质科学研究院 | 一种火灾监测与处置的系统、方法、设备及存储介质 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201445722U (zh) * | 2009-07-10 | 2010-05-05 | 西安建筑科技大学 | 一种大型公共建筑的火灾自动报警灭火系统 |
| CN104408706A (zh) * | 2014-09-30 | 2015-03-11 | 天津艾思科尔科技有限公司 | 一种基于双波段图像的火灾检测及定位方法 |
| CN106097346A (zh) * | 2016-06-13 | 2016-11-09 | 中国科学技术大学 | 一种自学习的视频火灾探测方法 |
| CN106683039A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种生成火情态势图的系统 |
| JP2019062970A (ja) * | 2017-09-28 | 2019-04-25 | 株式会社イームズラボ | 無人消火装置、無人消火方法及び無人消火プログラム |
| CN110115819A (zh) * | 2019-05-14 | 2019-08-13 | 上海荷福人工智能科技（集团）有限公司 | 基于人工智能的消防水炮定向预警及灭火方法、存储介质和消防水炮 |
| CN110298377A (zh) * | 2019-05-21 | 2019-10-01 | 武汉坤达安信息安全技术有限公司 | 基于深层人工神经网络的数字图像中烟火检测方法 |
| CN111047818A (zh) * | 2019-11-01 | 2020-04-21 | 浙江省林业技术推广总站(浙江省林业信息宣传中心) | 一种基于视频图像的森林火灾预警系统 |
| CN111111074A (zh) * | 2019-12-16 | 2020-05-08 | 山东康威通信技术股份有限公司 | 一种电力隧道消防机器人灭火调度方法及系统 |
| CN111258309A (zh) * | 2020-01-15 | 2020-06-09 | 上海锵玫人工智能科技有限公司 | 一种用于城市消防机器人的灭火方法 |
| CN111564017A (zh) * | 2020-06-04 | 2020-08-21 | 侯雨硕 | 一种森林火灾智能预警装置 |
| CN111680632A (zh) * | 2020-06-10 | 2020-09-18 | 深延科技(北京)有限公司 | 基于深度学习卷积神经网络的烟火检测方法及系统 |
| CN111695541A (zh) * | 2020-06-18 | 2020-09-22 | 深圳天海宸光科技有限公司 | 基于机器视觉的无人机森林防火系统及方法 |
| CN112043991A (zh) * | 2020-09-15 | 2020-12-08 | 河北工业大学 | 隧道导轨行进消防机器人系统及使用方法 |
| CN112349057A (zh) * | 2020-12-01 | 2021-02-09 | 北京交通大学 | 基于深度学习的室内烟雾和火灾检测方法 |
| US20210043069A1 (en) * | 2019-08-05 | 2021-02-11 | Factory Mutual Insurance Company | Portable 360-degree video-based fire and smoke detector and wireless alerting system |
| CN112580430A (zh) * | 2020-11-19 | 2021-03-30 | 重庆市科源能源技术发展有限公司 | 基于rgb视觉的电厂烟火监测方法、装置、系统和存储介质 |
| CN112767644A (zh) * | 2020-12-31 | 2021-05-07 | 千方捷通科技股份有限公司 | 一种基于视频识别的公路隧道内火灾预警方法及装置 |
| CN112906463A (zh) * | 2021-01-15 | 2021-06-04 | 上海东普信息科技有限公司 | 基于图像的火情检测方法、装置、设备及存储介质 |
| CN113569956A (zh) * | 2021-07-29 | 2021-10-29 | 广西电网有限责任公司电力科学研究院 | 一种基于ai算法的山火灾害勘查识别方法 |
| CN113989735A (zh) * | 2021-09-30 | 2022-01-28 | 南京铁辰安全技术有限公司 | 基于视频图片的人工智能烟火分析方法及系统 |
-
2022
- 2022-03-03 CN CN202210208921.1A patent/CN114558267A/zh active Pending
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201445722U (zh) * | 2009-07-10 | 2010-05-05 | 西安建筑科技大学 | 一种大型公共建筑的火灾自动报警灭火系统 |
| CN104408706A (zh) * | 2014-09-30 | 2015-03-11 | 天津艾思科尔科技有限公司 | 一种基于双波段图像的火灾检测及定位方法 |
| CN106097346A (zh) * | 2016-06-13 | 2016-11-09 | 中国科学技术大学 | 一种自学习的视频火灾探测方法 |
| CN106683039A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种生成火情态势图的系统 |
| JP2019062970A (ja) * | 2017-09-28 | 2019-04-25 | 株式会社イームズラボ | 無人消火装置、無人消火方法及び無人消火プログラム |
| CN110115819A (zh) * | 2019-05-14 | 2019-08-13 | 上海荷福人工智能科技（集团）有限公司 | 基于人工智能的消防水炮定向预警及灭火方法、存储介质和消防水炮 |
| CN110298377A (zh) * | 2019-05-21 | 2019-10-01 | 武汉坤达安信息安全技术有限公司 | 基于深层人工神经网络的数字图像中烟火检测方法 |
| US20210043069A1 (en) * | 2019-08-05 | 2021-02-11 | Factory Mutual Insurance Company | Portable 360-degree video-based fire and smoke detector and wireless alerting system |
| CN111047818A (zh) * | 2019-11-01 | 2020-04-21 | 浙江省林业技术推广总站(浙江省林业信息宣传中心) | 一种基于视频图像的森林火灾预警系统 |
| CN111111074A (zh) * | 2019-12-16 | 2020-05-08 | 山东康威通信技术股份有限公司 | 一种电力隧道消防机器人灭火调度方法及系统 |
| CN111258309A (zh) * | 2020-01-15 | 2020-06-09 | 上海锵玫人工智能科技有限公司 | 一种用于城市消防机器人的灭火方法 |
| CN111564017A (zh) * | 2020-06-04 | 2020-08-21 | 侯雨硕 | 一种森林火灾智能预警装置 |
| CN111680632A (zh) * | 2020-06-10 | 2020-09-18 | 深延科技(北京)有限公司 | 基于深度学习卷积神经网络的烟火检测方法及系统 |
| CN111695541A (zh) * | 2020-06-18 | 2020-09-22 | 深圳天海宸光科技有限公司 | 基于机器视觉的无人机森林防火系统及方法 |
| CN112043991A (zh) * | 2020-09-15 | 2020-12-08 | 河北工业大学 | 隧道导轨行进消防机器人系统及使用方法 |
| CN112580430A (zh) * | 2020-11-19 | 2021-03-30 | 重庆市科源能源技术发展有限公司 | 基于rgb视觉的电厂烟火监测方法、装置、系统和存储介质 |
| CN112349057A (zh) * | 2020-12-01 | 2021-02-09 | 北京交通大学 | 基于深度学习的室内烟雾和火灾检测方法 |
| CN112767644A (zh) * | 2020-12-31 | 2021-05-07 | 千方捷通科技股份有限公司 | 一种基于视频识别的公路隧道内火灾预警方法及装置 |
| CN112906463A (zh) * | 2021-01-15 | 2021-06-04 | 上海东普信息科技有限公司 | 基于图像的火情检测方法、装置、设备及存储介质 |
| CN113569956A (zh) * | 2021-07-29 | 2021-10-29 | 广西电网有限责任公司电力科学研究院 | 一种基于ai算法的山火灾害勘查识别方法 |
| CN113989735A (zh) * | 2021-09-30 | 2022-01-28 | 南京铁辰安全技术有限公司 | 基于视频图片的人工智能烟火分析方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115862258A (zh) * | 2022-11-22 | 2023-03-28 | 中国科学院合肥物质科学研究院 | 一种火灾监测与处置的系统、方法、设备及存储介质 |
| CN115862258B (zh) * | 2022-11-22 | 2023-09-22 | 中国科学院合肥物质科学研究院 | 一种火灾监测与处置的系统、方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109040709B (zh) | 视频监控方法及装置、监控服务器及视频监控系统 | |
| US11151864B2 (en) | System and method for monitoring a property using drone beacons | |
| CN103726879B (zh) | 利用摄像头自动捕捉矿井矿震坍塌并及时记录报警的方法 | |
| CN104299351B (zh) | 智能预警灭火机器人 | |
| CN100504942C (zh) | 智能视频监控设备模组和系统及其监控方法 | |
| JP2021514548A (ja) | 目標対象物の監視方法、装置及びシステム | |
| US20220171068A1 (en) | Damage detection and analysis using three-dimensional surface scans | |
| CN110290356A (zh) | 对象的处理方法及装置 | |
| KR102298063B1 (ko) | Cctv와 연계된 스마트 방범 드론 시스템 | |
| CN114558267A (zh) | 工业场景火灾防治系统 | |
| US10789832B2 (en) | System and method for preventing false alarms due to display images | |
| CN110928305B (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
| JP2022548009A (ja) | 物体移動システム | |
| CN210511074U (zh) | 一种基于无人机遥感和深度学习的油气管道全智能巡检系统 | |
| CN116820128A (zh) | 一种实现大片森林的自动巡防系统 | |
| CN115816487A (zh) | 基于机器人的巡检方法及装置、设备、存储介质 | |
| CN116311034A (zh) | 一种基于对比检测的机器人巡检系统 | |
| CN111973925B (zh) | 机器人协作灭火的方法、装置及系统 | |
| CN115431266A (zh) | 一种巡检方法、巡检装置及巡检机器人 | |
| CN114463873A (zh) | 用于社区的巡逻系统 | |
| KR20230121229A (ko) | 인공지능 영상 관제를 통한 산업안전보건 교육 시스템 및 방법 | |
| CN114534146A (zh) | 基于移动式电力消防灭火机器人火焰自动寻地的控制方法与系统 | |
| CN112422895A (zh) | 基于无人机的图像分析跟踪、定位系统及方法 | |
| CN112034456A (zh) | 烟雾巡检系统、方法、控制装置及存储介质 | |
| CN115990327B (zh) | 一种基于物联网的智能化消防管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220531 |