CN114758470B - 一种基于消防工程的火灾预警方法及系统 - Google Patents
一种基于消防工程的火灾预警方法及系统 Download PDFInfo
- Publication number
- CN114758470B CN114758470B CN202210676875.8A CN202210676875A CN114758470B CN 114758470 B CN114758470 B CN 114758470B CN 202210676875 A CN202210676875 A CN 202210676875A CN 114758470 B CN114758470 B CN 114758470B
- Authority
- CN
- China
- Prior art keywords
- information
- fire
- temperature sensing
- matching
- result
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire Alarms (AREA)
Abstract
本发明提供了一种基于消防工程的火灾预警方法及系统,方法包括:采集第一监测场景的历史信息;获得第一监测场景的感温探测装置的第一位置分布信息,根据第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果;对感温探测装置进行监测信息采集,获得第一感温信息;获得感烟探测装置的第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;根据所述第一匹配关联度构建结果和第一感温信息获得第一异常区域;通过感烟探测装置获得所述第一异常区域的第一感烟信息,根据第一感烟信息和第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
Description
技术领域
本发明涉及物联网相关技术领域,具体涉及一种基于消防工程的火灾预警方法及系统。
背景技术
消防预警的及时性对于火灾的防治具有较重大的意义,长期以来,传统的消防预警都是通过人为发现灾情进而报警。随着物联网技术的不断发展,智慧消防也得到了长足的应用。
目前的智慧消防技术主要依赖于针对不同的环境信息预设不同消防敏感因子阈值,进而满足阈值时进行报警,但是报警系统对于环境的自适应能力不够强,导致存在出现错误预警或者预警不及时的概率。
但本申请在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中由于消防预警系统对于环境的自适应能力不强,导致存在错误预警的概率较高的技术问题。
发明内容
本申请实施例通过提供了一种基于消防工程的火灾预警方法及系统,解决了现有技术中由于消防预警系统对于环境的自适应能力不强,导致存在错误预警的概率较高的技术问题。通过采集监测场景的历史数据,确定物品存放历史数据和分布结构;再确定感温探测装置的分布位置信息及实时采集的温度信息,将之和历史数据的对应位置进行匹配关联;再进一步确定感烟探测装置的分布位置信息时,依据感烟探测装置对所在分布位置的烟感灵敏度进行区域分割,得到灵敏度等级不同的空间划分结果;进而根据匹配关联的结果确定温度异常的区域;再对异常区域的烟感情况进行信息采集,依据空间烟感灵敏度等级对采集的烟感信息进行处理,依据处理结果进行火灾预警。基于结合历史关联信息对异常位置进行确定,再依据烟感灵敏度对烟感信息进行加工处理,相对于目前的预警方法对于环境的适应能力更强,因此达到了预警准确性更高的技术效果。
鉴于上述问题,本申请实施例提供了一种基于消防工程的火灾预警方法及系统。
第一方面,本申请实施例提供了一种基于消防工程的火灾预警方法,所述方法应用于一智能火灾预警系统,所述系统与感烟探测装置、感温探测装置通信连接,所述方法包括:采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果;对所述感温探测装置进行监测信息采集,获得第一感温信息;获得所述感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
另一方面,本申请实施例提供了一种基于消防工程的火灾预警系统,所述系统包括:第一采集单元,所述第一采集单元用于采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;第一获得单元,所述第一获得单元用于获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果;第二获得单元,所述第二获得单元用于对所述感温探测装置进行监测信息采集,获得第一感温信息;第三获得单元,所述第三获得单元用于获得感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;第四获得单元,所述第四获得单元用于根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;第一预警单元,所述第一预警单元用于通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
第三方面,本申请实施例提供了一种基于消防工程的火灾预警系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果;对所述感温探测装置进行监测信息采集,获得第一感温信息;获得所述感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警的技术方案,通过采集监测场景的历史数据,确定物品存放历史数据和分布结构;再确定感温探测装置的分布位置信息及实时采集的温度信息,将之和历史数据的对应位置进行匹配关联;再进一步确定感烟探测装置的分布位置信息时,依据感烟探测装置对所在分布位置的烟感灵敏度进行区域分割,得到灵敏度等级不同的空间划分结果;进而根据匹配关联的结果确定温度异常的区域;再对异常区域的烟感情况进行信息采集,依据空间烟感灵敏度等级对采集的烟感信息进行处理,依据处理结果进行火灾预警。基于结合历史关联信息对异常位置进行确定,再依据烟感灵敏度对烟感信息进行加工处理,相对于目前的预警方法对于环境的适应能力更强,因此达到了预警准确性更高的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种基于消防工程的火灾预警方法流程示意图;
图2为本申请实施例提供了一种基于消防工程的火灾预警方法中的根据平均亮度进行预警的方法流程示意图;
图3为本申请实施例提供了一种基于消防工程的火灾预警系统结构示意图;
图4为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一采集单元11,第一获得单元12,第二获得单元13,第三获得单元14,第四获得单元15,第一预警单元16,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请实施例通过提供了一种基于消防工程的火灾预警方法及系统,解决了现有技术中由于消防预警系统对于环境的自适应能力不强,导致存在错误预警的概率较高的技术问题。通过采集监测场景的历史数据,确定物品存放历史数据和分布结构;再确定感温探测装置的分布位置信息及实时采集的温度信息,将之和历史数据的对应位置进行匹配关联;再进一步确定感烟探测装置的分布位置信息时,依据感烟探测装置对所在分布位置的烟感灵敏度进行区域分割,得到灵敏度等级不同的空间划分结果;进而根据匹配关联的结果确定温度异常的区域;再对异常区域的烟感情况进行信息采集,依据空间烟感灵敏度等级对采集的烟感信息进行处理,依据处理结果进行火灾预警。基于结合历史关联信息对异常位置进行确定,再依据烟感灵敏度对烟感信息进行加工处理,相对于目前的预警方法对于环境的适应能力更强,因此达到了预警准确性更高的技术效果。
申请概述
消防预警的及时性对于火灾的防治具有较重大的意义,长期以来,传统的消防预警都是通过人为发现灾情进而报警。随着物联网技术的不断发展,智慧消防也得到了长足的应用。目前的智慧消防技术主要依赖于针对不同的环境信息预设不同消防敏感因子阈值,进而满足阈值时进行报警,但是报警系统对于环境的自适应能力不够强,导致存在出现错误预警或者预警不及时的概率。但现有技术中由于消防预警系统对于环境的自适应能力不强,导致存在错误预警的概率较高的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于消防工程的火灾预警方法,所述方法应用于一智能火灾预警系统,所述系统与感烟探测装置、感温探测装置通信连接,所述方法包括:采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果;对所述感温探测装置进行监测信息采集,获得第一感温信息;获得所述感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于消防工程的火灾预警方法,所述方法应用于一智能火灾预警系统,所述系统与感烟探测装置、感温探测装置通信连接,所述方法包括:
S100:采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;
具体而言,旨在提高智能火灾预警系统对于环境采集信息的识别能力,对监测场景下的环境信息,示例性地:如物品摆放位置、物品分布距离、监测场景空间结构信息、监测场景温度信息、烟雾浓度信息等环境特征信息,在历史数据中匹配类似的环境信息。进一步的,匹配方式优选的可以从基于大数据构建的云端数据库中进行匹配,其中,云端数据库是基于多种消防场景实际案例构建的历史灾害数据库。
所述第一监测场景指的是装载了智能火灾预警系统需要进行火灾预警的区域;所述第一监测场景的历史信息指的是基于第一监测场景的环境特征信息优选的在基于大数据构建的云端数据库中匹配的同类信息,包括但不限于物品历史存放信息和分布结构信息。
通过对类似场景的历史信息进行采集,可以对诸如温度、烟雾浓度等火灾敏感因子进行预设阈值,相比于依赖于经验设定的阈值更加具备科学性和客观性,达到了提高第一监测场景的火灾识别能力的技术效果。
S200:获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果;
具体而言,在匹配到类似监测场景的历史数据后,根据第一监测场景中对于火灾敏感因子采集装置的具体分布位置,从历史信息进一步关联筛选,匹配到相同分布位置满足预设数量的历史信息,并将一一对应位置的第一监测场景中的敏感因子采集装置和历史信息中的敏感因子采集装置的采集信息关联存储,便于后步调用处理。
此处以温度采集装置为例,所述感温探测装置指的是对第一监测场景中的温度信息进行实时采集的装置;所述第一位置分布信息指的是感温探测装置在第一监测场景中的分布位置信息,其中,分布位置信息的确定方式优选的为:基于第一监测场景构建三维空间网格坐标,以三维空间网格的中心点为坐标原点,以穿过中心点的互相垂直的竖直面和水平面为基准面,基准面一侧为正,另一侧为负,坐标单位可根据实际场景预设,进而可以确定多个感温探测装置的分布位置。
所述第一匹配关联度构建结果指的是使用第一位置分布信息在历史信息中遍历检索,得到历史信息中感温探测装置和第一位置分布信息相同数量满足于预设数量值的历史场景信息,并将相应位置的历史信息中感温探测装置和第一监测场景中的感温探测装置的采集数据相互关联得到的结果,便于后步比对处理,其中,预设数量指的是可自定义的筛选历史信息的相同分布位置感温探测装置最低数量。
S300:对所述感温探测装置进行监测信息采集,获得第一感温信息;
具体而言,所述第一感温信息指的是通过感温探测装置对第一监测环境中采集的实时的温度数据,进一步的,将第一感温信息和第一匹配关联度构建结果中对应位置历史温度监测信息对应存储,则历史数据中发生火灾的温度危险阈值可以成为第一感温信息敏感温度值,当第一感温信息逐渐靠近历史数据中发生火灾的温度阈值,或者升温速率超过预设升温速率时,则相应感温探测装置的分布区域则具有发生火灾的风险。
通过对第一感温信息进行采集并通过第一匹配关联度构建结果判断第一感温信息的异常情况,对于第一监测环境的适应能力较强,保证了后步的预警准确性。
S400:获得所述感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;
具体而言,第一监测环境中的火灾敏感因子具有多级的耦合关系,示例性地:如发生火灾时,该区域的温度首先升高,其次会产生烟雾,因此,温度此时为一级火灾敏感因子,烟雾为和温度耦合的二级火灾敏感因子,通过对多级的火灾敏感因子共同监测,当都满足时,才进行预警,降低了火灾预警的误报概率。
所述感烟探测装置为对第一监测环境中的烟雾浓度信息进行采集的装置;所述第二位置分布信息指的是感烟探测装置在第一监测环境中的分布位置;而不同的位置由于空气流动性的不同,导致感烟探测装置对于烟雾浓度信息的烟感灵敏度不同,所述第一区间灵敏度分级结果指的是依据感烟探测装置对于烟雾浓度信息的烟感灵敏度对第二位置分布信息进行空间区间分割之后得到的烟感灵敏度由高到底的多级空间区域。
通过对烟雾浓度信息的烟感灵敏度的不同将第一监测环境的区域进行划分,则相对于烟感灵敏度低于预设级别的区域需要特殊化处理,示例性地:基于感烟探测装置采集的历史数据确定传感数据和实际数值的差异度,根据差异度对采集的传感数据进行修正,进而得到较准确的值,根据不同的烟感灵敏度对环境进行差异化处理,提高了火灾预警的准确性。
S500:根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;
S600:通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
具体而言,所述第一异常区域指的是通过对第一感温信息进行采集并通过第一匹配关联度构建结果确定的第一感温信息处于异常情况的区域;所述第一感烟信息指的是当一级火灾敏感因子的第一感温信息处于异常时,将相应区域的感烟探测装置上传得到的结果,即第一异常区域的烟雾浓度信息;进一步的,根据第一区间灵敏度分级结果对第一感烟信息进行处理,将处理之后的第一感烟信息和烟雾浓度阈值进行比对,若是大于等于烟雾浓度阈值,则发出报警;若是变化趋势是接近于烟雾浓度阈值,则发出预警,通知相关工作人员进行确定。
通过针对火灾敏感因子对第一监测环境进行区域划分,提高了火灾敏感因子对于第一监测环境的适应性,再通过多级的火灾敏感因子进行层级判断,提高了火灾预警的精细性,保证了火灾预警的准确率。
进一步的,所述方法步骤S500还包括:
S510:通过大数据获得感温信息特征集合和匹配关联度特征集合,其中,所述匹配关联度特征集合与所述感温信息特征集合具有对应关系;
S520:根据所述感温信息特征集合进行感温变化特征提取,获得第一感温变化特征集合;
S530:将所述感温变化特征集合和所述匹配关联度特征集合输入特征生成模型,获得第一特征集合;
S540:通过特征判别模型进行所述第一特征集合进行特征判别,获得第二特征集合;
S550:根据所述第一匹配关联度构建结果、所述第一感温信息与所述第二特征集合的匹配度获得所述第一异常区域。
具体而言,对于第一异常区域的确定方法可以依据第一匹配关联度构建结果比对同类火灾监测场景中的火灾预警情况,但是由于判断样本的缺乏,导致判断结果的准确性难以稳定,优选的可以通过生成对抗网络基于原有信息对和原有信息相关联的数据进行加工处理,进而得到以假乱真的多组判断样本。
所述感温信息特征集合指的是基于第一匹配关联度构建结果中的历史数据确定的同类监测场景下的具有火灾风险的温度敏感阈值,示例性地如:产生火灾的最低温度、具有火灾风险的最低升温速率等特征信息;所述匹配关联度特征集合指的是和第一监测场景关联度较高的历史场景下的具有火灾风险的和温度敏感阈值关联的其他敏感阈值,示例性地:如干燥度等。其中,和第一监测场景的同类监测场景优选的监测物品摆放及感温探测装置分布位置相似度大于等于95%的历史场景;而和第一监测场景关联度较高的历史场景优选的为监测物品摆放及感温探测装置分布位置相似度大于等于60%且小于95%的历史场景,具体的相似度计算方式可以依据监测物品摆放及感温探测装置分布位置的重叠数量进行设定,在此不做限制。
所述第一感温变化特征集合指的是对感温信息特征集合进行分类处理得到的结果,依据不同类型的温度敏感阈值分类存储,得到多组的温度敏感阈值数据,每一组对应于一个类别的温度敏感阈值;进一步的,所述特征生成模型指的是基于多层感知机网络构建的对匹配关联度特征集合进行处理生成和感温变化特征集合关联度较高的数据的模型;所述特征判别模型指的是多层感知机网络构建的对特征生成模型的生成结果的真实性进行打分的模型。
更进一步的,将感温变化特征集合和匹配关联度特征集合输入特征生成模型,得到所述第一特征集合,再将第一特征集合通过特征判别模型进行打分,进行可以依据打分结果筛选出可以进行使用的判断样本数据集,记为所述第二特征集合。其中,第二特征集合又可以作为特征生成模型的输出训练数据,第一特征集合可以作为特征判别模型的训练输入数据,进而提高整个生成对抗网络的信息加工准确性。
更进一步的,依据第一匹配关联度构建结果比对同类火灾监测场景中的火灾预警情况匹配出第二特征集合,进而依据第一感温信息与第二特征集合的比对结果,确定相应区域的温度异常程度,若是无异常则持续监测,若是异常则进行后步进程。
通过生成对抗网络基于原有信息对和原有信息相关联的数据进行加工处理,进而得到以假乱真的多组判断样本对于第一监测环境的适应程度较高,提高了预警的准确性。
进一步的,所述方法步骤S550还包括:
S551:获得所述第一感温信息与所述第二特征集合中的感温变化特征的第一匹配度;
S552:当匹配的感温变化特征满足第一预设条件且所述第一匹配度大于预定匹配度阈值时,获得第一异常标定区域;
S553:当匹配的感温变化特征不满足所述第一预设条件,通过所述第二特征集合获得所述感温变化特征对应的匹配关联度特征;
S554:获得所述第一匹配关联度构建结果与所述匹配关联度特征的第二匹配度;
S555:当所述第一匹配度和所述第二匹配度满足第二预设条件时,获得第二异常标定区域;
S556:根据所述第一异常标定区域和所述第二异常标定区域获得所述第一异常区域。
具体而言,所述第一匹配度指的是将第一感温信息与第二特征集合中的感温变化特征表征的温度敏感阈值进行比对得到的结果,示例性地如:温度值和产生火灾的最低温度的差值,升温速率和具有火灾风险的最低升温速率差值。
进一步的,对温度敏感阈值进行分级,一级的温度敏感阈值设为第一预设条件,将二级的温度敏感阈值设为预定匹配度阈值,示例性地:将产生火灾的最低温度设为第一预设条件,而将表征具有火灾风险的最低升温速率设为预定匹配度阈值,当前温度和产生火灾的最低温度的差值满足预设差值,即低于产生火灾的最低温度但是差值处于较危险的区间之内,则表示满足第一预设条件,将升温速率和具有火灾风险的最低升温速率比对,若是升温速率大于等于具有火灾风险的最低升温速率,则表示满足预定匹配度阈值,发生火灾风险较大,所以标定为所述第一异常标定区域。
当前温度和产生火灾的最低温度的差值不满足预设差值时,则需要从匹配关联度特征评估对应监测场景内的火灾风险,示例性地:若是第一监测场景的匹配关联度特征为干燥度,则可以使用湿度传感装置采集第一监测场景对应感温探测装置处的干湿度信息,将具体火灾风险的湿度的降低速率设为第二预设条件,将实时采集的干湿度信息和第二预设条件比对,若是满足,则将对应位置记为所述第二异常标定区域;进一步的,当遍历完第一监测场景中感温探测装置多个分布位置的异常情况,将确定的第一异常标定区域和第二异常标定区域设为第一异常区域。
在除开温度之外,基于第一监测场景的实际环境匹配的匹配关联度特征对火灾风险进行评估,得到的匹配关联度特征在第一监测场景中的适用程度较高,在提高评估维度的同时,提高了评估准确性。
进一步的,基于所述智能火灾预警系统还与图像采集装置通信连接,所述方法还包括步骤S700:
S710:通过所述图像采集装置进行所述第一异常区域的图像采集,获得第一图像集合;
S720:对所述第一图像集合进行灰度处理,获得第二图像集合;
S730:根据所述第二图像集合进行图像的像素值分析处理,获得所述第二图像集合的第一平均亮度值;
S740:根据所述第一平均亮度值获得所述火灾评估结果。
具体而言,所述图像采集装置指的是部署在第一监测场景中对火灾进行监测的摄像装置;所述第一图像集合指的是当第一异常区域确定之后,通过图像采集装置将第一异常区域的实时状态图像依据时序进行上传至智能火灾预警系统之后得到的结果;所述第二图像集合指的是对第一图像集合进行灰度处理之后得到的结果,灰度处理指的是将彩色图像转换为灰度图像的过程;所述第一平均亮度值指的是对第二图像集合进行像素值分析,得到的表征第一异常区域平均亮度的信息,由于在灰度图像中,亮度即为灰度,计算像素值即可,相对颜色空间中的对比度表征亮度计算较为简便;所述火灾评估结果指的是表征当第一平均亮度值超过预设亮度时,则表示出现火灾概率较大,需要发出预警指令的信息,其中,预设亮度为可自定义的发生火灾时的亮度阈值参数。通过第一异常区域中的亮度对火灾概率进行评估,增加了火灾评估维度,提高了预警的准确性。
进一步的,所述方法还包括步骤S800:
S810:根据所述第一图像集合获得第一场景变动信息;
S820:根据所述第一场景变动信息和所述第一位置分布信息获得第二匹配关联度构建结果;
S830:根据所述第二匹配关联度构建结果和所述第一感温信息获得第一异常修正区域;
S840:根据所述第一异常修正区域获得所述火灾评估结果。
具体而言,所述第一场景变动信息指的是从第一图像集合中采集的第一监测场景中的物品分布位置变化信息;所述第二匹配关联度构建结果指的是基于第一场景变动信息和第一位置分布信息从历史信息中遍历检索,得到历史信息中感温探测装置和第一位置分布信息相同的数量满足于预设数量值的同类历史场景信息;进一步的,由于第一监测场景中的物品分布位置变化,则对应的异常位置也会出现变化,所述第一异常修正区域指的是根据第二匹配关联度构建结果和第一感温信息对异常区域进行修正之后得到结果;根据第一异常修正区域对火灾评估结果进行调整,进而提高了预警信息对于环境动态变化的适应能力。
进一步的,如图2所示,所述方法还包括步骤S900:
S910:根据第一区间灵敏度分级结果获得所述第一异常区域的第一匹配区间分级;
S920:根据所述第一感烟信息和所述第一匹配区间分级进行所述第一异常区域的火灾评估,获得第一火灾评估参数;
S930:根据所述第一平均亮度值获得第二火灾评估参数;
S940:通过所述第一火灾评估参数和所述第二火灾评估参数获得所述火灾评估结果。
具体而言,所述第一异常区域的第一匹配区间分级指的是根据第一区间灵敏度分级结果对第一异常区域进行灵敏度分级得到的结果,而在不同的区间灵敏度分级结果中,需要对第一感烟信息进行不同的处理,因此将第一匹配区间分级对第一感烟信息的加工处理后的感烟信息设为所述第一火灾评估参数;将第一平均亮度值设为所述第二火灾评估参数;根据第一火灾评估参数和第二火灾评估参数对第一异常区域进行火灾风险评估,得到火灾评估结果,评估方式在以上已经阐述,在此不多加赘述。
通过将亮度值及感烟信息添加进对异常区域的火灾概率的评估要素,由于增加了评估维度,提高了评估结果的准确性,而在其他类型的监测环境中,可能多级的火灾敏感因子又不相同,但是评估原理都是相同的,也应在本申请的保护范围之内。
进一步的,所述方法包括步骤S1000:
S1010:根据所述第一异常区域确定第一异常物品;
S1020:进行所述第一异常物品的参数读取,获得所述第一异常物品的参数变化趋势;
S1030:根据所述参数变化趋势进行火灾评估,根据火灾评估结果进行火灾预警。
具体而言,所述第一异常物品指的是第一异常区域展现异常状态的物品,一般为精密仪器,示例性地:冒烟的电子仪器,急剧升温的仪器等;所述第一异常物品的参数变化趋势指的是对第一异常物品的可读取参数进行读取之后得到的结果,示例性地:急剧升温的仪器的工载参数变化趋势等;进一步的,根据第一异常物品的参数变化趋势可以判断是否处于超载或者满载状态,若是处于超载或者满载状态,则发生火灾风险概率较大,则需要进行火灾预警。
通过对可读取工作参数的第一异常区域中的物品进行参数读取,提高了评估结果对于环境的适应性,降低误报警率,提高了火灾预警的准确性。
综上所述,本申请实施例所提供的一种基于消防工程的火灾预警方法及系统具有如下技术效果:
1.本申请实施例通过提供了一种基于消防工程的火灾预警方法及系统,解决了现有技术中由于消防预警系统对于环境的自适应能力不强,导致存在错误预警的概率较高的技术问题。通过采集监测场景的历史数据,确定物品存放历史数据和分布结构;再确定感温探测装置的分布位置信息及实时采集的温度信息,将之和历史数据的对应位置进行匹配关联;再进一步确定感烟探测装置的分布位置信息时,依据感烟探测装置对所在分布位置的烟感灵敏度进行区域分割,得到灵敏度等级不同的空间划分结果;进而根据匹配关联的结果确定温度异常的区域;再对异常区域的烟感情况进行信息采集,依据空间烟感灵敏度等级对采集的烟感信息进行处理,依据处理结果进行火灾预警。基于结合历史关联信息对异常位置进行确定,再依据烟感灵敏度对烟感信息进行加工处理,相对于目前的预警方法对于环境的适应能力更强,因此达到了预警准确性更高的技术效果。
2.通过对可读取工作参数的第一异常区域中的物品进行参数读取,提高了评估结果对于环境的适应性,降低误报警率,提高了火灾预警的准确性。
实施例二
基于与前述实施例中一种基于消防工程的火灾预警方法相同的发明构思,如图3所示,本申请实施例提供了一种基于消防工程的火灾预警系统,所述系统包括:
第一采集单元11,所述第一采集单元11用于采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;
第一获得单元12,所述第一获得单元12用于获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果;
第二获得单元13,所述第二获得单元13用于对所述感温探测装置进行监测信息采集,获得第一感温信息;
第三获得单元14,所述第三获得单元14用于获得感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;
第四获得单元15,所述第四获得单元15用于根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;
第一预警单元16,所述第一预警单元16用于通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
进一步的,所述系统还包括:
第五获得单元,所述第五获得单元用于通过大数据获得感温信息特征集合和匹配关联度特征集合,其中,所述匹配关联度特征集合与所述感温信息特征集合具有对应关系;
第六获得单元,所述第六获得单元用于根据所述感温信息特征集合进行感温变化特征提取,获得第一感温变化特征集合;
第七获得单元,所述第七获得单元用于将所述感温变化特征集合和所述匹配关联度特征输入特征生成模型,获得第一特征集合;
第八获得单元,所述第八获得单元用于通过特征判别模型进行所述第一特征集合进行特征判别,获得第二特征集合;
第九获得单元,所述第九获得单元用于根据所述第一匹配关联度构建结果、所述第一感温信息与所述第二特征集合的匹配度获得所述第一异常区域。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于获得所述第一感温信息与所述第二特征集合中的感温变化特征的第一匹配度;
第十一获得单元,所述第十一获得单元用于当匹配的感温变化特征满足第一预设条件且所述第一匹配度大于预定匹配度阈值时,获得第一异常标定区域;
第十二获得单元,所述第十二获得单元用于当匹配的感温变化特征不满足所述第一预设条件,通过所述第二特征集合获得所述感温变化特征对应的匹配关联度特征;
第十三获得单元,所述第十三获得单元用于获得所述第一匹配关联度构建结果与所述匹配关联度特征的第二匹配度;
第十四获得单元,所述第十四获得单元用于当所述第一匹配度和所述第二匹配度满足第二预设条件时,获得第二异常标定区域;
第十五获得单元,所述第十五获得单元用于根据所述第一异常标定区域和所述第二异常标定区域获得所述第一异常区域。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于通过所述图像采集装置进行所述第一异常区域的图像采集,获得第一图像集合;
第十七获得单元,所述第十七获得单元用于对所述第一图像集合进行灰度处理,获得第二图像集合;
第十八获得单元,所述第十八获得单元用于根据所述第二图像集合进行图像的像素值分析处理,获得所述第二图像集合的第一平均亮度值;
第二十获得单元,所述第二十获得单元用于根据所述第一平均亮度值获得所述火灾评估结果。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于根据所述第一图像集合获得第一场景变动信息;
第二十二获得单元,所述第二十二获得单元用于根据所述第一场景变动信息和所述第一位置分布信息获得第二匹配关联度构建结果;
第二十三获得单元,所述第二十三获得单元用于根据所述第二匹配关联度构建结果和所述第一感温信息获得第一异常修正区域;
第二十四获得单元,所述第二十四获得单元用于根据所述第一异常修正区域获得所述火灾评估结果。
进一步的,所述系统还包括:
第二十获五得单元,所述第二十五获得单元用于根据第一区间灵敏度分级结果获得所述第一异常区域的第一匹配区间分级;
第二十六获得单元,所述第二十六获得单元用于根据所述第一感烟信息和所述第一匹配区间分级进行所述第一异常区域的火灾评估,获得第一火灾评估参数;
第二十七获得单元,所述第二十七获得单元用于根据所述第一平均亮度值获得第二火灾评估参数;
第二十八获得单元,所述第二十八获得单元用于通过所述第一火灾评估参数和所述第二火灾评估参数获得所述火灾评估结果。
进一步的,所述系统还包括:
第一确定单元,所述第一确定单元用于根据所述第一异常区域确定第一异常物品;
第二十九获得单元,所述第二十九获得单元用于进行所述第一异常物品的参数读取,获得所述第一异常物品的参数变化趋势;
第二预警单元,所述第二预警单元用于根据所述参数变化趋势进行火灾评估,根据火灾评估结果进行火灾预警。
示例性电子设备
下面参考图4来描述本申请实施例的电子设备。
基于与前述实施例中一种基于消防工程的火灾预警方法相同的发明构思,本申请实施例还提供了一种基于消防工程的火灾预警系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的系统,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdisc
read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种基于消防工程的火灾预警方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例通过提供了一种基于消防工程的火灾预警方法及系统,解决了现有技术中由于消防预警系统对于环境的自适应能力不强,导致存在错误预警的概率较高的技术问题。通过采集监测场景的历史数据,确定物品存放历史数据和分布结构;再确定感温探测装置的分布位置信息及实时采集的温度信息,将之和历史数据的对应位置进行匹配关联;再进一步确定感烟探测装置的分布位置信息时,依据感烟探测装置对所在分布位置的烟感灵敏度进行区域分割,得到灵敏度等级不同的空间划分结果;进而根据匹配关联的结果确定温度异常的区域;再对异常区域的烟感情况进行信息采集,依据空间烟感灵敏度等级对采集的烟感信息进行处理,依据处理结果进行火灾预警。基于结合历史关联信息对异常位置进行确定,再依据烟感灵敏度对烟感信息进行加工处理,相对于目前的预警方法对于环境的适应能力更强,因此达到了预警准确性更高的技术效果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑系统,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种基于消防工程的火灾预警方法,其特征在于,所述方法应用于一智能火灾预警系统,所述系统与感烟探测装置、感温探测装置通信连接,所述方法包括:
采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;
获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果,具体为:在匹配到类似监测场景的历史数据后,根据第一监测场景中对于火灾敏感因子采集装置的具体分布位置,从历史信息进一步关联筛选,匹配到相同分布位置满足预设数量的历史信息,并将一一对应位置的第一监测场景中的敏感因子采集装置和历史信息中的敏感因子采集装置的采集信息关联存储;所述第一匹配关联度构建结果指的是使用第一位置分布信息在历史信息中遍历检索,得到历史信息中感温探测装置和第一位置分布信息相同数量满足于预设数量值的历史场景信息,并将相应位置的历史信息中感温探测装置和第一监测场景中的感温探测装置的采集数据相互关联得到的结果,其中,预设数量指的是可自定义的筛选历史信息的相同分布位置感温探测装置最低数量;
对所述感温探测装置进行监测信息采集,获得第一感温信息;
获得所述感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;
根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;
通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过大数据获得感温信息特征集合和匹配关联度特征集合,其中,所述匹配关联度特征集合与所述感温信息特征集合具有对应关系;
根据所述感温信息特征集合进行感温变化特征提取,获得第一感温变化特征集合;
将所述感温变化特征集合和所述匹配关联度特征输入特征生成模型,获得第一特征集合;
通过特征判别模型进行所述第一特征集合进行特征判别,获得第二特征集合;
根据所述第一匹配关联度构建结果、所述第一感温信息与所述第二特征集合的匹配度获得所述第一异常区域;
其中,所述感温信息特征集合指的是基于第一匹配关联度构建结果中的历史数据确定的同类监测场景下的具有火灾风险的温度敏感阈值;所述匹配关联度特征集合指的是和第一监测场景关联度较高的历史场景下的具有火灾风险的和温度敏感阈值关联的其他敏感阈值;所述第一感温变化特征集合指的是对感温信息特征集合进行分类处理得到的结果,依据不同类型的温度敏感阈值分类存储,得到多组的温度敏感阈值数据,每一组对应于一个类别的温度敏感阈值;所述特征生成模型指的是基于多层感知机网络构建的对匹配关联度特征集合进行处理生成和感温变化特征集合关联度较高的数据的模型;所述特征判别模型指的是多层感知机网络构建的对特征生成模型的生成结果的真实性进行打分的模型,将感温变化特征集合和匹配关联度特征集合输入特征生成模型,得到所述第一特征集合,再将第一特征集合通过特征判别模型进行打分,依据打分结果筛选出可以进行使用的判断样本数据集,记为所述第二特征集合,进而依据第一感温信息与第二特征集合的比对结果,确定相应区域的温度异常程度,若是无异常则持续监测,若是异常则进行后步进程。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
获得所述第一感温信息与所述第二特征集合中的感温变化特征的第一匹配度;
当匹配的感温变化特征满足第一预设条件且所述第一匹配度大于预定匹配度阈值时,获得第一异常标定区域;
当匹配的感温变化特征不满足所述第一预设条件,通过所述第二特征集合获得所述感温变化特征对应的匹配关联度特征;
获得所述第一匹配关联度构建结果与所述匹配关联度特征的第二匹配度;
当所述第一匹配度和所述第二匹配度满足第二预设条件时,获得第二异常标定区域;
根据所述第一异常标定区域和所述第二异常标定区域获得所述第一异常区域。
4.如权利要求1所述的方法,其特征在于,所述智能火灾预警系统还与图像采集装置通信连接,所述方法还包括:
通过所述图像采集装置进行所述第一异常区域的图像采集,获得第一图像集合;
对所述第一图像集合进行灰度处理,获得第二图像集合;
根据所述第二图像集合进行图像的像素值分析处理,获得所述第二图像集合的第一平均亮度值;
根据所述第一平均亮度值获得所述火灾评估结果。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述第一图像集合获得第一场景变动信息;
根据所述第一场景变动信息和所述第一位置分布信息获得第二匹配关联度构建结果;
根据所述第二匹配关联度构建结果和所述第一感温信息获得第一异常修正区域;
根据所述第一异常修正区域获得所述火灾评估结果。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
根据第一区间灵敏度分级结果获得所述第一异常区域的第一匹配区间分级;
根据所述第一感烟信息和所述第一匹配区间分级进行所述第一异常区域的火灾评估,获得第一火灾评估参数;
根据所述第一平均亮度值获得第二火灾评估参数;
通过所述第一火灾评估参数和所述第二火灾评估参数获得所述火灾评估结果。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
根据所述第一异常区域确定第一异常物品;
进行所述第一异常物品的参数读取,获得所述第一异常物品的参数变化趋势;
根据所述参数变化趋势进行火灾评估,根据所述火灾评估结果进行火灾预警。
8.一种基于消防工程的火灾预警系统,其特征在于,所述系统包括:
第一采集单元,所述第一采集单元用于采集第一监测场景的历史信息,所述第一监测场景的历史信息包括目标火灾监测场景下的物品历史存放信息和结构信息;
第一获得单元,所述第一获得单元用于获得所述第一监测场景的感温探测装置的第一位置分布信息,根据所述第一位置分布信息和所述历史信息进行匹配关联度构建,获得第一匹配关联度构建结果,具体为:在匹配到类似监测场景的历史数据后,根据第一监测场景中对于火灾敏感因子采集装置的具体分布位置,从历史信息进一步关联筛选,匹配到相同分布位置满足预设数量的历史信息,并将一一对应位置的第一监测场景中的敏感因子采集装置和历史信息中的敏感因子采集装置的采集信息关联存储;所述第一匹配关联度构建结果指的是使用第一位置分布信息在历史信息中遍历检索,得到历史信息中感温探测装置和第一位置分布信息相同数量满足于预设数量值的历史场景信息,并将相应位置的历史信息中感温探测装置和第一监测场景中的感温探测装置的采集数据相互关联得到的结果,其中,预设数量指的是可自定义的筛选历史信息的相同分布位置感温探测装置最低数量;
第二获得单元,所述第二获得单元用于对所述感温探测装置进行监测信息采集,获得第一感温信息;
第三获得单元,所述第三获得单元用于获得感烟探测装置的第二位置分布信息,根据所述第二位置分布信息进行灵敏度的空间区间分割,获得第一区间灵敏度分级结果;
第四获得单元,所述第四获得单元用于根据所述第一匹配关联度构建结果和所述第一感温信息获得第一异常区域;
第一预警单元,所述第一预警单元用于通过所述感烟探测装置获得所述第一异常区域的第一感烟信息,根据所述第一感烟信息和所述第一区间灵敏度分级结果进行火灾评估,根据火灾评估结果进行火灾预警。
9.一种基于消防工程的火灾预警系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,其特征在于,当所述程序被所述处理器执行时,使系统以执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210676875.8A CN114758470B (zh) | 2022-06-16 | 2022-06-16 | 一种基于消防工程的火灾预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210676875.8A CN114758470B (zh) | 2022-06-16 | 2022-06-16 | 一种基于消防工程的火灾预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114758470A CN114758470A (zh) | 2022-07-15 |
CN114758470B true CN114758470B (zh) | 2022-10-21 |
Family
ID=82336894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210676875.8A Active CN114758470B (zh) | 2022-06-16 | 2022-06-16 | 一种基于消防工程的火灾预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114758470B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188920B (zh) * | 2022-11-26 | 2024-04-26 | 中国消防救援学院 | 一种基于智能自感温的消防灭火定向辅助方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107331101A (zh) * | 2017-08-25 | 2017-11-07 | 郑州云海信息技术有限公司 | 基于云计算的楼宇火灾报警系统及方法 |
CN109686036B (zh) * | 2019-01-09 | 2020-12-22 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火灾监控方法、装置及边缘计算装置 |
CN113378968A (zh) * | 2021-06-28 | 2021-09-10 | 北京辰安科技股份有限公司 | 基于K-means聚类的建筑火灾分级分类方法和装置 |
CN113936413B (zh) * | 2021-12-03 | 2023-06-06 | 西南石油大学 | 一种早期火灾监测预警方法和装置 |
CN114333207A (zh) * | 2021-12-30 | 2022-04-12 | 北京航天泰坦科技股份有限公司 | 基于遥感数据的火灾全过程监测方法和装置 |
-
2022
- 2022-06-16 CN CN202210676875.8A patent/CN114758470B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114758470A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5469375A (en) | Device for identifying the type of particle detected by a particle detecting device | |
CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
CN112258093A (zh) | 风险等级的数据处理方法及装置、存储介质、电子设备 | |
CN113608566B (zh) | 一种纺织车间的环境监控调整方法及系统 | |
CN111782484B (zh) | 一种异常检测方法及装置 | |
CN114758470B (zh) | 一种基于消防工程的火灾预警方法及系统 | |
CN115484112B (zh) | 支付大数据安全防护方法、系统及云平台 | |
US11265232B2 (en) | IoT stream data quality measurement indicator and profiling method and system therefor | |
CN110866558A (zh) | 一种基于多源数据融合分析的旋转设备状态预警方法 | |
CN113553319A (zh) | 基于信息熵加权的lof离群点检测清洗方法、装置、设备及存储介质 | |
CN112036269A (zh) | 跌倒检测方法、装置、计算机设备和存储介质 | |
CN113961827B (zh) | 一种区域防控风险的检测方法及装置 | |
CN112291193B (zh) | 一种基于NCS-SVM的LDoS攻击检测方法 | |
CN114445669A (zh) | 一种烟火告警方法、装置、电子设备及存储介质 | |
CN112418313B (zh) | 一种大数据在线噪声过滤系统与方法 | |
Hongwei et al. | A method for detecting abnormal changes in the temperature field of grain bulk based on HSV features of cloud maps | |
CN113554850A (zh) | 一种5g网络实时预警方法及系统 | |
CN113722485A (zh) | 一种异常数据识别分类方法、系统及存储介质 | |
CN107809430B (zh) | 一种基于极值点分类的网络入侵检测方法 | |
JP6457728B2 (ja) | 層流煙検出装置および層流煙検出方法 | |
CN112015960A (zh) | 车载雷达测量数据的聚类方法、存储介质和电子装置 | |
CN116699243B (zh) | 一种防静电产品性能智能分析方法及系统 | |
CN117216454B (zh) | 基于模糊非概率的可靠性评估方法、装置、终端及存储介质 | |
CN117472286B (zh) | 一种基于人工智能的芯片数据存储系统及方法 | |
Fan | Evaluation of Machine Learning Methods for Image Classification: A Case Study of Facility Surface Damage |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |