CN116712697A - 水喷雾灭火系统及方法 - Google Patents

Abstract

公开了一种水喷雾灭火系统及方法。其首先获取由红外摄像头采集的发生火灾的变压器的热红外图像，接着，提取所述发生火灾的变压器的热红外图像中的温度分布特征信息，然后，基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。这样，可以利用热红外图像中的温度分布信息，分析并处理火灾区域内的温度分布情况，以从热红外图像中获取火灾的规模、发展趋势和危险程度等信息，并以此来进行雨淋阀的阀门开度的控制，进而实现最佳的灭火效果。

Description

水喷雾灭火系统及方法

技术领域

本申请涉及水喷雾灭火领域，且更为具体地，涉及一种水喷雾灭火系统及方法。

背景技术

变压器作为变电站重要大型的充油设备，一旦发生火灾，会造成严重的经济损失和社会影响。为了有效地控制变压器火灾，需要设置灭火系统。常用的灭火方式是采用水喷雾灭火系统。

然而，传统的水喷雾灭火系统存在一些缺陷，如不能根据火情的实时自适应地调节雨淋阀的阀门开度，导致水喷雾效果不佳或水资源浪费。因此，期待一种优化的水喷雾灭火方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种水喷雾灭火系统及方法。其可以利用热红外图像中的温度分布信息，分析并处理火灾区域内的温度分布情况，以从热红外图像中获取火灾的规模、发展趋势和危险程度等信息，并以此来进行雨淋阀的阀门开度的控制，进而实现最佳的灭火效果。

根据本申请的一个方面，提供了一种水喷雾灭火方法，其包括：

获取由红外摄像头采集的发生火灾的变压器的热红外图像；

提取所述发生火灾的变压器的热红外图像中的温度分布特征信息；以及

基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。

根据本申请的另一个方面，提供了一种水喷雾灭火系统，其包括：

图像采集模块，用于获取由红外摄像头采集的发生火灾的变压器的热红外图像；

温度分布特征提取模块，用于提取所述发生火灾的变压器的热红外图像中的温度分布特征信息；以及

雨淋阀控制模块，用于基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。

与现有技术相比，本申请提供的水喷雾灭火系统及方法，其首先获取由红外摄像头采集的发生火灾的变压器的热红外图像，接着，提取所述发生火灾的变压器的热红外图像中的温度分布特征信息，然后，基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。这样，可以利用热红外图像中的温度分布信息，分析并处理火灾区域内的温度分布情况，以从热红外图像中获取火灾的规模、发展趋势和危险程度等信息，并以此来进行雨淋阀的阀门开度的控制，进而实现最佳的灭火效果。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。

图1为根据本申请实施例的水喷雾灭火方法的流程图。

图2为根据本申请实施例的水喷雾灭火方法的架构示意图。

图3为根据本申请实施例的水喷雾灭火方法的子步骤S120的流程图。

图4为根据本申请实施例的水喷雾灭火方法的子步骤S122的流程图。

图5为根据本申请实施例的水喷雾灭火方法的子步骤S1221的流程图。

图6为根据本申请实施例的水喷雾灭火方法的子步骤S1222的流程图。

图7为根据本申请实施例的水喷雾灭火系统的框图。

图8为根据本申请实施例的水喷雾灭火方法的应用场景图。

具体实施方式

下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例。基于本申请实施例，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，也属于本申请保护的范围。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

变压器作为变电站重要大型的设备，由于内部故障、操作过电压、过负荷等容易引起油温升高，内部压力骤增，引发顶部套管或本体油枕泄露、爆炸氧气进入，大量的油溢出引发火灾。为避免火灾发生，单台容量为125MV·A及以上的变压器应设置固定式灭火装置，主要分为水喷雾灭火系统，合成型泡沫喷雾灭火系统，排油充氮灭火系统和干粉灭火系统，固定式灭火装置保证随时可用，需要从管理规定、运行维护和防误动拒动三个方面进行探讨，确保固定式灭火装置安全运行。

水雾灭火的原理包括：冷却、窒息、冲击乳化以及稀释。其中，水雾的冷却作用体现在冷却火焰和燃烧区的气态物质，当喷雾水喷射到燃烧物表面时，会吸收大量的热而迅速汽化，水雾的外表面积与高温气体、火焰产生热交换，夺取气体、火焰的热量，雾滴越小，同体积的水所产生的雾滴越多，其外表面积就越大，雾滴就越容易汽化，热效率越高，冷却作用越明显，当火焰和气态燃烧区被冷却后，燃烧反应速度降低，使燃烧的氧化反应难以维持，燃烧物表面温度迅速降至燃点以下，燃烧即停止；关于窒息，喷雾水喷射到燃烧区后，遇热汽化，生成比原液体体积大1700倍的水蒸气，包覆在燃烧物周围，使燃烧物周围空气中的氧气浓度不断下降，燃烧因窒息而停止；关于冲击乳化，冲击乳化只适用于不溶于水的可燃液体，喷雾水喷射到正在燃烧的液体表面时，由于水雾滴的冲击，在液体表面产生搅拌作用，从而在液体表面形成一层由水滴和非水溶性可燃液体组成的乳化混合物，其中夹杂着大量气泡，这种乳化物不燃烧，覆盖在可燃液体表面上，可使燃烧中断；关于稀释，对于水溶性液体火灾，喷雾水由于与水溶性液体能很好溶合，因而可使水溶性液体浓度降低，达到灭火的目的。应该指出，水喷雾灭火不是单一因素在起作用，是上述四种因素同时发生作用，对于不同性质燃烧物发生的火灾，其中有一个或两个因素起主要作用，其他因素起辅助作用。

水喷雾灭火装置包括水雾喷头、雨淋阀组、供水管网以及过滤器。其中，雨淋阀组的功能包括：接通或关闭系统的供水；接收电控信号可电动开启雨淋阀，手动或气动开启雨淋阀；具有手动应急操作阀；显示雨淋阀的启、闭状态；驱动水力警钟；监测供水压力。雨淋阀应设在环境温度不低于4℃，且没有排水设施的室内或专用阀室，阀室设置宜靠近保护对象，并便于人员操作、确保其安全。供水管网由配水干管、主管道和供水管道组成：配水干管是直接安装水雾喷头的管道，根据保护对象的特点，配水干管可采用枝状管或环状管；主管道是从雨淋阀后到配水干管间的管道，对于在火灾或爆炸时容易受到损坏的地方，应将主管道敷设在地下或接近地面处；供水管道是从消防供水水源或消防水泵出口到雨淋阀前的管道。供水管网的设置要求包括：雨淋阀后的管道不应设置其他用水设施；雨淋阀后的管道应采用内外镀锌钢管；在寒冷地区，为了防止管道内的积水结冰后造成管道破裂，其系统管道应设泄水阀及相应的排水设施，以排出积水；为便于清除管道内的杂物和锈蚀物，在锈蚀物易于沉积且便于排出的部位设置排渣口。雨淋阀的控制和电磁阀的流道通径都较小，极易堵塞，为防止杂物堵塞造成雨淋阀控制失效，应在雨淋阀前的水平管段设置过滤器。当水雾喷头无滤网时，为防止水中杂物堵塞喷头，也应在雨淋阀后的水平管道设置过滤器。选择过滤器时，既要求通水性能好，能长时间连续使用，且水头损失不能过大。过滤器滤网应为耐腐蚀金属材料，同时应根据系统设备和水质情况，选择合适的滤网孔径。

水喷雾灭火装置应设有自动、手动和应急操作三种启动方式。手动控制方式有两种：第一种是发现火情后由人工在雨淋阀处或现场打开传动管上的应急手动阀门，使雨淋阀传动腔排水降压从而启动雨淋阀；另外一种是消防控制中心接到火灾报警信号后，在联动控制柜处发出信号，打开雨淋阀处传动管上的电磁阀进行降压从而启动雨淋阀，这种控制方式是硬线控制。实际上常称第一种方式为应急操作方式，第二种方式为手动远程控制方式。自动控制应全部由火灾报警装置自动启动雨淋阀及供水设施。

在实际场景中，不同的火灾情况需要不同的水的投放量，而雨淋阀的开门开度会决定水的喷射量和喷射范围。如果雨淋阀的阀门开度过大，会导致过多的水喷洒，引发水损问题。相反，如果阀门开度过小，无法提供足够的水量进行有效的灭火。同时，因火情变化迅速，阀门开度的判断与控制是一项重要但难以轻易把控的工作。

基于此，本申请的技术构思为从变压器的热红外图像中提取温度分布信息，以此来实现对雨淋阀的阀门开度的智能化调节。也就是，利用热红外图像中的温度分布信息，分析并处理火灾区域内的温度分布情况，以从热红外图像中获取火灾的规模、发展趋势和危险程度等信息，并以此来进行雨淋阀的阀门开度的控制，进而实现最佳的灭火效果。

图1为根据本申请实施例的水喷雾灭火方法的流程图。图2为根据本申请实施例的水喷雾灭火方法的架构示意图。如图1和图2所示，根据本申请实施例的水喷雾灭火方法，包括步骤：S110，获取由红外摄像头采集的发生火灾的变压器的热红外图像；S120，提取所述发生火灾的变压器的热红外图像中的温度分布特征信息；以及，S130，基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。应可以理解，红外摄像头是一种能够感知红外辐射并将其转化为可见图像的设备，其能够捕捉物体散发的热量，并将其转化为热红外图像，红外摄像头主要通过测量物体表面的温度来生成热红外图像，不同温度的物体会在图像中呈现不同的颜色或亮度。在本申请实施例中，红外摄像头用于采集发生火灾的变压器的热红外图像，通过分析这些图像，可以获得变压器表面的温度分布特征信息，这些信息可以用于判断火灾的严重程度和位置，并进一步用于生成推荐的雨淋阀的阀门开度值。红外摄像头在火灾监测和灭火系统中起着重要的作用，能够提供实时的温度信息，帮助及早发现火灾并采取相应的灭火措施。

应可以理解，对于获取的热红外图像，可以进行一些图像预处理操作来提取和增强图像中的特征，以便更好地分析和使用。热红外图像预处理方法包括：温度校准，由于红外摄像头的温度测量可能存在误差，可以进行温度校准来提高测量的准确性；去噪处理：热红外图像中常常存在噪点和干扰，可以使用滤波器等方法对图像进行去噪处理，以减少噪声对后续分析的影响；增强对比度，通过调整图像的亮度、对比度等参数，可以增强图像中的温度差异，使得特征更加明显；区域分割，对热红外图像进行区域分割，将感兴趣的区域从背景中提取出来，以便更精确地分析和处理；特征提取：使用图像处理和计算机视觉技术，提取热红外图像中的特征，如边缘、纹理、形状等，以便进行后续的分析和识别。这些预处理步骤的目的是提高热红外图像的质量和特征表达能力，从而更好地提取温度分布特征信息，并为生成推荐的雨淋阀的阀门开度值提供更准确的输入。通过预处理，可以减少噪声和干扰，增强特征的可见性，提高后续分析和推荐的准确性。

具体地，在本申请的技术方案中，首先获取由红外摄像头采集的发生火灾的变压器的热红外图像，并将所述发生火灾的变压器的热红外图像通过基于卷积神经网络模型的特征提取器以得到热红外特征图。也就是，利用卷积神经网络模型来构建所述特征提取器来捕捉所述热红外图像中关于温度分布的局部高维隐含特征信息。

相应地，如图3所示，提取所述发生火灾的变压器的热红外图像中的温度分布特征信息，包括：S121，使用基于深度神经网络模型的特征提取器，对所述发生火灾的变压器的热红外图像进行特征提取以得到热红外特征图；以及，S122，对所述热红外特征图进行关注度增强以得到所述温度分布特征矩阵作为所述温度分布特征信息。

其中，在步骤S121中，使用基于深度神经网络模型的特征提取器，对所述发生火灾的变压器的热红外图像进行特征提取以得到热红外特征图，包括：将所述发生火灾的变压器的热红外图像通过基于卷积神经网络模型的特征提取器以得到所述热红外特征图。应可以理解，卷积神经网络(Convolutional Neural Network，CNN)是一种深度学习模型，卷积神经网络模型通过多层卷积层、池化层和全连接层构成，卷积神经网络模型的核心思想是利用卷积操作和权重共享来捕捉图像中的局部特征，通过多层卷积和池化操作逐渐提取更高级别的特征，最后，通过全连接层将提取的特征映射到不同的类别或进行其他相关任务的预测。在本申请实施例中，通过使用卷积神经网络模型进行特征提取，可以有效地从热红外图像中提取出与温度分布相关的特征信息。这些特征信息可以用于后续的关注度增强操作，进一步提取出更加准确和有用的温度分布特征矩阵，用于生成推荐的雨淋阀的阀门开度值。卷积神经网络模型能够提高对火灾变压器热红外图像的特征提取能力。

其中，如图4所示，在步骤S122中，对所述热红外特征图进行关注度增强以得到所述温度分布特征矩阵，包括：S1221，对所述热红外特征图进行特征激活以得到激活热红外特征图；以及，S1222，融合所述激活热红外特征图和所述热红外特征图以得到所述温度分布特征矩阵。进一步地，对所述热红外特征图进行特征激活以得到激活热红外特征图，包括：使用梯度加权激活映射技术对所述热红外特征图进行处理以得到所述激活热红外特征图。

使用梯度加权激活映射技术对所述热红外特征图进行处理以得到激活热红外特征图。其中，梯度加权激活映射是一种基于梯度的图像增强技术，其通过计算图像中每个像素点的梯度值来确定其重要性。梯度值高的像素点通常表示图像中的边缘或者物体边界，这些区域通常包含了更多的信息。通过对梯度值进行加权处理，可以突出这些重要区域，例如，火焰边缘、火源边界等，使它们在图像中更加明显。也就是，在处理热红外特征图时，梯度加权激活映射技术可以帮助模型识别和突出温度变化较大的区域，即潜在的火灾源。通过这样的方式，模型可以将注意力集中在这些重要区域，从而更准确地识别可能的火灾风险。

在本申请的一个具体示例中，使用梯度加权激活映射技术对所述热红外特征图进行处理以得到激活热红外特征图的具体编码过程为：先计算所述热红外特征图中每个特征值的梯度值以得到梯度特征图；随后，使用ReLU函数对所述梯度特征图中每个特征值进行激活操作以得到激活特征图；接着，对所述激活特征图进行归一化处理以得到归一化后激活特征图；再以所述归一化后激活特征图中的各个特征值作为权重，对所述热红外特征图进行逐元素加权处理以得到所述激活热红外特征图。

相应地，如图5所示，使用梯度加权激活映射技术对所述热红外特征图进行处理以得到所述激活热红外特征图，包括：S12211，计算所述热红外特征图中每个特征值的梯度值以得到梯度特征图；S12212，使用ReLU函数对所述梯度特征图中每个特征值进行激活操作以得到激活特征图；S12213，对所述激活特征图进行归一化处理以得到归一化后激活特征图；以及，S12214，以所述归一化后激活特征图中的各个特征值作为权重，对所述热红外特征图进行逐元素加权处理以得到所述激活热红外特征图。应可以理解，梯度值(GradientValue)是指在图像或特征图中，每个像素或特征值对应的梯度大小，梯度是指图像或特征图中像素值变化最快的方向和变化率，计算梯度值可以帮助理解图像或特征图中的边缘、纹理等细节信息。ReLU函数(Rectified Linear Unit)是一种常用的激活函数，用于增加神经网络的非线性表达能力。ReLU函数定义为f(x)＝max(0,x)，即对于输入x，如果x小于0，则输出为0；如果x大于等于0，则输出为x，ReLU函数能够使得正值通过时不受限制，负值被抑制为0，从而增强网络的非线性特性。归一化处理(Normalization)是将数据按比例缩放到特定范围的过程，常用的归一化方法包括将数据缩放到0到1之间或者将数据标准化为均值为0，方差为1的分布，在激活特征图中进行归一化处理可以使得特征值的取值范围更加统一，有利于后续的处理和分析。逐元素加权处理(Element-wise Weighted Processing)是指根据权重对热红外特征图中的每个像素或特征值进行加权操作，在激活热红外特征图中，使用归一化后激活特征图中的特征值作为权重，可以突出重要的特征并抑制不重要的特征，从而提高特征图的表达能力和区分度。

然后，对所述激活热红外特征图进行沿通道维度的全局池化以得到激活热红外特征矩阵，并使用残差思想融合所述热红外图像和所述激活热红外特征矩阵以得到温度分布特征矩阵。在深度学习中，残差思想是指通过学习残差来建模输入和输出之间的关系。在这里，使用残差思想来融合所述热红外图像和所述激活热红外特征矩阵，可以捕捉到所述热红外图像和所述激活热红外特征矩阵之间的细微差异和关联性，以将两者的有益信息结合起来，使得融合后的所述温度分布特征矩阵的特征表达更加全面，即同时包含直接的温度信息和温度变化明显的重要空间信息。

相应地，如图6所示，融合所述激活热红外特征图和所述热红外特征图以得到所述温度分布特征矩阵，包括：S12221，对所述激活热红外特征图进行特征分布优化以得到优化后激活热红外特征图；S12222，对所述优化后激活热红外特征图进行沿通道维度的全局池化以得到激活热红外特征矩阵；以及，S12223，使用残差思想融合所述热红外图像和所述激活热红外特征矩阵以得到所述温度分布特征矩阵。

应可以理解，沿通道维度的全局池化是一种对特征图进行降维的操作，它通过在每个通道上进行全局池化操作来提取整个通道的全局信息。具体来说，它将每个通道上的特征图进行压缩，得到每个通道的一个数值表示，沿通道维度的全局池化的步骤包括：对于给定的优化后激活热红外特征图，沿通道维度进行全局池化操作；全局池化操作可以是求平均值、求最大值等，常见的方式是在每个通道上计算平均值或最大值，得到一个数值表示该通道的全局特征；对所有通道进行全局池化操作后，得到一个具有通道数目相同的向量，这个向量表示了整个特征图的全局特征。沿通道维度的全局池化提取了特征图的全局信息，减少了特征图的维度，并且保留了每个通道的重要特征。通过这种降维操作，可以减少模型的参数量和计算量，同时保留了关键的特征信息。在融合热红外特征图和激活热红外特征矩阵以生成温度分布特征矩阵的过程中，使用沿通道维度的全局池化可以提取每个通道的全局特征，进一步增强了特征的表达能力，有助于更好地描述温度分布情况。

进一步地，将所述温度分布特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的雨淋阀的阀门开度值。相应地，基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值，包括：将所述温度分布特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的雨淋阀的阀门开度值。

应可以理解，解码器是指一个神经网络模型，用于将输入的温度分布特征矩阵转换为解码值，解码回归是指使用解码器进行逆向转换的过程，将特征矩阵解码回推荐的雨淋阀的阀门开度值。解码器的作用是将特征矩阵中的信息转换为可理解的形式，以便进一步分析和使用。通过解码回归，可以将特征矩阵中的温度分布信息转化为具体的阀门开度值，从而推荐适当的雨淋阀的阀门开度。解码回归的过程可以通过训练一个神经网络模型来实现，该模型接受特征矩阵作为输入，并输出解码值。训练过程中，模型会学习如何将特征矩阵转换为准确的解码值，以实现推荐雨淋阀的阀门开度的目标。

在本申请的技术方案中，所述热红外特征图的每个特征矩阵表达发生火灾的变压器的热红外图像的图像语义特征，而各个特征矩阵之间遵循所述卷积神经网络模型的通道特征分布，在进行梯度加权激活映射之后，可以强化各个特征矩阵的局部特征分布，但是这样，也会增大各个特征矩阵的相应位置的特征值沿通道维度的分布差异性，从而影响对所述激活热红外特征图进行沿通道维度的全局池化得到的所述激活热红外特征矩阵的整体表达效果。因此，本申请的申请人对所述激活热红外特征图的沿通道维度的每个特征矩阵，例如记为M_i，进行特征图的通道维度遍历流形式凸优化。

在一个具体示例中，对所述激活热红外特征图进行特征分布优化以得到优化后激活热红外特征图，包括：以如下优化公式对所述激活热红外特征图的沿通道维度的每个特征矩阵进行特征图的通道维度遍历流形式凸优化以得到所述优化后激活热红外特征图；其中，所述优化公式为：

其中，V_t1[GAP(F)]和V_t2[GAP(F)]分别为基于所述激活热红外特征图的各个特征矩阵的全局均值池化所获得的池化向量通过线性变换得到的列向量和行向量，‖·‖₂表示矩阵的谱范数，即M_i ^TM_i的最大本征值的平方根，M_i为所述激活热红外特征图的沿通道维度的第i个特征矩阵，⊙表示按位置点乘，表示矩阵乘法，且M_i′为优化后的所述优化后激活热红外特征图的沿通道维度的第i个特征矩阵。

V_t1[GAP(F)]和V_t2[GAP(F)]分别为基于所述激活热红外特征图的各个特征矩阵的全局均值池化所获得的池化向量通过线性变换得到的列向量和行向量，‖·‖₂表示矩阵的谱范数，且M′_i为优化后的特征矩阵。

这里，所述特征图的通道维度遍历流形式凸优化通过结构化调制的特征矩阵的最大分布稠密性方向来确定特征矩阵流形的基维度，并沿所述激活热红外特征图的通道方向对特征矩阵流形进行遍历，以通过沿通道方向堆叠遍历流形的基维度来约束每个特征矩阵M_i所表示的遍历流形的凸优化连续性，从而实现由优化后的特征矩阵M′_i的遍历流形组成的所述激活热红外特征图的高维特征流形的几何连续性，也就降低了所述激活热红外特征图的各个特征矩阵的相应位置的特征值沿通道维度的分布差异性，从而改进了对所述激活热红外特征图进行沿通道维度的全局池化得到的所述激活热红外特征矩阵的整体表达效果。

应可以理解，通道维度遍历流形式凸优化是一种优化方法，用于解决具有凸目标函数和约束条件的问题。优化问题的变量是多个通道的权重，通常用于图像处理或深度学习中的卷积神经网络。在通道维度遍历流形式凸优化中，通过对每个通道的权重进行遍历来搜索最优解。具体而言，对于每个通道的权重，通过遍历权重空间中的所有可能取值，计算目标函数的值，并找到使目标函数最小化的权重值。然后，将每个通道的最优权重组合在一起，得到整个优化问题的最优解。这种方法的优点是可以在保持问题凸性的同时，通过遍历权重空间来搜索全局最优解。换言之，通道维度遍历流形式凸优化是一种用于解决凸优化问题的方法，特别适用于具有多个通道权重的问题，如图像处理或深度学习中的卷积神经网络。

综上，基于本申请实施例的水喷雾灭火方法被阐明，其可以利用热红外图像中的温度分布信息，分析并处理火灾区域内的温度分布情况，以从热红外图像中获取火灾的规模、发展趋势和危险程度等信息，并以此来进行雨淋阀的阀门开度的控制，进而实现最佳的灭火效果。

图7为根据本申请实施例的水喷雾灭火系统100的框图。如图7所示，根据本申请实施例的水喷雾灭火系统100，包括：图像采集模块110，用于获取由红外摄像头采集的发生火灾的变压器的热红外图像；温度分布特征提取模块120，用于提取所述发生火灾的变压器的热红外图像中的温度分布特征信息；以及，雨淋阀控制模块130，用于基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。

这里，本领域技术人员可以理解，上述水喷雾灭火系统100中的各个模块的具体功能和操作已经在上面参考图1到图6的水喷雾灭火方法的描述中得到了详细介绍，并因此，将省略其重复描述。

如上所述，根据本申请实施例的水喷雾灭火系统100可以实现在各种无线终端中，例如具有水喷雾灭火算法的服务器等。在一个示例中，根据本申请实施例的水喷雾灭火系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该水喷雾灭火系统100可以是该无线终端的操作系统中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该水喷雾灭火系统100同样可以是该无线终端的众多硬件模块之一。

替换地，在另一示例中，该水喷雾灭火系统100与该无线终端也可以是分立的设备，并且该水喷雾灭火系统100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。

图8为根据本申请实施例的水喷雾灭火方法的应用场景图。如图8所示，在该应用场景中，首先，获取由红外摄像头(例如，图8中所示意的C)采集的发生火灾的变压器的热红外图像(例如，图8中所示意的D)，然后，将所述发生火灾的变压器的热红外图像输入至部署有水喷雾灭火算法的服务器中(例如，图8中所示意的S)，其中，所述服务器能够使用所述水喷雾灭火算法对所述发生火灾的变压器的热红外图像进行处理以得到用于表示推荐的雨淋阀的阀门开度值的解码值。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。

Claims (10)

1.一种水喷雾灭火方法，其特征在于，包括：

获取由红外摄像头采集的发生火灾的变压器的热红外图像；

提取所述发生火灾的变压器的热红外图像中的温度分布特征信息；以及

基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。

2.根据权利要求1所述的水喷雾灭火方法，其特征在于，提取所述发生火灾的变压器的热红外图像中的温度分布特征信息，包括：

使用基于深度神经网络模型的特征提取器，对所述发生火灾的变压器的热红外图像进行特征提取以得到热红外特征图；以及

对所述热红外特征图进行关注度增强以得到所述温度分布特征矩阵作为所述温度分布特征信息。

3.根据权利要求2所述的水喷雾灭火方法，其特征在于，使用基于深度神经网络模型的特征提取器，对所述发生火灾的变压器的热红外图像进行特征提取以得到热红外特征图，包括：

将所述发生火灾的变压器的热红外图像通过基于卷积神经网络模型的特征提取器以得到所述热红外特征图。

4.根据权利要求3所述的水喷雾灭火方法，其特征在于，对所述热红外特征图进行关注度增强以得到所述温度分布特征矩阵，包括：

对所述热红外特征图进行特征激活以得到激活热红外特征图；以及

融合所述激活热红外特征图和所述热红外特征图以得到所述温度分布特征矩阵。

5.根据权利要求4所述的水喷雾灭火方法，其特征在于，对所述热红外特征图进行特征激活以得到激活热红外特征图，包括：

使用梯度加权激活映射技术对所述热红外特征图进行处理以得到所述激活热红外特征图。

6.根据权利要求5所述的水喷雾灭火方法，其特征在于，使用梯度加权激活映射技术对所述热红外特征图进行处理以得到所述激活热红外特征图，包括：

计算所述热红外特征图中每个特征值的梯度值以得到梯度特征图；

使用ReLU函数对所述梯度特征图中每个特征值进行激活操作以得到激活特征图；

对所述激活特征图进行归一化处理以得到归一化后激活特征图；以及

以所述归一化后激活特征图中的各个特征值作为权重，对所述热红外特征图进行逐元素加权处理以得到所述激活热红外特征图。

7.根据权利要求6所述的水喷雾灭火方法，其特征在于，融合所述激活热红外特征图和所述热红外特征图以得到所述温度分布特征矩阵，包括：

对所述激活热红外特征图进行特征分布优化以得到优化后激活热红外特征图；

对所述优化后激活热红外特征图进行沿通道维度的全局池化以得到激活热红外特征矩阵；以及

使用残差思想融合所述热红外图像和所述激活热红外特征矩阵以得到所述温度分布特征矩阵。

8.根据权利要求7所述的水喷雾灭火方法，其特征在于，对所述激活热红外特征图进行特征分布优化以得到优化后激活热红外特征图，包括：

以如下优化公式对所述激活热红外特征图的沿通道维度的每个特征矩阵进行特征图的通道维度遍历流形式凸优化以得到所述优化后激活热红外特征图；

其中，所述优化公式为：

其中，V_t1[GAP(F)]和V_t2[GAP(F)]分别为基于所述激活热红外特征图的各个特征矩阵的全局均值池化所获得的池化向量通过线性变换得到的列向量和行向量，||·||₂表示矩阵的谱范数，M_i为所述激活热红外特征图的沿通道维度的第i个特征矩阵，⊙表示按位置点乘，表示矩阵乘法，且M′_i为优化后的所述优化后激活热红外特征图的沿通道维度的第i个特征矩阵。

9.根据权利要求8所述的水喷雾灭火方法，其特征在于，基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值，包括：

将所述温度分布特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的雨淋阀的阀门开度值。

10.一种水喷雾灭火系统，其特征在于，包括：

图像采集模块，用于获取由红外摄像头采集的发生火灾的变压器的热红外图像；

温度分布特征提取模块，用于提取所述发生火灾的变压器的热红外图像中的温度分布特征信息；以及

雨淋阀控制模块，用于基于所述温度分布特征信息，生成推荐的雨淋阀的阀门开度值。