CN115424404A - 一种具有火灾报警功能的照明系统 - Google Patents
一种具有火灾报警功能的照明系统 Download PDFInfo
- Publication number
- CN115424404A CN115424404A CN202211084298.XA CN202211084298A CN115424404A CN 115424404 A CN115424404 A CN 115424404A CN 202211084298 A CN202211084298 A CN 202211084298A CN 115424404 A CN115424404 A CN 115424404A
- Authority
- CN
- China
- Prior art keywords
- fire
- module
- flame
- level
- neural network
- 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
- 239000000779 smoke Substances 0.000 claims abstract description 51
- 238000003062 neural network model Methods 0.000 claims abstract description 37
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 36
- 238000012544 monitoring process Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 abstract description 3
- 238000009434 installation Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000002265 prevention Effects 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
- G08B17/10—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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- 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
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
- G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
- G08B5/36—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission using visible light sources
- G08B5/38—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission using visible light sources using flashing light
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Electromagnetism (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开了一种具有火灾报警功能的照明系统,涉及火灾预警技术领域,设置温度收集模块实时收集环境温度;设置烟雾收集模块实时收集环境中产生烟雾的浓度数据;设置图像收集模块实时获取环境图像;设置火焰识别模块预先训练识别火焰以及根据火焰范围和明亮程度判断火灾严重程度的神经网络模型;并使用神经网络模型判断环境中火灾的严重程度;设置火灾级别判定模块综合环境温度、环境烟雾浓度数据以及火灾严重程度,计算出火灾级别;设置照明预警模块对不同级别的火灾以不同颜色、亮度以及频率开启照明系统;保证及时通过显眼的应急照明灯提醒火灾的发生。
Description
技术领域
本发明属于照明技术领域,涉及火灾报警的照明系统技术,具体是一种具有火灾报警功能的照明系统。
背景技术
在日常生活中,由于建筑物内人口密度的增加,煤气天然气、各种家用电器设备和公用电器设备使用中出现的可燃气体泄漏、电气设备过载、过热、短路、保护老化等不安全因素,都存在火灾隐患;火灾防控越来越受到人们的重视;虽然在各处的地方设置的报警装置,但范围却不是很广,只限于一些特定的地方,一旦发生火灾,不能及时的进行报警提示,将对人的财产造成极大的危害,因此需要一种早期发现火灾且显眼的方法,以便控制和扑灭火灾,减少损失,保障生命安全;
为此,提出一种具有火灾报警功能的照明系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种具有火灾报警功能的照明系统,该一种具有火灾报警功能的照明系统设置温度收集模块实时收集环境温度;设置烟雾收集模块实时收集环境中产生烟雾的浓度数据;设置图像收集模块实时获取环境图像;设置火焰识别模块预先训练识别火焰以及根据火焰范围和明亮程度判断火灾严重程度的神经网络模型;并使用神经网络模型判断环境中火灾的严重程度;设置火灾级别判定模块综合环境温度、环境烟雾浓度数据以及火灾严重程度,计算出火灾级别;设置照明预警模块对不同级别的火灾以不同颜色、亮度以及频率开启照明系统;保证及时通过显眼的应急照明灯提醒火灾的发生。
为实现上述目的,根据本发明的第一方面的实施例提出一种具有火灾报警功能的照明系统,包括温度收集模块、烟雾收集模块、图像收集模块、火焰识别模块、火灾级别判定模块以及照明预警模块;其中,各个模块之间通过电气方式连接;
其中,所述温度收集模块主要用于实时收集照明系统周围的温度数据;
所述温度收集模块包括在照明系统周围安装的若干温度传感器;每个温度传感器实时获取环境温度,并实时将检测到的温度数据发送至火灾级别判定模块;每个温度传感器安装的位置根据实际经验设置;
其中,所述烟雾收集模块主要用于实时收集照明系统周围的烟雾浓度;
所述烟雾收集模块包括在照明系统周围安装的若干烟雾浓度传感器;每个烟雾浓度传感器实时获取周围环境的烟雾浓度;并实时将检测到的烟雾浓度发送至火灾级别判定模块;每个烟雾浓度传感器安装的位置根据实际经验设置;
其中,所述图像收集模块主要用于实时收集照明系统周围的环境视频数据;
所述图像收集模块包括在照明系统周围安装的监控摄像头;每个监控摄像头实时获取照明系统周围环境的画面;每个监控摄像头实时将拍摄的画面发送至火焰识别模块;监控摄像头安装的位置根据照明系统实际周围环境设置;且保证监控摄像头拍摄的画面包含照明系统周围环境的所有角落;
所述火焰识别模块主要用于识别画面中是否具有火焰以及根据火焰覆盖的范围和火焰明亮程度判断火势大小;
所述火焰识别模块预先根据各个监控摄像头位置,通过图像拼接技术将监控摄像头拍摄的画面拼接成完整的环境画面;
具体的,所述火焰识别模块判断环境中火势大小包括以下步骤:
步骤S1:所述火焰识别模块预先收集若干张带有火焰画面以及不带有火焰画面的图像;并将带有火焰画面的图像标记为1,不带有火焰画面的图像标记为0;
步骤S2:所述火焰识别模块将所有图像作为输入,输入至CNN神经网络模型中;其中,该CNN神经网络模型将是否带有火焰标记作为输出,图像的实际标记作为预测的目标值;预测准确率作为CNN神经网络的目标;
步骤S3:训练CNN神经网络模型,直至预测准确率达到95%,停止训练,将该CNN神经网络模型标记为M1;
步骤S4:所述火焰识别模块预先收集若干张火灾照片,并根据每张火灾照片的火灾范围以及火焰明亮程度为火灾照片进行标记;所述标记为火灾严重程度;具体的,可使用数字对火灾严重程度进行标记;例如:1代表小型火势;火灾严重程度根据实际火势情况进行划分;
步骤S5:所述火焰识别模块将所有火灾图像作为输入,输入至CNN神经网络模型中;其中,该CNN神经网络模型将火灾严重程度标记作为输出,图像的火灾实际严重程度标记作为预测的目标值;预测准确率作为CNN神经网络的目标;
步骤S6:训练CNN神经网络模型,直至预测准确率达到95%,停止训练,将该CNN神经网络模型标记为M2;
步骤S7:所述火焰识别模块实时使用CNN神经网络模型M1判断监控画面中是否带有火焰;若判断监控画面中有火焰,转至步骤S8;否则,不做处理;
步骤S8:所述火焰识别模块实时使用CNN神经网络模型M2计算出监控画面中火灾的严重程度标记;
所述火焰识别模块将火灾严重程度发送至火灾级别判定模块;
其中,所述火灾级别判定模块主要用于根据环境温度、环境烟雾浓度以及火灾严重程度判定火灾的级别;
所述火灾级别判定模块判定火灾级别包括以下步骤:
步骤P1:所述火灾级别判定模块从所有温度传感器中获取最高的温度,并将最高温度标记为T;
步骤P2:所述火灾级别判定模块从所有烟雾浓度传感器中获取最高的烟雾浓度,并将最高的烟雾浓度标记为S;
步骤P3:所述火灾级别判定模块将火灾严重程度标记为Y;
步骤P4:所述火灾级别判定模块计算火灾系数L;其中火灾系数L的计算方式为L=a*T+b*S+c*Y;其中,a,b,c分别为根据实际经验设置的比例系数;
步骤P5:所述火灾级别判定模块根据实际经验设置火灾级别等级阈值;并根据火灾系数L判断火灾所处的级别;将该级别标记为I;
步骤P6:所述火灾级别判定模块将火灾级别I发送至照明预警模块;
其中,所述照明预警模块主要用于根据火灾级别开启照明系统,并进行预警;
所述照明预警模块预先为照明设备设置在不同火灾级别下的闪烁颜色、闪烁亮度以及闪烁频率;所述照明预警模块在接收到火灾级别I后,根据火灾级别以对应级别的闪烁颜色、闪烁亮度和闪烁频率开启照明装置;用于提醒火灾的发生以及火灾发生的级别。
与现有技术相比,本发明的有益效果是:
本发明设置温度收集模块实时收集环境温度;设置烟雾收集模块实时收集环境中产生烟雾的浓度数据;设置图像收集模块实时获取环境图像;设置火焰识别模块预先训练识别火焰以及根据火焰范围和明亮程度判断火灾严重程度的神经网络模型;并使用神经网络模型判断环境中火灾的严重程度;设置火灾级别判定模块综合环境温度、环境烟雾浓度数据以及火灾严重程度,计算出火灾级别;设置照明预警模块对不同级别的火灾以不同颜色、亮度以及频率开启照明系统;及时通过显眼的应急照明灯提醒火灾的发生。
附图说明
图1为本发明的原理图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
如图1所示,一种具有火灾报警功能的照明系统,包括温度收集模块、烟雾收集模块、图像收集模块、火焰识别模块、火灾级别判定模块以及照明预警模块;其中,各个模块之间通过电气方式连接;
可以理解的是,火灾的发生一般伴随着温度的急剧升高、烟雾浓度不断上升以及产生火焰,且火焰范围不断扩大,颜色越加明亮;因此,根据温度数据、烟雾浓度数据以及火焰范围和颜色,可综合判断出火灾的发生情况;
其中,所述温度收集模块主要用于实时收集照明系统周围的温度数据;
在一个优选的实施例中,所述温度收集模块包括在照明系统周围安装的若干温度传感器;每个温度传感器实时获取环境温度,并实时将检测到的温度数据发送至火灾级别判定模块;每个温度传感器安装的位置根据实际经验设置;
其中,所述烟雾收集模块主要用于实时收集照明系统周围的烟雾浓度;
在一个优选的实施例中,所述烟雾收集模块包括在照明系统周围安装的若干烟雾浓度传感器;每个烟雾浓度传感器实时获取周围环境的烟雾浓度;并实时将检测到的烟雾浓度发送至火灾级别判定模块;每个烟雾浓度传感器安装的位置根据实际经验设置;
其中,所述图像收集模块主要用于实时收集照明系统周围的环境视频数据;
在一个优选的实施例中,所述图像收集模块包括在照明系统周围安装的监控摄像头;每个监控摄像头实时获取照明系统周围环境的画面;每个监控摄像头实时将拍摄的画面发送至火焰识别模块;监控摄像头安装的位置根据照明系统实际周围环境设置;且保证监控摄像头拍摄的画面包含照明系统周围环境的所有角落;
其中,所述火焰识别模块主要用于识别画面中是否具有火焰以及根据火焰覆盖的范围和火焰明亮程度判断火势大小;
在一个优选的实施例中,所述火焰识别模块预先根据各个监控摄像头位置,通过图像拼接技术将监控摄像头拍摄的画面拼接成完整的环境画面;
具体的,所述火焰识别模块判断环境中火势大小包括以下步骤:
步骤S1:所述火焰识别模块预先收集若干张带有火焰画面以及不带有火焰画面的图像;并将带有火焰画面的图像标记为1,不带有火焰画面的图像标记为0;
步骤S2:所述火焰识别模块将所有图像作为输入,输入至CNN神经网络模型中;其中,该CNN神经网络模型将是否带有火焰标记作为输出,图像的实际标记作为预测的目标值;预测准确率作为CNN神经网络的目标;
步骤S3:训练CNN神经网络模型,直至预测准确率达到95%,停止训练,将该CNN神经网络模型标记为M1;
步骤S4:所述火焰识别模块预先收集若干张火灾照片,并根据每张火灾照片的火灾范围以及火焰明亮程度为火灾照片进行标记;所述标记为火灾严重程度;具体的,可使用数字对火灾严重程度进行标记;例如:1代表小型火势;火灾严重程度根据实际火势情况进行划分;
步骤S5:所述火焰识别模块将所有火灾图像作为输入,输入至CNN神经网络模型中;其中,该CNN神经网络模型将火灾严重程度标记作为输出,图像的火灾实际严重程度标记作为预测的目标值;预测准确率作为CNN神经网络的目标;
步骤S6:训练CNN神经网络模型,直至预测准确率达到95%,停止训练,将该CNN神经网络模型标记为M2;
步骤S7:所述火焰识别模块实时使用CNN神经网络模型M1判断监控画面中是否带有火焰;若判断监控画面中有火焰,转至步骤S8;否则,不做处理;
步骤S8:所述火焰识别模块实时使用CNN神经网络模型M2计算出监控画面中火灾的严重程度标记;
所述火焰识别模块将火灾严重程度发送至火灾级别判定模块;
其中,所述火灾级别判定模块主要用于根据环境温度、环境烟雾浓度以及火灾严重程度判定火灾的级别;
可以理解的是,无论温度、烟雾浓度或由图像判定的火灾严重程度均存在误判的可能性;因此,需要综合考虑温度、烟雾浓度以及火灾严重程度,以判断火灾严重程度;
在一个优选的实施例中,所述火灾级别判定模块判定火灾级别包括以下步骤:
步骤P1:所述火灾级别判定模块从所有温度传感器中获取最高的温度,并将最高温度标记为T;
步骤P2:所述火灾级别判定模块从所有烟雾浓度传感器中获取最高的烟雾浓度,并将最高的烟雾浓度标记为S;
步骤P3:所述火灾级别判定模块将火灾严重程度标记为Y;
步骤P4:所述火灾级别判定模块计算火灾系数L;其中火灾系数L的计算方式为L=a*T+b*S+c*Y;其中,a,b,c分别为根据实际经验设置的比例系数;
步骤P5:所述火灾级别判定模块根据实际经验设置火灾级别等级阈值;并根据火灾系数L判断火灾所处的级别;将该级别标记为I;
步骤P6:所述火灾级别判定模块将火灾级别I发送至照明预警模块;
其中,所述照明预警模块主要用于根据火灾级别开启照明系统,并进行预警;
在一个优选的实施例中,所述照明预警模块预先为照明设备设置在不同火灾级别下的闪烁颜色、闪烁亮度以及闪烁频率;所述照明预警模块在接收到火灾级别I后,根据火灾级别以对应级别的闪烁颜色、闪烁亮度和闪烁频率开启照明装置;用于提醒火灾的发生以及火灾发生的级别。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种具有火灾报警功能的照明系统,其特征在于,包括温度收集模块、烟雾收集模块、图像收集模块、火焰识别模块、火灾级别判定模块以及照明预警模块;其中,各个模块之间通过电气方式连接;
所述温度收集模块用于实时收集照明系统周围的温度数据;并实时将检测到的温度数据发送至火灾级别判定模块;
所述烟雾收集模块用于实时收集照明系统周围的烟雾浓度;并实时将检测到的烟雾浓度发送至火灾级别判定模块;
所述图像收集模块主要用于实时收集照明系统周围的环境视频数据;所述图像收集模块实时将拍摄的画面发送至火焰识别模块;
所述火焰识别模块用于使用神经网络模型识别画面中是否具有火焰以及根据火焰覆盖的范围和火焰明亮程度判断火灾严重程度;所述火焰识别模块将火灾严重程度发送至火灾级别判定模块;
所述火灾级别判定模块用于根据环境温度、环境烟雾浓度以及火灾严重程度判定火灾的级别;所述火焰识别模块将火灾严重程度发送至火灾级别判定模块;
所述照明预警模块用于根据火灾级别开启照明系统,并进行预警。
2.根据权利要求1所述的一种具有火灾报警功能的照明系统,其特征在于,所述温度收集模块包括在照明系统周围安装的若干温度传感器;每个温度传感器实时获取环境温度。
3.根据权利要求1所述的一种具有火灾报警功能的照明系统,其特征在于,所述烟雾收集模块包括在照明系统周围安装的若干烟雾浓度传感器;每个烟雾浓度传感器实时获取周围环境的烟雾浓度。
4.根据权利要求1所述的一种具有火灾报警功能的照明系统,其特征在于,所述火焰识别模块预先根据各个监控摄像头位置,通过图像拼接技术将监控摄像头拍摄的画面拼接成完整的环境画面;
所述火焰识别模块判断环境中火势大小包括以下步骤:
步骤S1:所述火焰识别模块预先收集若干张带有火焰画面以及不带有火焰画面的图像;并将带有火焰画面的图像标记为1,不带有火焰画面的图像标记为0;
步骤S2:所述火焰识别模块将所有图像作为输入,输入至CNN神经网络模型中;其中,该CNN神经网络模型将是否带有火焰标记作为输出,图像的实际标记作为预测的目标值;预测准确率作为CNN神经网络的目标;
步骤S3:训练CNN神经网络模型,直至预测准确率达到95%,停止训练,将该CNN神经网络模型标记为M1;
步骤S4:所述火焰识别模块预先收集若干张火灾照片,并根据每张火灾照片的火灾范围以及火焰明亮程度为火灾照片进行标记;所述标记为火灾严重程度;火灾严重程度根据实际火势情况进行划分;
步骤S5:所述火焰识别模块将所有火灾图像作为输入,输入至CNN神经网络模型中;其中,该CNN神经网络模型将火灾严重程度标记作为输出,图像的火灾实际严重程度标记作为预测的目标值;预测准确率作为CNN神经网络的目标;
步骤S6:训练CNN神经网络模型,直至预测准确率达到95%,停止训练,将该CNN神经网络模型标记为M2;
步骤S7:所述火焰识别模块实时使用CNN神经网络模型M1判断监控画面中是否带有火焰;若判断监控画面中有火焰,转至步骤S8;否则,不做处理;
步骤S8:所述火焰识别模块实时使用CNN神经网络模型M2计算出监控画面中火灾的严重程度标记。
5.根据权利要求1所述的一种具有火灾报警功能的照明系统,其特征在于,所述火灾级别判定模块判定火灾级别包括以下步骤:
步骤P1:所述火灾级别判定模块从所有温度传感器中获取最高的温度,并将最高温度标记为T;
步骤P2:所述火灾级别判定模块从所有烟雾浓度传感器中获取最高的烟雾浓度,并将最高的烟雾浓度标记为S;
步骤P3:所述火灾级别判定模块将火灾严重程度标记为Y;
步骤P4:所述火灾级别判定模块计算火灾系数L;其中火灾系数L的计算方式为L=a*T+b*S+c*Y;其中,a,b,c分别为根据实际经验设置的比例系数;
步骤P5:所述火灾级别判定模块根据实际经验设置火灾级别等级阈值;并根据火灾系数L判断火灾所处的级别;将该级别标记为I;
步骤P6:所述火灾级别判定模块将火灾级别I发送至照明预警模块。
6.根据权利要求1所述的一种具有火灾报警功能的照明系统,其特征在于,所述照明预警模块预先为照明设备设置在不同火灾级别下的闪烁颜色、闪烁亮度以及闪烁频率;所述照明预警模块在接收到火灾级别I后,根据火灾级别以对应级别的闪烁颜色、闪烁亮度和闪烁频率开启照明装置;用于提醒火灾的发生以及火灾发生的级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211084298.XA CN115424404A (zh) | 2022-09-06 | 2022-09-06 | 一种具有火灾报警功能的照明系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211084298.XA CN115424404A (zh) | 2022-09-06 | 2022-09-06 | 一种具有火灾报警功能的照明系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115424404A true CN115424404A (zh) | 2022-12-02 |
Family
ID=84202263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211084298.XA Pending CN115424404A (zh) | 2022-09-06 | 2022-09-06 | 一种具有火灾报警功能的照明系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115424404A (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1404021A (zh) * | 2001-09-06 | 2003-03-19 | 松莲科技股份有限公司 | 可视化火灾监测报警方法与装置 |
TW201207772A (en) * | 2010-08-13 | 2012-02-16 | Chunghwa Telecom Co Ltd | Time axis analysis based image type flame detection method |
CN103065413A (zh) * | 2012-12-13 | 2013-04-24 | 中国电子科技集团公司第十五研究所 | 获取火灾等级信息的方法及装置 |
CN205642411U (zh) * | 2012-09-21 | 2016-10-12 | 谷歌公司 | 烟雾检测单元、烟雾检测器及危险检测器 |
CN109658646A (zh) * | 2017-12-30 | 2019-04-19 | 湖南汇博电子科技股份有限公司 | 消防信息指示方法、装置、系统和存储介质 |
CN109816911A (zh) * | 2017-12-31 | 2019-05-28 | 湖南汇博电子科技股份有限公司 | 消防应急灯的控制方法、系统、可读存储介质 |
CN109920191A (zh) * | 2019-01-16 | 2019-06-21 | 深圳壹账通智能科技有限公司 | 火灾报警方法、装置、计算机设备和存储介质 |
CN110491065A (zh) * | 2019-08-15 | 2019-11-22 | 重庆特斯联智慧科技股份有限公司 | 一种基于LoRa技术的智慧消防报警系统 |
CN111306491A (zh) * | 2020-03-17 | 2020-06-19 | 浙江中辰安全设备有限公司 | 一种具有火灾探测功能的照明灯具 |
CN112037456A (zh) * | 2020-09-04 | 2020-12-04 | 科越工程(苏州)有限公司 | 一种设备联动灯具自动控制系统 |
CN112069975A (zh) * | 2020-09-02 | 2020-12-11 | 成都指码科技有限公司 | 一种基于紫外、红外、视觉的综合火焰检测方法 |
CN112101232A (zh) * | 2020-09-16 | 2020-12-18 | 国网上海市电力公司 | 一种基于多分类器的火焰检测方法 |
CN112989932A (zh) * | 2021-02-05 | 2021-06-18 | 北京林业大学 | 基于改进原型网络的少样本森林火灾烟雾识别方法及装置 |
CN113554364A (zh) * | 2021-09-23 | 2021-10-26 | 深圳市信润富联数字科技有限公司 | 灾害应急管理方法、装置、设备及计算机存储介质 |
CN114022850A (zh) * | 2022-01-07 | 2022-02-08 | 深圳市安软慧视科技有限公司 | 变电站火灾监控方法、系统及相关设备 |
CN114724330A (zh) * | 2022-03-01 | 2022-07-08 | 华南师范大学 | 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 |
CN114935358A (zh) * | 2022-04-12 | 2022-08-23 | 合肥工业大学智能制造技术研究院 | 一种储油场所的自动化火情监测与控制方法 |
-
2022
- 2022-09-06 CN CN202211084298.XA patent/CN115424404A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1404021A (zh) * | 2001-09-06 | 2003-03-19 | 松莲科技股份有限公司 | 可视化火灾监测报警方法与装置 |
TW201207772A (en) * | 2010-08-13 | 2012-02-16 | Chunghwa Telecom Co Ltd | Time axis analysis based image type flame detection method |
CN205642411U (zh) * | 2012-09-21 | 2016-10-12 | 谷歌公司 | 烟雾检测单元、烟雾检测器及危险检测器 |
CN103065413A (zh) * | 2012-12-13 | 2013-04-24 | 中国电子科技集团公司第十五研究所 | 获取火灾等级信息的方法及装置 |
CN109658646A (zh) * | 2017-12-30 | 2019-04-19 | 湖南汇博电子科技股份有限公司 | 消防信息指示方法、装置、系统和存储介质 |
CN109816911A (zh) * | 2017-12-31 | 2019-05-28 | 湖南汇博电子科技股份有限公司 | 消防应急灯的控制方法、系统、可读存储介质 |
CN109920191A (zh) * | 2019-01-16 | 2019-06-21 | 深圳壹账通智能科技有限公司 | 火灾报警方法、装置、计算机设备和存储介质 |
CN110491065A (zh) * | 2019-08-15 | 2019-11-22 | 重庆特斯联智慧科技股份有限公司 | 一种基于LoRa技术的智慧消防报警系统 |
CN111306491A (zh) * | 2020-03-17 | 2020-06-19 | 浙江中辰安全设备有限公司 | 一种具有火灾探测功能的照明灯具 |
CN112069975A (zh) * | 2020-09-02 | 2020-12-11 | 成都指码科技有限公司 | 一种基于紫外、红外、视觉的综合火焰检测方法 |
CN112037456A (zh) * | 2020-09-04 | 2020-12-04 | 科越工程(苏州)有限公司 | 一种设备联动灯具自动控制系统 |
CN112101232A (zh) * | 2020-09-16 | 2020-12-18 | 国网上海市电力公司 | 一种基于多分类器的火焰检测方法 |
CN112989932A (zh) * | 2021-02-05 | 2021-06-18 | 北京林业大学 | 基于改进原型网络的少样本森林火灾烟雾识别方法及装置 |
CN113554364A (zh) * | 2021-09-23 | 2021-10-26 | 深圳市信润富联数字科技有限公司 | 灾害应急管理方法、装置、设备及计算机存储介质 |
CN114022850A (zh) * | 2022-01-07 | 2022-02-08 | 深圳市安软慧视科技有限公司 | 变电站火灾监控方法、系统及相关设备 |
CN114724330A (zh) * | 2022-03-01 | 2022-07-08 | 华南师范大学 | 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 |
CN114935358A (zh) * | 2022-04-12 | 2022-08-23 | 合肥工业大学智能制造技术研究院 | 一种储油场所的自动化火情监测与控制方法 |
Non-Patent Citations (1)
Title |
---|
杨俊;王润生;: "基于计算机视觉的视频火焰检测技术", 中国图象图形学报, no. 07 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210049885A1 (en) | Method and system for monitoring fire | |
US7786877B2 (en) | Multi-wavelength video image fire detecting system | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN109637068A (zh) | 智能烟火识别系统 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
KR102407327B1 (ko) | 화재감지장치 및 이를 포함하는 화재감지시스템 | |
KR102216961B1 (ko) | 화재 감시 모니터링 장치 및 방법 | |
CN107341947A (zh) | 一种基于红外热像仪的火灾报警器及火灾报警方法 | |
CN109359858A (zh) | 基于互联网的智慧校园安防管理系统 | |
CN112184678A (zh) | 图像识别方法、装置、计算机可读存储介质及处理器 | |
US9646518B2 (en) | Method and apparatus for indicating conditions | |
CN114360194B (zh) | 一种多点监控可视化相阵式火灾报警系统 | |
CN111739251A (zh) | 一种火源探测及定位系统、方法 | |
CN115512510A (zh) | 一种充电桩火灾智能处理系统以及方法 | |
CN115424404A (zh) | 一种具有火灾报警功能的照明系统 | |
CN112201000A (zh) | 一种应用于施工阶段的火灾动态监测系统及方法 | |
CN105869330A (zh) | 一种用于写字楼防止非法入侵的安防监控器 | |
CN115376268B (zh) | 一种基于图像识别的监控报警消防联动系统 | |
KR102503532B1 (ko) | 영상촬영장치가 있는 배전반 모니터링 및 관리시스템 | |
JP4732377B2 (ja) | パイロット炎監視方法及びその装置 | |
Ho et al. | Nighttime fire smoke detection system based on machine vision | |
CN114582085A (zh) | 预警设备 | |
JPS62147888A (ja) | 画像監視方式 | |
CN112347942A (zh) | 一种火焰识别的方法及装置 | |
CN113362581A (zh) | 火灾自动报警触发装置及其监管方法 |
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: 20221202 |
|
RJ01 | Rejection of invention patent application after publication |