CN117636565A - 基于光谱特征数据融合的多光谱火焰探测系统 - Google Patents
基于光谱特征数据融合的多光谱火焰探测系统 Download PDFInfo
- Publication number
- CN117636565A CN117636565A CN202410097560.7A CN202410097560A CN117636565A CN 117636565 A CN117636565 A CN 117636565A CN 202410097560 A CN202410097560 A CN 202410097560A CN 117636565 A CN117636565 A CN 117636565A
- Authority
- CN
- China
- Prior art keywords
- ultraviolet
- infrared
- module
- intensity
- environment
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 103
- 230000004927 fusion Effects 0.000 title claims abstract description 64
- 230000003595 spectral effect Effects 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 120
- 230000002159 abnormal effect Effects 0.000 claims abstract description 82
- 238000010191 image analysis Methods 0.000 claims abstract description 10
- 238000002485 combustion reaction Methods 0.000 claims description 39
- 238000012790 confirmation Methods 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 24
- 239000000126 substance Substances 0.000 claims description 23
- 239000000463 material Substances 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims description 3
- 239000000779 smoke Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Abstract
本发明涉及火焰探测技术领域,尤其是基于光谱特征数据融合的多光谱火焰探测系统,包括红外火焰探测模块、紫外火焰探测模块、影像获取模块和火情分析模块;所述红外火焰探测模块,用于检测并分析环境中红外线的强度,并生成红外异常分析结果;所述紫外火焰探测模块,用于检测并分析环境中紫外线的强度,并生成紫外异常分析结果;所述影像获取模块,用于获取环境影像;所述火情分析模块,用于根据红外异常分析结果和紫外异常分析结果,分析是否存在火灾,并结合环境影像,确认火灾情况。采用本方案,能够结合红外光、紫外光及图像分析结果,提升火情判定准确性。
Description
技术领域
本发明涉及火焰探测技术领域,特别涉及基于光谱特征数据融合的多光谱火焰探测系统。
背景技术
火灾探测技术是通过传感器对当前环境进行检测,发生火灾时会产生一些环境参量,从而可以通过对其进行检测判断当前环境有无火灾发生。传统的火灾探测主要将光、温度以及烟雾作为主要特征参量。当前的烟雾传感器和温度传感器是使用最广泛最成熟的火灾检测技术,但此类传感器并不适合在户外、仓库、野外森林植被环境等大空间环境下使用。当待检测范围比较大时,较少数量的烟雾传感器或温度传感器对早期的火灾不敏感,无法及时对火灾情况进行报警提示,发现火情时火势往往已经难以控制,从而造成巨大损失,但设置数量较多的传感器又会涉及到供电、管理、传感器本身成本高的问题。因此,如何做到火情发生时的快速响应,是目前亟待解决的一大难题。
发明内容
本发明提供了基于光谱特征数据融合的多光谱火焰探测系统,能够结合红外光、紫外光及图像分析结果,提升火情判定准确性。
为了达到上述目的,本申请提供如下技术方案:
基于光谱特征数据融合的多光谱火焰探测系统,包括红外火焰探测模块、紫外火焰探测模块、影像获取模块和火情分析模块;
所述红外火焰探测模块,用于检测并分析环境中红外线的强度,并生成红外异常分析结果;
所述紫外火焰探测模块,用于检测并分析环境中紫外线的强度,并生成紫外异常分析结果;
所述影像获取模块,用于获取环境影像;
所述火情分析模块,用于根据红外异常分析结果和紫外异常分析结果,分析是否存在火灾,并结合环境影像,确认火灾情况。
进一步,所述红外火焰探测模块包括红外线强度检测模块、红外线强度比较模块、红外线波长获取模块和红外线分析模块;
所述红外线强度检测模块,用于检测环境中红外线的强度;
所述红外线强度比较模块,用于分析环境中红外线的强度是否在预设红外线强度范围内,若否,则生成红外异常分析结果,并触发红外线波长获取模块,若是,则不生成红外异常分析结果;
所述红外线波长获取模块,用于检测环境中红外线的波长;
所述红外线分析模块,用于分别将环境中红外线的强度和波长与预置可燃物库中各可燃物燃烧时红外线的强度和波长进行比对,并生成燃烧物一级待定清单。
进一步,所述紫外火焰探测模块包括紫外线强度检测模块、紫外线强度比较模块、紫外线波长获取模块和紫外线分析模块;
所述紫外线强度检测模块,用于检测环境中紫外线的强度;
所述紫外线强度比较模块,用于分析环境中紫外线的强度是否在预设紫外线强度范围内,若否,则生成紫外异常分析结果,并触发紫外线波长获取模块,若是,则不生成紫外异常分析结果;
所述紫外线波长获取模块,用于检测环境中紫外线的波长;
所述紫外线分析模块,用于分别将环境中紫外线的强度和波长与燃烧物一级待定清单中各可燃物燃烧时紫外线的强度和波长进行比对,并生成燃烧物二级待定清单。
进一步,所述火情分析模块,包括火灾分析模块、环境影像分析模块和火情确认模块;
所述火灾分析模块,用于若红外线强度比较模块生成了红外异常分析结果,且紫外线强度比较模块生成了紫外异常分析结果,则分析存在火灾;
所述环境影像分析模块,用于分析环境影像中燃烧物的种类;
所述火情确认模块,用于分析环境影像中燃烧物的种类是否在燃烧物二级待定清单中,若是,则生成一级火情确认报告。
进一步,所述火情确认模块,用于分析环境影像中燃烧物的种类是否在燃烧物二级待定清单中,若否,则分析环境影像中燃烧物的种类是否在预置可燃物库中,若是,则生成环境光源异常提示,若否,则生成二级火情确认报告。
进一步,所述一级火情确认报告和二级火情确认报告均包括:根据燃烧物的种类,生成的火情防控建议。
进一步,还包括数据融合模块,用于根据红外火焰探测模块和紫外火焰探测模块的红外异常分析结果、紫外异常分析结果生成融合参数,将红外线强度的检测结果和紫外线强度的检测结果按照融合参数进行数据融合,生成融合检测数据;
融合异常分析结果,将融合检测数据输入训练好的融合分析模型中,得到融合分析结果;判断融合分析结果、红外异常分析结果、紫外异常分析结果的一致性;
当一致性大于预设值时,输出融合分析结果为最终检测结果,当一致性小于预设值时,进行结果融合,结果融合时,对分析结果的可靠度进行判断,并根据可靠度进行权重生成,根据权重对三种结果进行计算,将三种结果按照权重进行合并,将合并后的结果作为最终检测结果。
进一步,还包括温湿度传感器和位置分析模块;
所述温湿度传感器,用于获取环境温度信息和环境湿度信息;
所述位置分析模块,用于根据红外火焰探测模块和紫外火焰探测模块,检测到的红外线和紫外线的数据,分析异常方向和异常位置;
还用于根据异常方向和异常位置,调取影像获取模块,获取异常位置的环境影像;
火情分析模块,还用于根据环境影像,分析异常位置放置的物品类型;
还用于根据物品类型,获取预置可燃物库中各可燃物燃烧时红外线的强度和波长以及燃烧物一级待定清单中各可燃物燃烧时紫外线的强度和波长,并根据异常位置的环境温度信息、环境湿度信息和当前时间,对红外线的强度和波长与紫外线的强度和波长进行自动调整,再触发红外线分析模块和紫外线分析模块,根据自动调整后的强度和波长进行比较分析。
本发明的原理及优点在于:不同物质燃烧时,其发射出的红外光、紫外光对应的强度和波长均具有区别,因此,本方案利用该特性,首先采用红外线强度检测模块对环境中的红外线强进行检测,当其超过相应的强度范围时,说明存在异常情况,此时再获取环境中红外线的波长,并结合各物质燃烧时红外线的特性,分别将环境中红外线的强度和波长与预置可燃物库中各可燃物燃烧时红外线的强度和波长进行比对,并生成燃烧物一级待定清单;然后,采用紫外线强度检测模块对环境中的紫外线强进行检测,当其超过相应的强度范围时,第一次验证了存在异常情况,此时再获取环境中紫外线的波长,并结合各物质燃烧时紫外线的特性,分别将环境中紫外线的强度和波长与燃烧物一级待定清单中各可燃物燃烧时紫外线的强度和波长进行比对,并生成燃烧物二级待定清单。此时生成的燃烧物二级待定清单中的各燃烧物,是燃烧时红外线及紫外线的强度、波长均符合当前红外线、紫外线特性的燃烧物,也即通过环境中的红外光、紫外光,对燃烧物的种类进行了判定。
再对环境影像进行获取,并分析环境影像中燃烧物的种类是否在燃烧物二级待定清单中,若是,则说明两次判定的燃烧物相匹配,第二次验证了存在异常情况,火情确认存在的可能性非常高,此时生成一级火情确认报告;若否,则分析环境影像中燃烧物的种类是否在预置可燃物库中,若是,则说明光源本身异常,而非有燃烧物在燃烧的可能性较高,故生成环境光源异常提示,若否,则说明确实有燃烧物在燃烧的可能性较大,但燃烧物不在预置可燃物库中,此时生成二级火情确认报告。由此,通过不同的报告体现不同的异常情况,便于采用相应措施及时进行处理。
采用本方案,首先采用红外线强度检测模块和紫外线强度检测模块对环境中的红外线强度、紫外线强度进行检测,相对于温度传感器、烟雾传感器而言,能够适用于更多环境下的火焰探测,其成本更低,适用范围更广。其次,利用不同物质燃烧时红外光、紫外光的特性,对燃烧物种类进行筛选,再通过影像识别进行确认,能够更加准确的判定是否真实存在火情,提升了火灾判定准确性。综上,采用本方案,能够结合红外光、紫外光及图像分析结果,提升火情判定的及时性与准确性。
附图说明
图1为本发明基于光谱特征数据融合的多光谱火焰探测系统实施例的逻辑框图。
图2为本发明基于光谱特征数据融合的多光谱火焰探测系统实施例中红外火焰探测模块的逻辑框图。
图3为本发明基于光谱特征数据融合的多光谱火焰探测系统实施例中紫外火焰探测模块的逻辑框图。
图4为本发明基于光谱特征数据融合的多光谱火焰探测系统实施例中火情分析模块的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例1:
实施例1基本如附图1所示:
基于光谱特征数据融合的多光谱火焰探测系统,如图1所示,包括红外火焰探测模块、紫外火焰探测模块、影像获取模块和火情分析模块。
红外火焰探测模块,用于检测并分析环境中红外线的强度,并生成红外异常分析结果;如图2所示,所述红外火焰探测模块包括红外线强度检测模块、红外线强度比较模块、红外线波长获取模块和红外线分析模块。
所述红外线强度检测模块,用于检测环境中红外线的强度;本实施例中,采用红外传感器检测环境中红外线的强度,如本实施例中,需要监测大型仓库中是否有火情,则在仓库四周的顶部设置红外传感器,对仓库中红外线的强度进行监测,安装的红外传感器数量及位置根据实地环境进行适应性设置。
所述红外线强度比较模块,用于分析环境中红外线的强度是否在预设红外线强度范围内,若否,则生成红外异常分析结果,并触发红外线波长获取模块,若是,则不生成红外异常分析结果;从而在仓库中红外线强度存在异常时及时响应,相对于烟雾传感器或温度传感器,对火灾的响应更加迅速。
所述红外线波长获取模块,用于检测环境中红外线的波长;本实施例中,同样采用红外传感器对仓库中的红外线波长进行检测。
所述红外线分析模块,用于分别将环境中红外线的强度和波长与预置可燃物库中各可燃物燃烧时红外线的强度和波长进行比对,并生成燃烧物一级待定清单。本实施例中,所述预置可燃物库中存储有若干可燃物及各可燃物燃烧时红外线的强度范围和波长范围,具体可燃物种类根据仓库中包含的货物类型进行统计;依次分析环境中红外线的强度和波长是否处于预置可燃物库中各可燃物燃烧时红外线的强度范围和波长范围内,若均处于,则筛选相应可燃物进入燃烧物一级待定清单中。
本实施例中,红外火焰探测模块生成红外异常分析结果后,再触发紫外火焰探测模块,以降低系统功耗,在本申请的其他实施例中,也可以同步启用红外火焰探测模块和紫外火焰探测模块。所述紫外火焰探测模块,用于检测并分析环境中紫外线的强度,并生成紫外异常分析结果;如图3所示,所述紫外火焰探测模块包括紫外线强度检测模块、紫外线强度比较模块、紫外线波长获取模块和紫外线分析模块。
所述紫外线强度检测模块,用于检测环境中紫外线的强度;本实施例中,采用紫外线传感器检测环境中紫外线的强度,如本实施例中,需要监测大型仓库中是否有火情,则在仓库四周的顶部设置紫外线传感器,对仓库中紫外线的强度进行监测,安装的紫外线传感器数量及位置根据实地环境进行适应性设置。
所述紫外线强度比较模块,用于分析环境中紫外线的强度是否在预设紫外线强度范围内,若否,则说明当前环境中紫外线强度存在异常,故生成紫外异常分析结果,并触发紫外线波长获取模块,若是,则不生成紫外异常分析结果。
所述紫外线波长获取模块,用于检测环境中紫外线的波长;本实施例中,所述紫外线的波长同样采用紫外线传感器进行检测。
所述紫外线分析模块,用于分别将环境中紫外线的强度和波长与燃烧物一级待定清单中各可燃物燃烧时紫外线的强度和波长进行比对,并生成燃烧物二级待定清单。也即根据环境中紫外线的强度和波长,对一级待定清单中的可燃物进行二次筛选,筛选依次分析环境中紫外线的强度和波长是否处于一级待定清单中各可燃物燃烧时紫外线的强度范围和波长范围内,若均处于,则筛选相应可燃物进入燃烧物二级待定清单中。
影像获取模块,用于获取环境影像;本实施例中,采用摄像头获取环境影像,且所述影像获取模块仅在红外线强度比对模块生成了红外异常分析结果,且紫外线强度比对模块生成了紫外异常分析结果的情况下,触发影像获取模块。
火情分析模块,用于根据红外异常分析结果和紫外异常分析结果,分析是否存在火灾,并结合环境影像,确认火灾情况。如图4所示,所述火情分析模块,包括火灾分析模块、环境影像分析模块和火情确认模块。
所述火灾分析模块,用于若红外线强度比较模块生成了红外异常分析结果,且紫外线强度比较模块生成了紫外异常分析结果,则分析存在火灾,否则不存在火灾。
所述环境影像分析模块,用于分析环境影像中燃烧物的种类;本实施例中,采用图像识别技术对环境影像中的火焰进行识别,进而识别火焰下方的物品为燃烧物,再将燃烧物与预设物品图像库中各物品图像进行比对,从而分析得出环境影像中燃烧物的种类。
所述火情确认模块,用于分析环境影像中燃烧物的种类是否在燃烧物二级待定清单中,若是,则生成一级火情确认报告,若否,则分析环境影像中燃烧物的种类是否在预置可燃物库中,若是,则生成环境光源异常提示,若否,则生成二级火情确认报告。其原理在于,分析环境影像中燃烧物的种类是否在燃烧物二级待定清单中,若是,则说明两次判定的燃烧物相匹配,第二次验证了存在异常情况,火情确认存在的可能性非常高,此时生成一级火情确认报告;若否,则分析环境影像中燃烧物的种类是否在预置可燃物库中,若是,则说明光源本身异常,而非有燃烧物在燃烧的可能性较高,故生成环境光源异常提示,若否,则说明确实有燃烧物在燃烧的可能性较大,但燃烧物不在预置可燃物库中,此时生成二级火情确认报告。由此,通过不同的报告体现不同的异常情况,便于采用相应措施及时进行处理。
所述一级火情确认报告和二级火情确认报告均包括:根据燃烧物的种类,生成的火情防控建议,本实施例中,通过大数据获取各种类燃烧物相应的火情防控建议。
采用本方案,首先采用红外线强度检测模块和紫外线强度检测模块对环境中的红外线强度、紫外线强度进行检测,相对于温度传感器、烟雾传感器而言,能够适用于更多环境下的火焰探测,其成本更低,适用范围更广。其次,利用不同物质燃烧时红外光、紫外光的特性,对燃烧物种类进行筛选,再通过影像识别进行确认,能够更加准确的判定是否真实存在火情,提升了火灾判定准确性。综上,采用本方案,能够结合红外光、紫外光及图像分析结果,提升火情判定的及时性与准确性。
实施例2
本实施例与上述实施例基本相同,区别在于:还包括数据融合模块,用于根据红外火焰探测模块和紫外火焰探测模块的红外异常分析结果、紫外异常分析结果生成融合参数,将红外线强度的检测结果和紫外线强度的检测结果按照融合参数进行数据融合,生成融合检测数据;其中生成融合参数使根据参数对结果的影响程度设置权重,例如燃烧时红外线更加敏感,影响程度更大,则在生成融合参数,会调大红外线在融合中的占比,本实施例中采用多尺度卡尔曼滤波融合算法;
融合异常分析结果,将融合检测数据输入训练好的融合分析模型中,得到融合分析结果;判断融合分析结果和红外异常分析结果或紫外异常分析结果的一致性;本实施例中训练好的融合分析模型,采用预训练的人工智能模型;融合分析结果和红外异常分析结果或紫外异常分析结果中物品的重合度,作为一致性的分析结果;
当一致性大于预设值时,输出融合分析结果为最终检测结果,当一致性小于预设值时,进行结果融合,结果融合时,对分析结果的可靠度进行判断,并根据可靠度进行权重生成,根据权重对三种结果进行计算,将三种结果按照权重进行合并,将合并后的结果作为最终检测结果;其中可靠度的判断,根据环境影像中识别出的物品与融合结果的重合度,设置可靠度,数据融合分析,前后一致性判断,提高了识别结果的准确度,进一步保障火灾预警效果。
实施例3
本实施例与实施例1基本相同,区别在于:还包括温湿度传感器和位置分析模块;
温湿度传感器,用于获取环境温度信息和环境湿度信息;
位置分析模块,用于根据红外火焰探测模块和紫外火焰探测模块,检测到的红外线和紫外线的数据,分析异常方向和异常位置;即位置分析模块分析检测到异常红外线和或异常紫外线数据的方向和位置;
还用于根据异常方向和异常位置,调取影像获取模块,获取异常位置的环境影像;
火情分析模块,还用于根据环境影像,分析异常位置放置的物品类型;
还用于根据物品类型,获取预置可燃物库中各可燃物燃烧时红外线的强度和波长以及燃烧物一级待定清单中各可燃物燃烧时紫外线的强度和波长,并根据异常位置的环境温度信息、环境湿度信息和当前时间,对红外线的强度和波长与紫外线的强度和波长进行自动调整,再触发红外线分析模块和紫外线分析模块,根据自动调整后的强度和波长进行比较分析。因为环境中的温度、湿度以及当前时间对应的光照对红外光和紫外光都可能纯在影响,因此本方案结合当前环境信息(温度、湿度、时间),对紫外线与红外线的强度和波长进行自动调整,使其更符合异常位置中物品处于当前环境下燃烧的情况,识别范围更小,进行更具备针对性的识别,准确度更高。
以上的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (5)
1.基于光谱特征数据融合的多光谱火焰探测系统,其特征在于:包括红外火焰探测模块、紫外火焰探测模块、影像获取模块和火情分析模块;
所述红外火焰探测模块,用于检测并分析环境中红外线的强度,并生成红外异常分析结果;
所述红外火焰探测模块包括红外线强度检测模块、红外线强度比较模块、红外线波长获取模块和红外线分析模块;
所述红外线强度检测模块,用于检测环境中红外线的强度;
所述红外线强度比较模块,用于分析环境中红外线的强度是否在预设红外线强度范围内,若否,则生成红外异常分析结果,并触发红外线波长获取模块,若是,则不生成红外异常分析结果;
所述红外线波长获取模块,用于检测环境中红外线的波长;
所述红外线分析模块,用于分别将环境中红外线的强度和波长与预置可燃物库中各可燃物燃烧时红外线的强度和波长进行比对,并生成燃烧物一级待定清单;
所述紫外火焰探测模块,用于检测并分析环境中紫外线的强度,并生成紫外异常分析结果;
所述紫外火焰探测模块包括紫外线强度检测模块、紫外线强度比较模块、紫外线波长获取模块和紫外线分析模块;
所述紫外线强度检测模块,用于检测环境中紫外线的强度;
所述紫外线强度比较模块,用于分析环境中紫外线的强度是否在预设紫外线强度范围内,若否,则生成紫外异常分析结果,并触发紫外线波长获取模块,若是,则不生成紫外异常分析结果;
所述紫外线波长获取模块,用于检测环境中紫外线的波长;
所述紫外线分析模块,用于分别将环境中紫外线的强度和波长与燃烧物一级待定清单中各可燃物燃烧时紫外线的强度和波长进行比对,并生成燃烧物二级待定清单;
所述影像获取模块,用于获取环境影像;
所述火情分析模块,用于根据红外异常分析结果和紫外异常分析结果,分析是否存在火灾,并结合环境影像,确认火灾情况;
所述火情分析模块,包括火灾分析模块、环境影像分析模块和火情确认模块;
所述火灾分析模块,用于若红外线强度比较模块生成了红外异常分析结果,且紫外线强度比较模块生成了紫外异常分析结果,则分析存在火灾;
所述环境影像分析模块,用于分析环境影像中燃烧物的种类;
所述火情确认模块,用于分析环境影像中燃烧物的种类是否在燃烧物二级待定清单中,若是,则生成一级火情确认报告。
2.根据权利要求1所述的基于光谱特征数据融合的多光谱火焰探测系统,其特征在于:所述火情确认模块,用于分析环境影像中燃烧物的种类是否在燃烧物二级待定清单中,若否,则分析环境影像中燃烧物的种类是否在预置可燃物库中,若是,则生成环境光源异常提示,若否,则生成二级火情确认报告。
3.根据权利要求2所述的基于光谱特征数据融合的多光谱火焰探测系统,其特征在于:所述一级火情确认报告和二级火情确认报告均包括:根据燃烧物的种类,生成的火情防控建议。
4.根据权利要求1所述的基于光谱特征数据融合的多光谱火焰探测系统,其特征在于:还包括数据融合模块,用于根据红外火焰探测模块和紫外火焰探测模块的红外异常分析结果、紫外异常分析结果生成融合参数,将红外线强度的检测结果和紫外线强度的检测结果按照融合参数进行数据融合,生成融合检测数据;
融合异常分析结果,将融合检测数据输入训练好的融合分析模型中,得到融合分析结果;判断融合分析结果、红外异常分析结果、紫外异常分析结果的一致性;
当一致性大于预设值时,输出融合分析结果为最终检测结果,当一致性小于预设值时,进行结果融合,结果融合时,对分析结果的可靠度进行判断,并根据可靠度进行权重生成,根据权重对三种结果进行计算,将三种结果按照权重进行合并,将合并后的结果作为最终检测结果。
5.根据权利要求3所述的基于光谱特征数据融合的多光谱火焰探测系统,其特征在于:
还包括温湿度传感器和位置分析模块;
所述温湿度传感器,用于获取环境温度信息和环境湿度信息;
所述位置分析模块,用于根据红外火焰探测模块和紫外火焰探测模块,检测到的红外线和紫外线的数据,分析异常方向和异常位置;
还用于根据异常方向和异常位置,调取影像获取模块,获取异常位置的环境影像;
火情分析模块,还用于根据环境影像,分析异常位置放置的物品类型;
还用于根据物品类型,获取预置可燃物库中各可燃物燃烧时红外线的强度和波长以及燃烧物一级待定清单中各可燃物燃烧时紫外线的强度和波长,并根据异常位置的环境温度信息、环境湿度信息和当前时间,对红外线的强度和波长与紫外线的强度和波长进行自动调整,再触发红外线分析模块和紫外线分析模块,根据自动调整后的强度和波长进行比较分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410097560.7A CN117636565B (zh) | 2024-01-24 | 2024-01-24 | 基于光谱特征数据融合的多光谱火焰探测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410097560.7A CN117636565B (zh) | 2024-01-24 | 2024-01-24 | 基于光谱特征数据融合的多光谱火焰探测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117636565A true CN117636565A (zh) | 2024-03-01 |
CN117636565B CN117636565B (zh) | 2024-04-26 |
Family
ID=90032372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410097560.7A Active CN117636565B (zh) | 2024-01-24 | 2024-01-24 | 基于光谱特征数据融合的多光谱火焰探测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117636565B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000182162A (ja) * | 1998-12-18 | 2000-06-30 | Hochiki Corp | 炎検出装置及び炎検出方法 |
JP2002163738A (ja) * | 2000-11-29 | 2002-06-07 | Nittan Co Ltd | 炎感知器および炎検知方法 |
JP2004004023A (ja) * | 2002-04-23 | 2004-01-08 | Oki Electric Ind Co Ltd | 赤外線式炎検出装置および赤外線式炎検出方法 |
CN102708647A (zh) * | 2012-06-25 | 2012-10-03 | 北京中恩时代科技有限责任公司 | 图像和多波段红外紫外复合型火灾探测系统及方法 |
JP2013228401A (ja) * | 2013-06-21 | 2013-11-07 | Oki Denki Bosai Kk | 炎監視装置 |
KR101604571B1 (ko) * | 2015-07-22 | 2016-03-22 | 유정무 | 자외선 센서를 구비한 3파장식 적외선 불꽃 감지기 |
CN106097713A (zh) * | 2016-07-06 | 2016-11-09 | 贵州道坦坦科技股份有限公司 | 一种用于公路隧道事件监测的智能化系统 |
CN108961647A (zh) * | 2018-08-15 | 2018-12-07 | 重庆英卡电子有限公司 | 拍照式火焰探测器及其控制方法 |
CN109144019A (zh) * | 2018-10-29 | 2019-01-04 | 电子科技大学中山学院 | 一种基于大数据智慧楼宇监控系统 |
CN111223265A (zh) * | 2020-04-16 | 2020-06-02 | 上海翼捷工业安全设备股份有限公司 | 基于神经网络的火灾探测方法、装置、设备及存储介质 |
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 |
KR102370204B1 (ko) * | 2021-07-27 | 2022-03-04 | 주식회사 와치캠 | 비화재보가 개선된 카메라, 영상검증 장치 및 화재감지 시스템 |
KR20220131606A (ko) * | 2021-03-22 | 2022-09-29 | 방병주 | 현장 정보에 기초한 유효 이벤트의 선택적 감지의 효율성을 구비하는 화재 모니터링 시스템 |
CN115294722A (zh) * | 2022-08-02 | 2022-11-04 | 汉熵通信有限公司 | 火焰检测装置及其方法 |
CN115641688A (zh) * | 2022-11-03 | 2023-01-24 | 中铁第一勘察设计院集团有限公司 | 火灾极早期探测预警报警系统及方法 |
CN117159966A (zh) * | 2023-08-24 | 2023-12-05 | 华能宁南风力发电有限公司 | 一种基于红外-紫外探测的风机自动消防系统 |
-
2024
- 2024-01-24 CN CN202410097560.7A patent/CN117636565B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000182162A (ja) * | 1998-12-18 | 2000-06-30 | Hochiki Corp | 炎検出装置及び炎検出方法 |
JP2002163738A (ja) * | 2000-11-29 | 2002-06-07 | Nittan Co Ltd | 炎感知器および炎検知方法 |
JP2004004023A (ja) * | 2002-04-23 | 2004-01-08 | Oki Electric Ind Co Ltd | 赤外線式炎検出装置および赤外線式炎検出方法 |
CN102708647A (zh) * | 2012-06-25 | 2012-10-03 | 北京中恩时代科技有限责任公司 | 图像和多波段红外紫外复合型火灾探测系统及方法 |
JP2013228401A (ja) * | 2013-06-21 | 2013-11-07 | Oki Denki Bosai Kk | 炎監視装置 |
KR101604571B1 (ko) * | 2015-07-22 | 2016-03-22 | 유정무 | 자외선 센서를 구비한 3파장식 적외선 불꽃 감지기 |
CN106097713A (zh) * | 2016-07-06 | 2016-11-09 | 贵州道坦坦科技股份有限公司 | 一种用于公路隧道事件监测的智能化系统 |
CN108961647A (zh) * | 2018-08-15 | 2018-12-07 | 重庆英卡电子有限公司 | 拍照式火焰探测器及其控制方法 |
CN109144019A (zh) * | 2018-10-29 | 2019-01-04 | 电子科技大学中山学院 | 一种基于大数据智慧楼宇监控系统 |
CN111223265A (zh) * | 2020-04-16 | 2020-06-02 | 上海翼捷工业安全设备股份有限公司 | 基于神经网络的火灾探测方法、装置、设备及存储介质 |
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 |
KR20220131606A (ko) * | 2021-03-22 | 2022-09-29 | 방병주 | 현장 정보에 기초한 유효 이벤트의 선택적 감지의 효율성을 구비하는 화재 모니터링 시스템 |
KR102370204B1 (ko) * | 2021-07-27 | 2022-03-04 | 주식회사 와치캠 | 비화재보가 개선된 카메라, 영상검증 장치 및 화재감지 시스템 |
CN115294722A (zh) * | 2022-08-02 | 2022-11-04 | 汉熵通信有限公司 | 火焰检测装置及其方法 |
CN115641688A (zh) * | 2022-11-03 | 2023-01-24 | 中铁第一勘察设计院集团有限公司 | 火灾极早期探测预警报警系统及方法 |
CN117159966A (zh) * | 2023-08-24 | 2023-12-05 | 华能宁南风力发电有限公司 | 一种基于红外-紫外探测的风机自动消防系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117636565B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6968681B2 (ja) | 火災監視システム | |
Chen et al. | An early fire-detection method based on image processing | |
CN1871623B (zh) | 一种环境状态检测器 | |
US6967582B2 (en) | Detector with ambient photon sensor and other sensors | |
JP6867153B2 (ja) | 異常監視システム | |
US20200348446A1 (en) | Early-Warning Fire Detection System Based on a Multivariable Approach | |
KR20130143545A (ko) | 허위 경보 거절을 위한 광학적으로 예비적인 화재 검출장치 | |
JP2019079445A (ja) | 火災監視システム | |
CN113160513A (zh) | 基于多传感器的火焰探测装置 | |
CN111488802B (zh) | 一种利用热成像的温度曲线合成算法及火灾预警系统 | |
CN108010254A (zh) | 一种基于四波段红外火焰探测器及其火焰识别算法 | |
EP1233386B1 (en) | Improvements to fire detection sensors | |
WO2005010842A1 (fr) | Procede et dispositif de detection de sources d'infrarouge | |
CN111986436B (zh) | 一种基于紫外、深度神经网络的综合火焰检测方法 | |
CN105975991B (zh) | 一种改进的极限学习机火灾种类识别方法 | |
US7638770B2 (en) | Method for detecting a fire condition in a monitored region | |
CN209433517U (zh) | 一种基于多火焰图像与组合判据的火灾识别报警装置 | |
CN117636565B (zh) | 基于光谱特征数据融合的多光谱火焰探测系统 | |
Mwedzi et al. | Machine learning applications for fire detection in a residential building | |
KR20210049661A (ko) | 광스펙트럼 분석을 이용한 화재감지 장치 및 방법 | |
JPH07200961A (ja) | 火災の早期検出用火災警報装置 | |
CN106226239A (zh) | 大视场角智能图像型火灾探测器及其智能火灾探测方法 | |
US11620810B2 (en) | Identification of droplet formation during cable burn testing | |
CN112750272B (zh) | 一种消防报警器的智能控制方法及系统 | |
Chagger | The performance of multi-sensors in fire and false alarm tests |
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 |