CN117275165A - 一种基于人工智能的火灾消防烟雾处理装置 - Google Patents
一种基于人工智能的火灾消防烟雾处理装置 Download PDFInfo
- Publication number
- CN117275165A CN117275165A CN202311150107.XA CN202311150107A CN117275165A CN 117275165 A CN117275165 A CN 117275165A CN 202311150107 A CN202311150107 A CN 202311150107A CN 117275165 A CN117275165 A CN 117275165A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- fire
- early warning
- module
- 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 title claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 23
- 230000007613 environmental effect Effects 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 31
- 238000004140 cleaning Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 230000008447 perception Effects 0.000 claims description 13
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 11
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000001931 thermography Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 206010000369 Accident Diseases 0.000 abstract description 5
- 238000012549 training Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000004044 response 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- 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
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- 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
- G08B17/10—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
- 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
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
- H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
Abstract
本发明公开了一种基于人工智能的火灾消防烟雾处理装置,包括包括:数据采集组件,用于采集感知节点的环境数据;图像采集组件,用于采集感知节点的图像;传输组件,用于将数据采集组件采集的数据和图像采集组件采集的图像通过通信网络发送至管理服务器;管理服务器,用于运行物联网平台,接受传输组件上传的数据,对数据进行分析,识别出起火点,并下发指令;预警组件和终端组件。本发明通过多个感知节点实时监测烟雾、温度等环境数据,利用数据分析和机器学习算法实现智能识别和预警,有效避免火灾事故的发生,不仅提高了火灾预警的准确性和及时性,而且降低了误报率,为生命财产安全提供了重要保障。
Description
技术领域
本发明涉及消防技术领域,尤其涉及一种基于人工智能的火灾消防烟雾处理装置。
背景技术
随着城市的现代化建设,出现了很多高楼大厦,高楼都配备有较完善的消防系统,但同时依然存在大量的老旧住宅、商铺、出租屋、农民房、厂房及各种小作坊等场所,存在着建筑年限长,环境老化严重,人流密集复杂,线路陈旧杂乱等特点,从而形成诸多安全隐患,火灾事件频频发生,这些地方的消防设施基本都不完善,无法对火灾做到早发现、早预警、早处置,因此,会造成一定的生命财产损失。
现有技术中,烟雾感应器、可燃气体传感器等设备都需要一定量的烟雾或气体颗粒进入传感器才能引起报警,红外及激光技术也需要烟雾遮挡才能引发报警,在火灾初起阶段很难被及时发现,导致灭火的最佳时机被浪费掉。而且在发现火点后,居民虽然急于灭火,但在不具备消防常识的情况下,很难及时作出正确的反应,往往导致不能及时灭火从而导致引起更大的损失,所以我们提出了一种基于人工智能的火灾消防烟雾处理装置,用于解决上述所提出的问题。
发明内容
基于背景技术存在的技术问题,本发明提出了一种基于人工智能的火灾消防烟雾处理装置,通过多个感知节点实时监测烟雾、温度等环境数据,利用数据分析和机器学习算法实现智能识别和预警,有效避免火灾事故的发生,不仅提高了火灾预警的准确性和及时性,而且降低了误报率,为生命财产安全提供了重要保障。
本发明提出的一种基于人工智能的火灾消防烟雾处理装置,包括:
数据采集组件,用于采集感知节点的环境数据;
图像采集组件,用于采集感知节点的图像;
传输组件,用于将数据采集组件采集的数据和图像采集组件采集的图像通过通信网络发送至管理服务器;
管理服务器,用于运行物联网平台,接受传输组件上传的数据,对数据进行分析,识别出起火点,并下发指令;
预警组件,用于向感知节点附近区域的人员进行预警,包括设置在感知节点的通讯设备;
终端组件,用于管理人员和巡查人员接受管理服务器发送的数据和指令;
其中,物联网平台包括:
数据接收模块,用于接收数据采集组件上传的数据和图像采集组件上传的图像;
数据清洗模块,用于对接收到的环境数据进行清洗,处理数据中的噪声、缺失、重复和异常问题;
图像处理模块,用于对接收的图像进行预处理;
人工智能识别模块,用于获取数据和图像,并利用数据分析和机器学习算法识别出是否起火,输出识别结果,其中,分为数据分析单元和图像识别单元;
预警管理模块,用于根据人工智能模块的识别结果生成预警信息,将预警信息通过网络发送至上级部门,并向预警组件和终端组件发出预警信息;
存储管理模块,用于存储以往一段时间内的环境数据、图像资料和预警信息;
查询模块,用于查询历史信息或实时的环境数据、图像资料和预警信息,结果以通用文档格式显示;
统计模块,用于统计起火情况,划定重点防火区域,结果以通用图表格式显示;
显示模块,用于显示环境数据、图像、识别结果、查询结果和统计结果。
优选的,数据采集组件包括设置在感应节点的烟雾感应器、可燃气体传感器、一氧化碳传感器、报警按钮和温湿度传感器;图像采集组件包括设置在感应节点的热成像摄像机。
优选的,采集设备为物联网设备,分别为NB烟雾感应器、NB可燃气体传感器、NB一氧化碳传感器、NB报警按钮、NB温湿度传感器和NB热成像摄像机。
优选的,传输组件包括交换机、网关和互联网,进行数据传输。
优选的,数据处理模块中,包括:
数据分类单元:将接收到的数据进行分类,分为:正常数据、缺失值数据、格式数据和逻辑数据;
缺失值清洗单元:用于根据缺失值清洗方法将缺失值部分进行筛选和补充,获取缺失值数据;
格式清洗单元:用于将数据的格式进行标记,获取格式类型,并与数据的数值类型进行对比,判断格式的一致性;其中,当格式一致时,获取格式数据;当格式不一致时,对所述数值类型校正到与格式类型一致;
逻辑清洗单元:用于根据数据的逻辑性对数据进行逻辑校正处理,获取逻辑校正数据;其中,逻辑校正处理包括:去重处理、不合理值校正处理、数据矛盾校正处理。
优选的,图像处理模块中,处理方法包括:对图像依次进行去噪、图像二值化处理和图像形态学处理,用于增强图像中的重要特征。
优选的,图像识别单元,执行以下方法:
S1获取参考图像,参考图像是图像采集组件在感应节点未发生火灾时采集的图像;
S2获取图像采集组件在采样时刻采集到的采样图像;
S3通过火灾识别模型获得提取采样图像和参考图像的特征,进行比对,并输出识别结果。
优选的,火灾识别模型包括特征提取网络、特征比对网络和目标感知识别网络;其中,特征提取网络用于提取图像帧的图像特征,特征比对网络用于将采样图像的图像特征和参考图像的图像特征进行比对,目标感知识别网络用于根据图像特征比对结果进行图像目标感知和识别。
优选的,火灾识别模型通过下列方式训练得到:
A1利用目标感知识别算法对验证集里的参考图像进行识别测试,得到对应的中间变量并将其保存,其中,中间变量包括计算方法标识值和相应时间值;
A2根据中间变量对验证集进行分类,其中,分类标识为一级类型,二级对应质量;
A3目标感知识别算法加载火灾识别模型,对分类好的验证集进行识别,得到相应的识别结果数据,识别结果数据包括召回率和准确率;
A4将识别结果数据和实际的识别结果数据,筛选出相应的参考图像,形成新的训练集,并将新的训练集重新训练AI识别模块,如此循环,最终形成一个微缩稳定的训练集。
优选的,数据分析单元,执行以下步骤:
将烟雾、可燃气体、一氧化碳、温度和湿度作为环境参数,每一个参数设置一个参考比重;
设定参数阈值和总和阈值,如果环境参数超过阈值或环境参数和参考比重的总和超过阈值,发出预警信息至预警管理模块。
优选的,预警信息包括超过阈值的环境参数和所在感知节点的位置信息。
优选的,预警管理模块中,将预警信息通过短信或网络信息的方式下发至终端组件,终端组件包括手机和平板电脑。
本发明的有益效果是:
本发明通过多个感知节点实时监测烟雾、温度等环境数据,利用数据分析和机器学习算法实现智能识别和预警,有效避免火灾事故的发生,不仅提高了火灾预警的准确性和及时性,而且降低了误报率,为生命财产安全提供了重要保障。
本发明通过设置在感应节点的烟雾感应器、可燃气体传感器、一氧化碳传感器、报警按钮、温湿度传感器和通讯设备,使得各个感应节点可控、可管、可互通。另外,还设置有热成像摄像机,通过对采集的图片进行智能识别,双识别系统,可提升火灾预警的准确性,降低了误报率。
本发明针对城市中的老旧建筑设计,实现对海量烟感的集中监测管理,多层级管理和信息共享,保障警情快速处置。
附图说明
图1为本发明提出的一种基于人工智能的火灾消防烟雾处理装置的架构图;
图2为本发明提出的一种基于人工智能的火灾消防烟雾处理装置的架构图;
图3为本发明提出的一种基于人工智能的火灾消防烟雾处理装置中互联网平台的架构图;
图4为本发明提出的一种基于人工智能的火灾消防烟雾处理装置的实施例的架构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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他实施例,都属于本发明保护的范围。
请参阅图1-4,本发明提供以下技术方案:
实施例一
一种基于人工智能的火灾消防烟雾处理装置,包括:
数据采集组件,用于采集感知节点的环境数据;
图像采集组件,用于采集感知节点的图像;
传输组件,用于将数据采集组件采集的数据和图像采集组件采集的图像通过通信网络发送至管理服务器;
管理服务器,用于运行物联网平台,接受传输组件上传的数据,对数据进行分析,识别出起火点,并下发指令;
预警组件,用于向感知节点附近区域的人员进行预警,包括设置在感知节点的通讯设备;
终端组件,用于管理人员和巡查人员接受管理服务器发送的数据和指令;
其中,物联网平台包括:
数据接收模块,用于接收数据采集组件上传的数据和图像采集组件上传的图像;
数据清洗模块,用于对接收到的环境数据进行清洗,处理数据中的噪声、缺失、重复和异常问题;
图像处理模块,用于对接收的图像进行预处理;
人工智能识别模块,用于获取数据和图像,并利用数据分析和机器学习算法识别出是否起火,输出识别结果,其中,分为数据分析单元和图像识别单元;
预警管理模块,用于根据人工智能模块的识别结果生成预警信息,将预警信息通过网络发送至上级部门,并向预警组件和终端组件发出预警信息;
存储管理模块,用于存储以往一段时间内的环境数据、图像资料和预警信息;
查询模块,用于查询历史信息或实时的环境数据、图像资料和预警信息,结果以通用文档格式显示;
统计模块,用于统计起火情况,划定重点防火区域,结果以通用图表格式显示;
显示模块,用于显示环境数据、图像、识别结果、查询结果和统计结果。
其中,数据采集组件包括设置在感应节点的烟雾感应器、可燃气体传感器、一氧化碳传感器、报警按钮和温湿度传感器;图像采集组件包括设置在感应节点的热成像摄像机,采集设备为物联网设备,分别为NB烟雾感应器、NB可燃气体传感器、NB一氧化碳传感器、NB报警按钮、NB温湿度传感器和NB热成像摄像机。
实施例二
实施例二与实施例一不同之处在于:
本实施例中,传输组件包括交换机、网关和互联网,进行数据传输。
数据处理模块中,包括:
数据分类单元:将接收到的数据进行分类,分为:正常数据、缺失值数据、格式数据和逻辑数据;
缺失值清洗单元:用于根据缺失值清洗方法将缺失值部分进行筛选和补充,获取缺失值数据;
格式清洗单元:用于将数据的格式进行标记,获取格式类型,并与数据的数值类型进行对比,判断格式的一致性;其中,当格式一致时,获取格式数据;当格式不一致时,对所述数值类型校正到与格式类型一致;
逻辑清洗单元:用于根据数据的逻辑性对数据进行逻辑校正处理,获取逻辑校正数据;其中,逻辑校正处理包括:去重处理、不合理值校正处理、数据矛盾校正处理。
其中,图像处理模块中,处理方法包括:对图像依次进行去噪、图像二值化处理和图像形态学处理,用于增强图像中的重要特征。
图像识别单元,执行以下方法:
S1获取参考图像,参考图像是图像采集组件在感应节点未发生火灾时采集的图像;
S2获取图像采集组件在采样时刻采集到的采样图像;
S3通过火灾识别模型获得提取采样图像和参考图像的特征,进行比对,并输出识别结果。
火灾识别模型包括特征提取网络、特征比对网络和目标感知识别网络;其中,特征提取网络用于提取图像帧的图像特征,特征比对网络用于将采样图像的图像特征和参考图像的图像特征进行比对,目标感知识别网络用于根据图像特征比对结果进行图像目标感知和识别。
火灾识别模型通过下列方式训练得到:
A1利用目标感知识别算法对验证集里的参考图像进行识别测试,得到对应的中间变量并将其保存,其中,中间变量包括计算方法标识值和相应时间值;
A2根据中间变量对验证集进行分类,其中,分类标识为一级类型,二级对应质量;
A3目标感知识别算法加载火灾识别模型,对分类好的验证集进行识别,得到相应的识别结果数据,识别结果数据包括召回率和准确率;
A4将识别结果数据和实际的识别结果数据,筛选出相应的参考图像,形成新的训练集,并将新的训练集重新训练AI识别模块,如此循环,最终形成一个微缩稳定的训练集。
数据分析单元,执行以下步骤:
(1)将烟雾、可燃气体、一氧化碳、温度和湿度作为环境参数,每一个参数设置一个参考比重;
(2)设定参数阈值和总和阈值,如果环境参数超过阈值或环境参数和参考比重的总和超过阈值,发出预警信息至预警管理模块。
预警信息包括超过阈值的环境参数和所在感知节点的位置信息,预警管理模块中,将预警信息通过短信或网络信息的方式下发至终端组件,终端组件包括手机和平板电脑。
本发明提供的一种基于人工智能的火灾消防烟雾处理装置,通过多个感知节点实时监测烟雾、温度等环境数据,利用数据分析和机器学习算法实现智能识别和预警,有效避免火灾事故的发生,不仅提高了火灾预警的准确性和及时性,而且降低了误报率,为生命财产安全提供了重要保障。通过设置在感应节点的烟雾感应器、可燃气体传感器、一氧化碳传感器、报警按钮、温湿度传感器和通讯设备,使得各个感应节点可控、可管、可互通。另外,还设置有热成像摄像机,通过对采集的图片进行智能识别,双识别系统,可提升火灾预警的准确性,降低了误报率。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于人工智能的火灾消防烟雾处理装置,其特征在于,包括:
数据采集组件,用于采集感知节点的环境数据;
图像采集组件,用于采集感知节点的图像;
传输组件,用于将数据采集组件采集的数据和图像采集组件采集的图像通过通信网络发送至管理服务器;
管理服务器,用于运行物联网平台,接受传输组件上传的数据,对数据进行分析,识别出起火点,并下发指令;
预警组件,用于向感知节点附近区域的人员进行预警,包括设置在感知节点的通讯设备;
终端组件,用于管理人员和巡查人员接受管理服务器发送的数据和指令;
其中,物联网平台包括:
数据接收模块,用于接收数据采集组件上传的数据和图像采集组件上传的图像;
数据清洗模块,用于对接收到的环境数据进行清洗,处理数据中的噪声、缺失、重复和异常问题;
图像处理模块,用于对接收的图像进行预处理;
人工智能识别模块,用于获取数据和图像,并利用数据分析和机器学习算法识别出是否起火,输出识别结果,其中,分为数据分析单元和图像识别单元;
预警管理模块,用于根据人工智能模块的识别结果生成预警信息,将预警信息通过网络发送至上级部门,并向预警组件和终端组件发出预警信息;
存储管理模块,用于存储以往一段时间内的环境数据、图像资料和预警信息;
查询模块,用于查询历史信息或实时的环境数据、图像资料和预警信息,结果以通用文档格式显示;
统计模块,用于统计起火情况,划定重点防火区域,结果以通用图表格式显示;
显示模块,用于显示环境数据、图像、识别结果、查询结果和统计结果。
2.根据权利要求1所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,数据采集组件包括设置在感应节点的烟雾感应器、可燃气体传感器、一氧化碳传感器、报警按钮和温湿度传感器;图像采集组件包括设置在感应节点的热成像摄像机。
3.根据权利要求2所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,采集设备为物联网设备,分别为NB烟雾感应器、NB可燃气体传感器、NB一氧化碳传感器、NB报警按钮、NB温湿度传感器和NB热成像摄像机。
4.根据权利要求1所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,传输组件包括交换机、网关和互联网,进行数据传输。
5.根据权利要求1所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,数据处理模块中,包括:
数据分类单元:将接收到的数据进行分类,分为:正常数据、缺失值数据、格式数据和逻辑数据;
缺失值清洗单元:用于根据缺失值清洗方法将缺失值部分进行筛选和补充,获取缺失值数据;
格式清洗单元:用于将数据的格式进行标记,获取格式类型,并与数据的数值类型进行对比,判断格式的一致性;其中,当格式一致时,获取格式数据;当格式不一致时,对所述数值类型校正到与格式类型一致;
逻辑清洗单元:用于根据数据的逻辑性对数据进行逻辑校正处理,获取逻辑校正数据;其中,逻辑校正处理包括:去重处理、不合理值校正处理、数据矛盾校正处理。
6.根据权利要求1所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,图像处理模块中,处理方法包括:对图像依次进行去噪、图像二值化处理和图像形态学处理,用于增强图像中的重要特征。
7.根据权利要求1所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,图像识别单元,执行以下方法:
S1获取参考图像,参考图像是图像采集组件在感应节点未发生火灾时采集的图像;
S2获取图像采集组件在采样时刻采集到的采样图像;
S3通过火灾识别模型获得提取采样图像和参考图像的特征,进行比对,并输出识别结果。
8.根据权利要求7所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,火灾识别模型包括特征提取网络、特征比对网络和目标感知识别网络;其中,特征提取网络用于提取图像帧的图像特征,特征比对网络用于将采样图像的图像特征和参考图像的图像特征进行比对,目标感知识别网络用于根据图像特征比对结果进行图像目标感知和识别。
9.根据权利要求7所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,数据分析单元,执行以下步骤:
将烟雾、可燃气体、一氧化碳、温度和湿度作为环境参数,每一个参数设置一个参考比重;
设定参数阈值和总和阈值,如果环境参数超过阈值或环境参数和参考比重的总和超过阈值,发出预警信息至预警管理模块。
10.根据权利要求9所述的一种基于人工智能的火灾消防烟雾处理装置,其特征在于,预警信息包括超过阈值的环境参数和所在感知节点的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311150107.XA CN117275165A (zh) | 2023-09-07 | 2023-09-07 | 一种基于人工智能的火灾消防烟雾处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311150107.XA CN117275165A (zh) | 2023-09-07 | 2023-09-07 | 一种基于人工智能的火灾消防烟雾处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117275165A true CN117275165A (zh) | 2023-12-22 |
Family
ID=89216978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311150107.XA Pending CN117275165A (zh) | 2023-09-07 | 2023-09-07 | 一种基于人工智能的火灾消防烟雾处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117275165A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223263A (zh) * | 2020-03-11 | 2020-06-02 | 四川路桥建设集团交通工程有限公司 | 一种全自动综合型火灾预警响应系统 |
CN112396023A (zh) * | 2020-11-30 | 2021-02-23 | 北京华正明天信息技术股份有限公司 | 基于机器学习的火灾检测方法 |
CN114116690A (zh) * | 2021-10-29 | 2022-03-01 | 北京银盾泰安网络科技有限公司 | 数据清洗平台 |
CN115903973A (zh) * | 2022-12-30 | 2023-04-04 | 中国矿业大学 | 一种基于物联网的火灾探测及应急联动控制系统 |
-
2023
- 2023-09-07 CN CN202311150107.XA patent/CN117275165A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223263A (zh) * | 2020-03-11 | 2020-06-02 | 四川路桥建设集团交通工程有限公司 | 一种全自动综合型火灾预警响应系统 |
CN112396023A (zh) * | 2020-11-30 | 2021-02-23 | 北京华正明天信息技术股份有限公司 | 基于机器学习的火灾检测方法 |
CN114116690A (zh) * | 2021-10-29 | 2022-03-01 | 北京银盾泰安网络科技有限公司 | 数据清洗平台 |
CN115903973A (zh) * | 2022-12-30 | 2023-04-04 | 中国矿业大学 | 一种基于物联网的火灾探测及应急联动控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110209835B (zh) | 一种异常检测方法及装置、计算机存储介质及电子设备 | |
KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
US20220167142A1 (en) | Digital twin disaster management system customized for underground public areas | |
CN109819043A (zh) | 三维智能应急消防平台系统及其操作方法 | |
CN109410497B (zh) | 一种基于深度学习的桥洞空间安全监测与报警系统 | |
CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
CN111178668A (zh) | 一种基于物联网的社区运营管理系统及管理方法 | |
CN107330414A (zh) | 暴力行为监控方法 | |
KR20180118979A (ko) | 다중로그 데이터 기반의 공공안전 위험상황 감지, 예측, 대응 방법 및 장치 | |
CN115326661B (zh) | 一种基于大气环境的监测方法、系统和可读存储介质 | |
KR20160104940A (ko) | 빅데이터를 이용한 이벤트 발생 정보 제공 방법 및 이벤트 발생 정보 제공 시스템 | |
KR20220071880A (ko) | 지하공동구 맞춤형 디지털트윈 재난 관리 시스템 | |
CN113538825A (zh) | 一种用于校园翻墙事件报警方法及系统 | |
CN115567690A (zh) | 一种自动识别现场作业危险点的智慧监控系统 | |
CN111951390A (zh) | 一种警情显示方法、系统、装置和存储介质 | |
CN101461239B (zh) | 用于进行中心站警报监控的视频验证系统和方法 | |
CN113392706A (zh) | 抽烟及使用手机行为检测装置及方法 | |
CN113554364A (zh) | 灾害应急管理方法、装置、设备及计算机存储介质 | |
CN110928305A (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
CN117275165A (zh) | 一种基于人工智能的火灾消防烟雾处理装置 | |
CN116433029A (zh) | 电力作业风险评估方法、系统、设备及存储介质 | |
CN116246401A (zh) | 一种社区公共区域管理的监控系统 | |
CN111372197B (zh) | 预警方法及相关装置 | |
CN109544850A (zh) | 一种基于物联网的消防隐患判别方法 | |
CN115240277A (zh) | 安检行为的监控方法、装置、电子设备及存储介质 |
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 |