CN116188920B - 一种基于智能自感温的消防灭火定向辅助方法及系统 - Google Patents
一种基于智能自感温的消防灭火定向辅助方法及系统 Download PDFInfo
- Publication number
- CN116188920B CN116188920B CN202211495083.7A CN202211495083A CN116188920B CN 116188920 B CN116188920 B CN 116188920B CN 202211495083 A CN202211495083 A CN 202211495083A CN 116188920 B CN116188920 B CN 116188920B
- Authority
- CN
- China
- Prior art keywords
- fire
- data
- result
- fire extinguishing
- fitting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000009826 distribution Methods 0.000 claims abstract description 81
- 238000001514 detection method Methods 0.000 claims abstract description 78
- 230000003993 interaction Effects 0.000 claims abstract description 35
- 238000012806 monitoring device Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 26
- 230000000903 blocking effect Effects 0.000 claims description 45
- 238000011156 evaluation Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000002485 combustion reaction Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000009529 body temperature measurement Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims 1
- 238000012549 training Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000002360 explosive Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000003892 spreading Methods 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
- G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
-
- 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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Fire Alarms (AREA)
Abstract
本公开提供了一种基于智能自感温的消防灭火定向辅助方法及系统，涉及消防灭火技术领域，该方法包括：读取所述感温探测装置的探测信号；通过数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据；根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果；通过热像监测装置进行实时火灾数据采集，获得温度分布采集结果；通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据，解决了现有技术中存在的由于没有联合热像监测装置、感温探测装置、数据交互装置进行火势拟合，获取辅助灭火数据，进而导致消防资源分布不合理，消防灭火效率低的技术问题。
Description
技术领域
本公开涉及消防灭火技术领域，具体涉及一种基于智能自感温的消防灭火定向辅助方法及系统。
背景技术
防火一直以来都是国家和社会所关心的话题。火灾的严重后果，提醒着人们要加大防火工作力度，做到防患于未然。建筑出现的安全问题不仅仅体现在建筑的施工过程中，也体现在新建建筑的消防安全措施及技术要点等方面。城市建筑高层化、密集化、装饰材料多样化、用电负荷和火灾负荷不断增大，都会对建筑消防安全工作提出了更高、更严格的要求。
目前，现有技术中存在由于没有联合热像监测装置、感温探测装置、数据交互装置进行火势拟合，获取辅助灭火数据，进而导致消防资源分布不合理，消防灭火效率低的技术问题。
发明内容
本公开提供了一种基于智能自感温的消防灭火定向辅助方法及系统，用以解决现有技术中存在的由于没有联合热像监测装置、感温探测装置、数据交互装置进行火势拟合，获取辅助灭火数据，进而导致消防资源分布不合理，消防灭火效率低的技术问题。
根据本公开的第一方面，提供了一种基于智能自感温的消防灭火定向辅助方法，包括：读取所述感温探测装置的探测信号，其中，所述探测信号为所述感温探测装置对于目标灭火地点的起火探测信号；通过所述数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据；根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果；通过所述热像监测装置进行实时火灾数据采集，获得温度分布采集结果；通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据。
根据本公开的第二方面，提供了一种基于智能自感温的消防灭火定向辅助系统，包括：探测信号读取模块，所述探测信号读取模块用于读取所述感温探测装置的探测信号，其中，所述探测信号为所述感温探测装置对于目标灭火地点的起火探测信号；区域数据交互模块，所述区域数据交互模块用于通过所述数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据；起火拟合模块，所述起火拟合模块用于根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果；实时火灾数据采集模块，所述实时火灾数据采集模块用于通过所述热像监测装置进行实时火灾数据采集，获得温度分布采集结果；拟合修正模块，所述拟合修正模块用于通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开采用的一种基于智能自感温的消防灭火定向辅助方法，读取所述感温探测装置的探测信号，其中，所述探测信号为所述感温探测装置对于目标灭火地点的起火探测信号；通过所述数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据；根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果；通过所述热像监测装置进行实时火灾数据采集，获得温度分布采集结果；通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据。本公开基于热像监测装置、感温探测装置、数据交互装置，采集火灾区域数据，进行火势拟合，根据火势拟合结果生成辅助灭火数据，进而消防人员可以根据辅助灭火数据进行消防灭火，达到合理安排消防资源，及时有效灭火的技术效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的一种基于智能自感温的消防灭火定向辅助方法的流程示意图；
图2为本公开实施例提供的一种基于智能自感温的消防灭火定向辅助系统的结构示意图；
图3为本公开实施例提供的一种电子设备的结构示意图。
附图标记说明：探测信号读取模块11，区域数据交互模块12，起火拟合模块13，实时火灾数据采集模块14，拟合修正模块15，电子设备800，处理器801，存储器802，总线803。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在由于没有联合热像监测装置、感温探测装置、数据交互装置进行火势拟合，获取辅助灭火数据，进而导致消防资源分布不合理，消防灭火效率低的技术问题，本公开的发明人经过创造性的劳动，得到了本公开的一种基于智能自感温的消防灭火定向辅助方法及系统。
实施例一
图1为本申请实施例提供的一种基于智能自感温的消防灭火定向辅助方法图，所述方法应用于消防灭火定向辅助系统，所述消防灭火定向辅助系统与热像监测装置、感温探测装置、数据交互装置通信连接，如图1所示，所述方法包括：
步骤S100：读取所述感温探测装置的探测信号，其中，所述探测信号为所述感温探测装置对于目标灭火地点的起火探测信号；
上述的消防灭火定向辅助系统是通过对火灾数据分析，从而进行消防灭火智慧管理的系统平台，上述的热像监测装置是可以实现非接触式远距离测温，可以将温度转换成可视图像的装置，比如，红外热像仪，上述的感温探测装置为通过监测探测周围环境温度的变化而发出起火信号的火灾探测器，包括定温式探测器、差温式探测器等设备，上述的数据交互装置是用于实现不同平台间的数据互相传输的装置。
具体而言，读取感温探测装置的探测信号，其中，探测信号为感温探测装置对于目标灭火地点的起火探测信号，需要说明的是，感温探测装置是提前布设好的，火灾时物质的燃烧产生大量的热量，使周围温度发生变化，感温探测装置是对警戒范围中某一点或某一线路周围温度变化时响应的火灾探测器，它是将温度的变化转换为电信号发出的，根据环境温度变化，感温探测装置发出目标灭火地点的起火探测信号，目标灭火地点即为发生火灾，需要消防灭火的地方。
步骤S200：通过所述数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据；
具体而言，根据数据交互装置进行目标灭火地点的区域数据交互，获得区域分布数据，区域分布数据包括目标灭火地点的构成、各区域存放的物品等信息，示例性的，某些区域可能存放易燃、易爆品。
步骤S300：根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果；
具体而言，基于起火探测信号和区域分布数据，进行起火拟合，获得火势拟合结果，简单来说，就是根据起火探测信号可以判断出哪些区域发生了火灾，基于区域分布数据，根据不同区域存放物品的不同，判断哪些区域火势可能变大、火势会蔓延，进而获得火势拟合结果。
步骤S400：通过所述热像监测装置进行实时火灾数据采集，获得温度分布采集结果；
具体而言，热像监测装置是可以实现非接触式远距离测温，可以将温度转换成可视图像的装置，如红外热像仪，红外热像仪不仅能测物体的表面温度，而且能显示物体的温度分布情况，通过热像监测装置进行实时火灾数据采集，获得温度分布采集结果，温度分布采集结果包括火灾发生地点的各区域的温度。
步骤S500：通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据。
具体而言，根据温度分布采集结果，可以得出哪个区域的温度较高，温度较高的区域，火势相对会更大，基于此，进行火势拟合结果的拟合修正，进而根据拟合修正结果和区域分布数据生成辅助灭火数据，辅助灭火数据包括各个区域的火势大小、需要的消防力量等数据，消防员可以根据辅助灭火数据布置消防力量，有效进行灭火。
其中，本申请实施例步骤S600还包括：
步骤S610：根据所述区域分布数据进行区域内物品燃烧影响评价，获得多等级影响评价结果；
步骤S620：通过所述多等级影响评价结果进行区域标识；
步骤S630：根据所述拟合修正结果和区域标识结果生成所述辅助灭火数据。
具体而言，根据区域分布数据进行区域内物品燃烧影响评价，获得多等级影响评价结果，换句话说，就是根据区域分布数据，对不同区域内的物品进行火灾危险性评价，示例性的，如果某个区域存放易爆炸的气体或液体，容易造成火势变大、火势蔓延，火灾危险性就很高，如果某个区域存放易燃的棉花等易燃烧的物品，也可能会造成火势蔓延，危险性也较高，可以根据不同区域内的物品的易燃易爆程度的不同，对不同区域进行燃烧影响等级划分，进而获得多等级影响评价结果，根据多等级影响评价结果，对各区域进行燃烧影响等级标识，进一步根据拟合修正结果和区域标识结果生成辅助灭火数据，示例性的，对于火势拟合结果较大且燃烧影响等级较高的区域需要的消防力量相对多一些。
其中，所述消防灭火定向辅助系统与图像采集装置通信连接，本申请实施例步骤S700还包括：
步骤S710：通过所述图像采集装置进行实时火灾数据采集，获得火灾图像信息；
步骤S720：通过所述火灾图像信息进行所述火势拟合结果的火势覆盖补偿，获得火势覆盖结果；
步骤S730：基于所述火势覆盖结果和所述区域标识结果进行灭火区域划分，获得灭火区域划分结果，其中，所述灭火区域划分结果包括多层级灭火控制区域和阻断控制区域；
步骤S740：根据所述灭火区域划分结果获得所述辅助灭火数据。
具体而言，上述的图像采集装置为可以实时采集火灾整体图像的装置，包括航拍无人机，通过图像采集装置进行实时火灾数据采集，获得火灾图像信息，火灾图像信息可以是一段包括各个区域的火灾视频，也可以是涵盖各个火灾区域的多幅火灾图片，通过火灾图像信息进行火势拟合结果的火势覆盖补偿，获得火势覆盖结果，简单来说，就是火势拟合结果对火势的拟合结果不是很准确，火势拟合结果中的火势和火灾图像信息显示的火势大小不一样，根据火灾图像信息对火势拟合结果进行覆盖补偿，从而获取火势覆盖结果，根据火势覆盖结果和区域标识结果进行灭火区域划分，获得灭火区域划分结果，其中，灭火区域划分结果包括多层级灭火控制区域和阻断控制区域，根据灭火区域划分结果获得辅助灭火数据，阻断控制区域是指通过防火分隔措施划分出的，在一定时间内防止火灾向其它地方蔓延的区域，多层级灭火控制区域为根据火势覆盖结果划分出的灭火控制区域。
其中，本申请实施例步骤S730还包括：
步骤S731：采集获得实时灭火资源分布数据；
步骤S732：将所述实时灭火资源分布数据、所述火势覆盖区域和所述区域标识结果输入阻断判别决策模型；
步骤S733：获得所述阻断判别决策模型的输出结果，将所述输出结果中判别通过的区域作为所述阻断控制区域。
具体而言，上述的阻断判别决策模型为机器学习中的，可以不断进行自我迭代优化的神经网络模型，所述阻断判别决策模型通过训练数据集合监督数据集训练获得，其中，所述训练数据集中的每组训练数据均包括实时灭火资源分布数据、火势覆盖区域和区域标识结果；所述监督数据集为与所述训练数据集一一对应的输出结果，所述输出结果包括判别通过的区域和判别未通过的区域。进一步的，所述阻断判别决策模型构建过程为：将训练数据集中每一组训练数据输入阻断判别决策模型，通过这组训练数据对应的监督数据进行阻断判别决策模型的输出监督调整，当阻断判别决策模型的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则阻断判别决策模型训练完成，训练完成后的用电损耗预测模型可根据输入数据进行复杂的非线性逻辑运算，获得输出结果。
为了保证阻断判别决策模型的准确性，可以通过测试数据集进行阻断判别决策模型的测试处理，举例而言，测试准确率可以设定为80％，当测试数据集的测试准确率满足80％时，则阻断判别决策模型构建完成。
将实时灭火资源分布数据、火势覆盖区域和区域标识结果输入阻断判别决策模型，获得输出结果。
采集获得实时灭火资源分布数据，将实时灭火资源分布数据、火势覆盖区域和区域标识结果输入阻断判别决策模型，实时灭火资源分布数据包括各区域的消防器材、消防员人数等数据，获得阻断判别决策模型的输出结果，将输出结果中判别通过的区域作为阻断控制区域。
其中，本申请实施例步骤S800还包括：
步骤S810：判断所述区域标识结果是否存在标识等级超过预设等级的标识结果；
步骤S820：当存在时，则根据异常区域标识结果生成新增阻断控制区域；
步骤S830：基于所述新增阻断控制区域获得资源分布调动数据；
步骤S840：根据所述资源分布调动数据和所述新增阻断控制区域生成所述辅助灭火数据。
具体而言，判断区域标识结果是否存在标识等级超过预设等级的标识结果，预设等级由工作人员根据实际情况自行设定，当存在标识等级超过预设等级的标识结果时，对其进行异常标识，然后根据异常区域标识结果生成新增阻断控制区域，异常区域就是比较危险的区域，例如，仓库、棉存储点、油存储点等易燃易爆品存储点，这些区域比较危险，需要进行阻断控制，基于此，获得新增阻断控制区域，根据新增阻断控制区域获得资源分布调动数据，换句话说，就是根据新增阻断控制区域，需要从其它区域调动部分消防器材、消防员等消防资源，进而根据资源分布调动数据和新增阻断控制区域生成辅助灭火数据。
其中，本申请实施例步骤S900还包括：
步骤S910：通过所述热像监测装置进行火场的建筑信息采集，获得信息采集结果；
步骤S920：基于所述信息采集结果进行建筑完整性评价，根据建筑完整性评价结果生成建筑异常预警信息；
步骤S930：根据所述建筑异常预警信息进行辅助灭火提醒。
具体而言，通过热像监测装置进行火场的建筑信息采集，获得信息采集结果，信息采集结果指建筑物信息，基于信息采集结果进行建筑完整性评价，建筑完整性具体指建筑物是否被破坏，建筑完整性被破坏的话，可能发生坍塌，根据建筑完整性评价结果生成建筑异常预警信息，建筑异常预警信息即为提醒消防员建筑物内部不安全的预警信息，根据建筑异常预警信息进行辅助灭火提醒，也就是说，当消防人员进入建筑物内部进行消防救援时，利用热像监测装置对建筑物进行完整性监测，当建筑物完整性遭到破坏时，及时通知消防员撤离建筑物，防止人员伤亡。
基于上述分析可知，本公开提供了一种基于智能自感温的消防灭火定向辅助方法，在本实施例中，基于热像监测装置、感温探测装置、数据交互装置，采集火灾区域数据，进行火势拟合，根据火势拟合结果生成辅助灭火数据，进而消防人员可以根据辅助灭火数据进行消防灭火，达到合理安排消防资源，及时有效灭火的技术效果。
实施例二
基于与前述实施例中一种基于智能自感温的消防灭火定向辅助方法同样的发明构思，如图2所示，本申请还提供了一种基于智能自感温的消防灭火定向辅助系统，所述系统与热像监测装置、感温探测装置、数据交互装置通信连接，所述系统包括：
探测信号读取模块11，所述探测信号读取模块11用于读取所述感温探测装置的探测信号，其中，所述探测信号为所述感温探测装置对于目标灭火地点的起火探测信号；
区域数据交互模块12，所述区域数据交互模块12用于通过所述数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据；
起火拟合模块13，所述起火拟合模块13用于根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果；
实时火灾数据采集模块14，所述实时火灾数据采集模块14用于通过所述热像监测装置进行实时火灾数据采集，获得温度分布采集结果；
拟合修正模块15，所述拟合修正模块15用于通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据。
进一步而言，所述系统还包括：
燃烧影响评价模块，所述燃烧影响评价模块用于根据所述区域分布数据进行区域内物品燃烧影响评价，获得多等级影响评价结果；
区域标识模块，所述区域标识模块用于通过所述多等级影响评价结果进行区域标识；
第一获得模块，所述第一获得模块用于根据所述拟合修正结果和区域标识结果生成所述辅助灭火数据。
进一步而言，所述系统还包括：
火灾图像信息采集模块，所述火灾图像信息采集模块用于通过所述图像采集装置进行实时火灾数据采集，获得火灾图像信息；
火势覆盖补偿模块，所述火势覆盖补偿模块用于通过所述火灾图像信息进行所述火势拟合结果的火势覆盖补偿，获得火势覆盖结果；
灭火区域划分模块，所述灭火区域划分模块用于基于所述火势覆盖结果和所述区域标识结果进行灭火区域划分，获得灭火区域划分结果，其中，所述灭火区域划分结果包括多层级灭火控制区域和阻断控制区域；
第二获得模块，所述第二获得模块用于根据所述灭火区域划分结果获得所述辅助灭火数据。
进一步而言，所述系统还包括：
灭火资源分布数据采集模块，所述灭火资源分布数据采集模块用于采集获得实时灭火资源分布数据；
阻断判别模块，所述阻断判别模块用于将所述实时灭火资源分布数据、所述火势覆盖区域和所述区域标识结果输入阻断判别决策模型；
阻断控制区域输出模块，所述阻断控制区域输出模块，获得所述阻断判别决策模型的输出结果，将所述输出结果中判别通过的区域作为所述阻断控制区域。
进一步而言，所述系统还包括：
标识等级判断模块，所述标识等级判断模块用于判断所述区域标识结果是否存在标识等级超过预设等级的标识结果；
新增阻断控制区域模块，所述新增阻断控制区域模块用于当存在时，则根据异常区域标识结果生成新增阻断控制区域；
资源分布调动数据获取模块，所述资源分布调动数据获取模块用于基于所述新增阻断控制区域获得资源分布调动数据；
第三获得模块，所述第三获得模块用于根据所述资源分布调动数据和所述新增阻断控制区域生成所述辅助灭火数据。
进一步而言，所述系统还包括：
建筑信息采集模块，所述建筑信息采集模块用于通过所述热像监测装置进行火场的建筑信息采集，获得信息采集结果；
建筑完整性评价模块，所述建筑完整性评价模块用于基于所述信息采集结果进行建筑完整性评价，根据建筑完整性评价结果生成建筑异常预警信息；
辅助灭火提醒模块，所述辅助灭火提醒模块用于根据所述建筑异常预警信息进行辅助灭火提醒。
前述实施例一中的一种基于智能自感温的消防灭火定向辅助方法具体实例同样适用于本实施例的一种基于智能自感温的消防灭火定向辅助系统，通过前述对一种基于智能自感温的消防灭火定向辅助方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于智能自感温的消防灭火定向辅助系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
实施例三
图3是根据本公开第三实施例的示意图，如图3所示，本公开中的电子设备800可以包括：处理器801和存储器802。
存储器802，用于存储程序；存储器802，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random AccessMemory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatilememory)，例如快闪存储器(英文：flash memory)。存储器802用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
处理器801，用于执行存储器802存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构，也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时，存储器802、处理器801可以通过总线803耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行，也可以顺序地执行也可以不同的次序执行，
只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (8)
1.一种基于智能自感温的消防灭火定向辅助方法，其特征在于，所述方法应用于消防灭火定向辅助系统，所述消防灭火定向辅助系统与热像监测装置、感温探测装置、数据交互装置通信连接，所述热像监测装置是实现非接触式远距离测温并将温度转化成可视图像的装置；所述感温探测装置为通过监测探测周围环境温度的 变化而发出起火信号的火灾探测器；所述数据交互装置是用于实现不同平台间的数据互相传输的装置，所述方法包括：
读取所述感温探测装置的探测信号，其中，所述探测信号为所述感温探测装置对于目标灭火地点的起火探测信号，感温探测装置是提前布设好的，火灾时物质的燃烧产生大量的热量，使周围温度发生变化，是将温度的变化转换为电信号发出的，根据环境温度变化，感温探测装置发出目标灭火地点的起火探测信号，目标灭火地点即为发生火灾，需要消防灭火的地方；
通过所述数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据，所述区域分布数据包括目标灭火地点的构成、各区域存放的物品信息；
根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果，所述火势拟合结果为各区域火势是否变大和是否蔓延的判断结果；
通过所述热像监测装置进行实时火灾数据采集，获得温度分布采集结果；
通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据，所述辅助灭火数据包括各个区域的火势大小、需要的消防力量数据。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述区域分布数据进行区域内物品燃烧影响评价，获得多等级影响评价结果；
通过所述多等级影响评价结果进行区域标识；
根据所述拟合修正结果和区域标识结果生成所述辅助灭火数据。
3.如权利要求2所述的方法，其特征在于，所述消防灭火定向辅助系统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实时火灾数据采集，获得火灾图像信息；
通过所述火灾图像信息进行所述火势拟合结果的火势覆盖补偿，获得火势覆盖结果；
基于所述火势覆盖结果和所述区域标识结果进行灭火区域划分，获得灭火区域划分结果，其中，所述灭火区域划分结果包括多层级灭火控制区域和阻断控制区域；
根据所述灭火区域划分结果获得所述辅助灭火数据。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
采集获得实时灭火资源分布数据；
将所述实时灭火资源分布数据、火势覆盖区域和区域标识结果输入阻断判别决策模型；
获得所述阻断判别决策模型的输出结果，将所述输出结果中判别通过的区域作为阻断控制区域。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
判断所述区域标识结果是否存在标识等级超过预设等级的标识结果；
当存在时，则根据异常区域标识结果生成新增阻断控制区域；
基于所述新增阻断控制区域获得资源分布调动数据；
根据所述资源分布调动数据和所述新增阻断控制区域生成所述辅助灭火数据。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述热像监测装置进行火场的建筑信息采集，获得信息采集结果；
基于所述信息采集结果进行建筑完整性评价，根据建筑完整性评价结果生成建筑异常预警信息；
根据所述建筑异常预警信息进行辅助灭火提醒。
7.一种基于智能自感温的消防灭火定向辅助系统，其特征在于，所述系统与热像监测装置、感温探测装置、数据交互装置通信连接，所述热像监测装置是实现非接触式远距离测温并将温度转化成可视图像的装置；所述感温探测装置为通过监测探测周围环境温度的变化而发出起火信号的火灾探测器；所述数据交互装置是用于实现不同平台间的数据互相传输的装置，所述系统包括：
探测信号读取模块，所述探测信号读取模块用于读取所述感温探测装置的探测信号，其中，所述探测信号为所述感温探测装置对于目标灭火地点的起火探测信号，感温探测装置是提前布设好的，火灾时物质的燃烧产生大量的热量，使周围温度发生变化，是将温度的变化转换为电信号发出的，根据环境温度变化，感温探测装置发出目标灭火地点的起火探测信号，目标灭火地点即为发生火灾，需要消防灭火的地方；
区域数据交互模块，所述区域数据交互模块用于通过所述数据交互装置进行所述目标灭火地点的区域数据交互，获得区域分布数据，所述区域分布数据包括目标灭火地点的构成、各区域存放的物品信息；
起火拟合模块，所述起火拟合模块用于根据所述起火探测信号和所述区域分布数据进行起火拟合，获得火势拟合结果，所述火势拟合结果为各区域火势是否变大和是否蔓延的判断结果；
实时火灾数据采集模块，所述实时火灾数据采集模块用于通过所述热像监测装置进行实时火灾数据采集，获得温度分布采集结果；
拟合修正模块，所述拟合修正模块用于通过所述温度分布采集结果进行所述火势拟合结果的拟合修正，基于拟合修正结果和所述区域分布数据生成辅助灭火数据，所述辅助灭火数据包括各个区域的火势大小、需要的消防力量数据。
8.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211495083.7A CN116188920B (zh) | 2022-11-26 | 2022-11-26 | 一种基于智能自感温的消防灭火定向辅助方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211495083.7A CN116188920B (zh) | 2022-11-26 | 2022-11-26 | 一种基于智能自感温的消防灭火定向辅助方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116188920A CN116188920A (zh) | 2023-05-30 |
| CN116188920B true CN116188920B (zh) | 2024-04-26 |
Family
ID=86443059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211495083.7A Active CN116188920B (zh) | 2022-11-26 | 2022-11-26 | 一种基于智能自感温的消防灭火定向辅助方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116188920B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111157119A (zh) * | 2020-01-06 | 2020-05-15 | 北京海博智恒电气防火科技有限公司 | 温度监测方法、热成像扫描监测装置及系统 |
| CN111340746A (zh) * | 2020-05-19 | 2020-06-26 | 深圳应急者安全技术有限公司 | 一种基于物联网的消防方法及消防系统 |
| WO2021157771A1 (ko) * | 2020-02-04 | 2021-08-12 | 강정수 | IoT 기반의 소화 장치를 이용한 통합 소방방재 장치 및 방법 |
| CN113643495A (zh) * | 2021-07-29 | 2021-11-12 | 宜宾市消防救援支队 | 一种用于火灾原因调查的智能辅助分析系统及方法 |
| CN113920670A (zh) * | 2021-09-14 | 2022-01-11 | 烟台艾睿光电科技有限公司 | 消防安全监控方法、装置及系统、消防监控设备及介质 |
| CN114758470A (zh) * | 2022-06-16 | 2022-07-15 | 张家港金典软件有限公司 | 一种基于消防工程的火灾预警方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102058939A (zh) * | 2010-08-18 | 2011-05-18 | 清华大学 | 建筑火灾态势评估与人员疏散指示方法和系统 |
| US11620891B2 (en) * | 2019-10-10 | 2023-04-04 | Ai4 International Oy | Method and system for determining area of fire and estimating progression of fire |
-
2022
- 2022-11-26 CN CN202211495083.7A patent/CN116188920B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111157119A (zh) * | 2020-01-06 | 2020-05-15 | 北京海博智恒电气防火科技有限公司 | 温度监测方法、热成像扫描监测装置及系统 |
| WO2021157771A1 (ko) * | 2020-02-04 | 2021-08-12 | 강정수 | IoT 기반의 소화 장치를 이용한 통합 소방방재 장치 및 방법 |
| CN111340746A (zh) * | 2020-05-19 | 2020-06-26 | 深圳应急者安全技术有限公司 | 一种基于物联网的消防方法及消防系统 |
| CN113643495A (zh) * | 2021-07-29 | 2021-11-12 | 宜宾市消防救援支队 | 一种用于火灾原因调查的智能辅助分析系统及方法 |
| CN113920670A (zh) * | 2021-09-14 | 2022-01-11 | 烟台艾睿光电科技有限公司 | 消防安全监控方法、装置及系统、消防监控设备及介质 |
| CN114758470A (zh) * | 2022-06-16 | 2022-07-15 | 张家港金典软件有限公司 | 一种基于消防工程的火灾预警方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Experimental studies on fire-induced buoyant smoke temperature distribution along tunnel ceiling;L.H. Hu et al.;《Building and Environment》;20071130;第42卷(第11期);第3905-3915页 * |
| 基于静态参数识别的火灾后混凝土结构受火温度估计;魏东;刘应华;向志海;;工程力学;20100125(01);第156-161页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116188920A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | An intelligent tunnel firefighting system and small-scale demonstration | |
| KR101675733B1 (ko) | 원전사고 통합 대응 시스템 | |
| CN108765872B (zh) | 一种受困对象环境参数的推测方法、系统和智能穿戴设备 | |
| CN115240357B (zh) | 基于分布式光纤的公共建筑火场温度实时监测及预测系统 | |
| KR20170060973A (ko) | 산업재해 대응을 위한 드론 운용 방법 및 시스템 | |
| CN111598443B (zh) | 一种智能灭火系统的任务分配方法及装置 | |
| Guo et al. | Study on real-time heat release rate inversion for dynamic reconstruction and visualization of tunnel fire scenarios | |
| CN111611439A (zh) | 消防安全监测方法、装置、计算机设备和存储介质 | |
| CN111597263A (zh) | 基于区块链的灭火系统火情处理方法及装置 | |
| Yet-Pole et al. | Applications of 3D QRA technique to the fire/explosion simulation and hazard mitigation within a naphtha-cracking plant | |
| CN116188920B (zh) | 一种基于智能自感温的消防灭火定向辅助方法及系统 | |
| Ji et al. | Approach for early-warning collapse of double-span steel portal frames induced by fire | |
| Maheshwari et al. | Forest fire alerting system with GPS Co-ordinates using IoT | |
| KR101600594B1 (ko) | 위험물 사고 초동대응시스템 | |
| CN103679609A (zh) | 工业用火场快速判断与辅助决策装置 | |
| CN116363825B (zh) | 用于展示火情蔓延趋势的方法及装置、电子设备、介质 | |
| JP2001325686A (ja) | 防災情報処理方法及びシステム | |
| CN203915837U (zh) | 储罐火灾快速判断与辅助决策装置 | |
| CN111105582B (zh) | 森林防火监测方法、系统、计算机设备和可读存储介质 | |
| KR102457492B1 (ko) | 열화상 카메라를 이용한 재난 발생 감지 및 분석 시스템 | |
| KR20150061251A (ko) | Usn 기반의 실시간 화재관제 시스템 | |
| KR102417068B1 (ko) | 화재 관제 장치 및 이를 이용한 화재 대응 방법, 그리고 화재 관제 시스템 | |
| Li et al. | A fire source localization algorithm based on temperature and smoke sensor data fusion | |
| CN116402405B (zh) | 用于确定消防性能的方法及装置、系统、电子设备、介质 | |
| Oliveira et al. | A Data Fusion of IoT Sensor Networks for Decision Support in Forest Fire Suppression |
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 |