CN209657454U - 煤矿火灾识别系统 - Google Patents
煤矿火灾识别系统 Download PDFInfo
- Publication number
- CN209657454U CN209657454U CN201920157344.1U CN201920157344U CN209657454U CN 209657454 U CN209657454 U CN 209657454U CN 201920157344 U CN201920157344 U CN 201920157344U CN 209657454 U CN209657454 U CN 209657454U
- Authority
- CN
- China
- Prior art keywords
- image
- mine
- alarm signal
- warning device
- coal
- 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
- 239000000779 smoke Substances 0.000 claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 239000007921 spray Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005507 spraying Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 235000019504 cigarettes Nutrition 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 239000003245 coal Substances 0.000 description 4
- 239000002737 fuel gas Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 229910001423 beryllium ion Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Fire-Detection Mechanisms (AREA)
Abstract
本实用新型提供一种煤矿火灾识别系统,涉及智能设备领域,该系统包括多个图像采集设备、多个烟雾传感器、多个可燃气体传感器、中转设备、图像识别设备和报警设备;图像采集设备用于采集矿井内的图像;图像识别设备用于根据矿井内的图像识别矿井内的疑似火灾,并发送第一报警信号至报警设备;中转设备根据接收到的烟雾信号发送第二报警信号至报警设备,并根据可燃气体信号发送第三报警信号至报警设备;报警设备根据第一报警信号、第二报警信号和第三报警信号进行报警工作,能够避免仅通过采集井下的图像信息,当图像中出现颜色与火焰类似的物体时,容易造成火灾判断结果不准确,火灾误判的情况,提高井下火灾识别的准确度。
Description
技术领域
本实用新型涉及智能设备技术领域,尤其涉及一种煤矿火灾识别系统。
背景技术
随着人工智能技术和图像处理等技术的不断发展,图像识别已经被广泛地应用到社会活动各个领域。通过图像识别能够将图像中特定的目标物识别出来,并根据识别出的目标物进行下一节点的处理,例如,图像识别人脸信息、图像识别指纹信息、图像识别车牌等等。其中,现有技术中已经存在通过图像识别火焰的技术。而煤矿中由于瓦斯等可燃气的存在,极易已发火灾的发生。因此,对煤矿中的火灾监控具有重要意义。
目前,对煤矿中火灾进行识别主要是通过摄像头实时采集井下的图像,然后将图像发送到总控中心,由总控中心进行图像识别,并判断井下是否有火灾发生。
然而,实用新型人发现现有的采集图像人工判断进行煤矿火灾识别的方式至少存在以下问题:由于摄像头仅采集井下的图像信息,当图像中出现颜色与火焰类似的物体(例如类似火焰颜色的塑料、焊接时发出的光)时,即会判断出现火灾,进而容易造成火灾判断结果不准确,火灾误判的情况。
实用新型内容
鉴于上述问题,本实用新型实施例提供一种煤矿火灾识别系统,能够解决现有技术中仅采集井下的图像信息,当图像中出现颜色与火焰类似的物体时,容易造成火灾判断结果不准确,火灾误判的情况的问题。
为了实现上述目的,本实用新型提供如下技术方案:
本实用新型的第一方面提供一种煤矿火灾识别系统,包括:
多个图像采集设备、多个烟雾传感器、多个可燃气体传感器、中转设备、图像识别设备和报警设备;
所述多个图像采集设备与所述图像识别设备连接,所述图像采集设备与所述报警设备连接;所述图像采集设备用于采集矿井内的图像;所述图像识别设备用于根据矿井内的图像识别矿井内的疑似火灾,并发送第一报警信号至所述报警设备;
所述多个烟雾传感器设置在矿井内的第一预设位置,用于感应矿井中的烟雾并生成烟雾信号;所述多个可燃气体传感器设置在矿井内的第二预设位置,用于感应矿井中的可燃气体并生成可燃气体信号;
所述多个烟雾传感器和所述多个可燃气体传感器均与所述中转设备连接,所述中转设备与所述报警设备连接;所述中转设备根据接收到的所述烟雾信号发送第二报警信号至所述报警设备,并根据所述可燃气体信号发送第三报警信号至所述报警设备;
所述报警设备根据所述第一报警信号、第二报警信号和所述第三报警信号进行报警工作。
可选地,所述系统还包括:多个喷水阀门和多个控制开关,各喷水阀门设置在矿井内的第三预设位置,各控制开关与所述报警设备连接,各控制开关用于根据接收到所述报警设备的报警信号控制各喷水阀门的开关。
可选地,所述系统还包括:多个温度传感器,所述多个温度传感器设置在矿井内的第四预设位置,各温度传感器与所述中转设备连接;
所述温度传感器根据矿井内的温度变化,生成第四报警信号,并将所述四报警信号发送至所述中转设备;所述中转设备将所述第四报警信号发送至所述报警设备;
所述报警设备根据所述第一报警信号、第二报警信号、所述第三报警信号和第四报警信号进行报警工作。
可选地,所述图像采集设备为普通摄像头或红外摄像头。
可选地,所述系统还包括:与所述报警设备连接的报警器,所述报警器为语音报警器、声光报警器或蜂鸣报警器。
可选地,所述中转设备为可编程逻辑控制器PLC。
可选地,所述报警设备为服务器或服务器集群。
本实用新型实施例的第二方面提供一种煤矿火灾识别装置,设置于第一方面任一项所述的煤矿火灾识别系统中的图像识别设备,包括:
接收模块,用于接收所述图像采集设备发送的矿井内的井下视频;
提取模块,用于对所述进行视频按照设定帧间隔连续提取,得到多张井下图像;
增强模块,用于对所述多张井下图像进行图像增强处理;
运动区域分割模块,用于对增强后的图像进行运动区域分割,得到运动区域分割图像;
颜色区域分割模块,用于对增强后的图像进行颜色区域分割,得到颜色区域分割图像;
融合模块,用于将所述运动区域分割图像和所述颜色区域分割图像进行融合,得到疑似火焰区域图像;
识别模块,用于提取所述疑似火焰区域图像的特征向量输入至训练好的SVM模型,得到火焰识别结果。
可选地,所述运动区域分割模块,具体用于采用预设的加权平均值算法,将所述增强后的图像转化为灰度图像;通过帧差法对所述灰度图像进行运动检测,得到运动区域分割图像。
可选地,所述装置还包括:训练模块,用于采集干扰样本、正常样本和火焰样本训练初始的SVM模型,其中惩罚因子1.250,核函数为K(X,Xi)=exp(-0.025|X-Xi|2),其中X为空间任意一点,Xi为核函数中心。
与现有技术相比,本实用新型实施例提供的系统具有如下优点:本实施例不仅包括图像采集设备和图像识别设备可以识别矿井内的疑似火灾,并且在发现存在疑似火灾的情况下,还需要通过烟雾传感器和可燃气体传感器进一步确认是否真的发生火灾,在图像采集设备对应的报警信号、烟雾传感器对应的报警信号和可燃气体传感器对应的报警信号都存在的情况下,报警设备才进行报警工作,能够避免仅通过采集井下的图像信息,当图像中出现颜色与火焰类似的物体时,容易造成火灾判断结果不准确,火灾误判的情况,提高井下火灾识别的准确度。
除了上面所描述的本实用新型实施例解决的技术问题、构成技术方案的技术特征以及由这些技术方案的技术特征所带来的有益效果外,本实用新型实施例提供的煤矿火灾识别系统所能解决的其他技术问题、技术方案中包含的其他技术特征以及这些技术特征带来的有益效果,将在具体实施方式中作出进一步详细的说明。
附图说明
为了更清楚地说明本实用新型实施例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一简单地介绍,显而易见地,下面描述中的附图是本实用新型的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本实用新型一实施例提供的煤矿火灾识别系统的结构示意图;
图2为本实用新型另一实施例提供的煤矿火灾识别系统的结构示意图;
图3为本实用新型一实施例提供的煤矿火灾识别方法的流程示意图;
图4为本实用新型一实施例提供的煤矿火灾识别装置的框图。
附图标记说明:
图像采集设备-101、烟雾传感器-102、可燃气体传感器-103、中转设备-104、图像识别设备-105、报警设备-106、喷水阀门-107、控制开关-108、温度传感器-109、报警器-110。
具体实施方式
为了使本实用新型所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本实用新型进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本实用新型,并不用于限定本实用新型。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至该另一个元件上。
需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本实用新型和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本实用新型的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实用新型的描述中,“多个”、“若干个”的含义是两个或两个以上,除非另有明确具体的限定。
火灾图像识别:通过拍摄的图像,识别出图像中存在火焰,进而确定火灾的图像识别技术。
参考图1,图1为本实用新型一实施例提供的煤矿火灾识别系统的结构示意图。在本实施例中,所述煤矿火灾识别系统,具体包括:
多个图像采集设备101、多个烟雾传感器102、多个可燃气体传感器103、中转设备104、图像识别设备105和报警设备106。
多个图像采集设备101与图像识别设备105连接,图像采集设备105与报警设备106连接;图像采集设备101用于采集矿井内的图像;图像识别设备106用于根据矿井内的图像识别矿井内的疑似火灾,并发送第一报警信号至报警设备106。
多个烟雾传感器102设置在矿井内的第一预设位置,用于感应矿井中的烟雾并生成烟雾信号;多个可燃气体传感器103设置在矿井内的第二预设位置,用于感应矿井中的可燃气体并生成可燃气体信号。
多个烟雾传感器102和多个可燃气体传感器103均与中转设备104连接,中转设备104与报警设备106连接;中转设备104根据接收到的烟雾信号发送第二报警信号至报警设备106,并根据可燃气体信号发送第三报警信号至报警设备106。
报警设备106根据第一报警信号、第二报警信号和第三报警信号进行报警工作。
在本实施例中,图像采集设备101可以是普通摄像头或红外摄像头。
烟雾传感器102可以是离子式烟雾传感器、光电式烟雾传感器或气敏式烟雾传感器。
可燃气体传感器103可以是催化剂式可燃气体传感器或红外式可燃气体传感器。优选地,可燃气体传感器103为甲烷气体传感器。
中转设备104可以是一台PLC(Programmable Logic Controller,可编程逻辑控制器)或多台PLC。
报警设备105可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务平台。
本实施例的煤矿火灾识别系统的工作原理为:图像采集设备采集矿井内的图像,将矿井内的图像发送至图像识别设备,图像识别设备根据矿井内的图像识别矿井内的疑似火灾,并发送第一报警信号至报警设备;烟雾传感器感应矿井中的烟雾并生成烟雾信号,并发送第二报警信号至报警设备;可燃气体传感器感应矿井中的可燃气体并生成可燃气体信号,并发送第三报警信号至报警设备;当报警设备同时接收到第一报警信号、第二报警信号和第三报警信号时,开始进行报警工作。
从上述实施例可知,本实施例不仅包括图像采集设备和图像识别设备可以识别矿井内的疑似火灾,并且在发现存在疑似火灾的情况下,还需要通过烟雾传感器和可燃气体传感器进一步确认是否真的发生火灾,在图像采集设备对应的报警信号、烟雾传感器对应的报警信号和可燃气体传感器对应的报警信号都存在的情况下,报警设备才进行报警工作,能够避免仅通过采集井下的图像信息,当图像中出现颜色与火焰类似的物体时,容易造成火灾判断结果不准确,火灾误判的情况,提高井下火灾识别的准确度。
参考图2,图2为本实用新型另一实施例提供的煤矿火灾识别系统结构示意图。在图1对应实施例的基础上,所述系统还包括:
多个喷水阀门107和多个控制开关108,各喷水阀门107设置在矿井内的第三预设位置,各控制开关108与报警设备106连接,各控制开关108用于根据接收到报警设备106的报警信号控制各喷水阀门的开关。
在本实施例中,喷水阀门107可以是喷头,控制开关108可以是电磁继电器。
从上述实施例可知,本实施例可以当报警设备报警发生火灾时,通过喷水阀门和控制开关,将矿井内的火灾扑灭。
参考图2,作为本实用新型提供的煤矿火灾识别系统的一种具体实施方式中,所述系统还包括:
多个温度传感器109,多个温度传感器109设置在矿井内的第四预设位置,各温度传感器109与中转设备104连接。
温度传感器109根据矿井内的温度变化,生成第四报警信号,并将四报警信号发送至中转设备104;中转设备104将第四报警信号发送至报警设备106。
报警设备106根据第一报警信号、第二报警信号、第三报警信号和第四报警信号进行报警工作。
在本实施例中,温度传感器可以是热电偶温度传感器、电阻式温度传感器、热敏电阻温度传感器、红外线温度传感器或半导体温度传感器。
参考图2,作为本实用新型提供的煤矿火灾识别系统的一种具体实施方式中,所述系统还包括:与报警设备106连接的报警器110,报警器110为语音报警器、声光报警器或蜂鸣报警器。
在本实施例中,报警设备进报警工作的同时,可进一步通过报警器提醒监督人员。
参考图3,图3为本实用新型一实施例提供的煤矿火灾识别方法的流程示意图,该方法应用于上述实施例的煤矿火灾识别系统的图像识别设备105,详述如下:
S301:接收图像采集设备发送的矿井内的井下视频。
在本实施例中,可以实时接收图像采集设备发送的矿井内的井下视频,也可以每隔设定的时间段接收图像采集设备发送的矿井内的井下视频。例如每隔30秒接收图像采集设备发送的矿井内的井下视频。
S302:对进行视频按照设定帧间隔连续提取,得到多张井下图像。
在本实施例中,设定帧间隔可以根据视频的时长确定,例如设定帧间隔与视频的时长成正比。
S303:对多张井下图像进行图像增强处理。
在本实施例中,可以通过基于导向滤波的暗通道去雾法,对多张井下图像进行图像增强处理。
在本实施例中,图像雾化模型为I(X)=J(X)t(X)+A(1-t(X)),其中I(X)为需要去雾化的图像,J(X)为没有雾的图像,t(X)为透射率,A是环境光成分。
首先,计算图像的暗通道图为:式中IC表示彩色图像的每个通道的亮度,Ω(X)表示以像素X为中心的一个3*3的邻域。
其次,计算图像的粗略透射图率为:
再次,采用导向滤波处理得到精细透射率图为: 其中,式子中,μk和σk 2是J(X)在窗口中的平均值和方差,为粗略透射率图在3*3窗口ωk中的均值。
最后,增强后的图像为式中选取暗通道图Idark(X)中亮度前0.08%的像素,在原始有雾图像中寻找对应最高亮度点的值,作为A的值带入公式中。
S304:对增强后的图像进行运动区域分割,得到运动区域分割图像。
在本实施例中,可以基于帧差法对增强后的图像进行运动区域分割。
S305:对增强后的图像进行颜色区域分割,得到颜色区域分割图像。
在本实施例中,基于YCrCb颜色模型和HSV颜色模型对增强后的图像进行颜色区域分割。
S306:将运动区域分割图像和颜色区域分割图像进行融合,得到疑似火焰区域图像。
在本实施例中,区域分割图像和颜色区域分割图像进行融合具体为:将运动区域分割图像像素和颜色区域分割图像像素进行融合计算。例如,运动区域分割图像在(Xi,Yi)点的像素为255,颜色区域分割图像在(Xi,Yi)点的像素为255,则疑似火焰区域图像在(Xi,Yi)点的像素为255;运动区域分割图像在(Xi,Yi)点的像素为0,颜色区域分割图像在(Xi,Yi)点的像素为255,则疑似火焰区域图像在(Xi,Yi)点的像素为0;运动区域分割图像在(Xi,Yi)点的像素为255,颜色区域分割图像在(Xi,Yi)点的像素为0,则疑似火焰区域图像在(Xi,Yi)点的像素为0。
疑似火焰区域图像融合计算的公式为:
其中,M是融合函数,A为运动区域分割图像的二值图,C为颜色区域分割图像的二值图。
S307:提取疑似火焰区域图像的特征向量输入至训练好的SVM模型,得到火焰识别结果。
在本实施例中,SVM模型可以是常见SVM判别方法,本实用新型对此不作任何限制。
在本实施例中,疑似火焰区域图像的特征向量包括图像的面积特征、边缘特征、形状特征的特征向量。
火灾初期,火焰不断变化,忽大忽小,因此本实用新型用相邻两帧之间的火焰面积描述火焰面积特征:AN是火焰面积,Z是一个很小的数,防止没有火焰时出现计算错误。
火焰边缘特征与其他发光物体不同,火焰的边缘不规则,火焰在燃烧的过程中,火焰尖角数在无规则的跳动,因此本实用新型用相邻帧数图像的尖角数j的变化率描述火焰边缘特征:
火焰的形状是不断变化的,没有规则的变化,与火焰类似的发光物体的形状都具有规则形状,本实用新型用圆形度描述火焰的形状特征,圆形度值越小,目标形状越复杂。圆形度公式为
提取每个区域的特征向量x=[F1,F2,F3],输入至训练好的SVM模型,得到火焰识别结果,其中F3是特征3的值,Q是图形的面积,L是图形的周长。
从上述实施例可知,通过接收所述图像采集设备发送的矿井内的井下视频;对所述进行视频按照设定帧间隔连续提取,得到多张井下图像;对所述多张井下图像进行图像增强处理;对增强后的图像进行运动区域分割,得到运动区域分割图像;对增强后的图像进行颜色区域分割,得到颜色区域分割图像;将所述运动区域分割图像和所述颜色区域分割图像进行融合,得到疑似火焰区域图像;提取所述疑似火焰区域图像的特征向量输入至训练好的SVM模型,得到火焰识别结果,本实施例能够提高火灾图像的识别的准确性。
在本实用新型的一个实施例中,上述步骤S305所述对增强后的图像进行运动区域分割,得到运动区域分割图像,具体包括:
采用预设的加权平均值算法,将所述增强后的图像转化为灰度图像;
通过帧差法对所述灰度图像进行运动检测,得到运动区域分割图像。
具体地,所述预设的加权平均值算法的表达式为:
R=G=B=0.279R+0.558G+0.121B
式中,R、G和B分别为增强后的图像的红色通道值、绿色通道值和蓝色通道值。
所述帧差法的表达式为:
式中,T是阈值,I(x,y,k)和I(x,y,k-1)为第k帧增强后的图像和第k-1帧增强后的图像的亮度,A是帧差法函数,x是图像x坐标,y是图像y坐标,I(x,y,k)和I(x,y,k-1)为增强后的第k帧图像在(x,y)点的亮度和增强后的第k-1帧图像在(x,y)的亮度。
在本实用新型的一个实施例中,上述步骤S305基于YCrCb颜色模型和HSV颜色模型对增强后的图像进行颜色区域分割,其中:
在HSV颜色模型中:
式中,H色调,S饱和度,V明度。
在YCrCb颜色模型中:
式中,Y表示亮度,Cr表示红色通道值与亮度Y之间的差值,Cb反映了蓝色通道值与亮度Y之间的差值。
当R1、R2、R3、R4的值全是1的时,该像素的亮度为255,否则该像素亮度为0。
在本实用新型的一个实施例中,
采集干扰样本、正常样本和火焰样本训练初始的SVM模型,其中惩罚因子1.250,核函数为K((X,Xi)=exp(-0.025|X-Xi|2),其中X为空间任意一点,Xi为核函数中心。
参考图4,图4为本实用新型一实施例提供的煤矿火灾识别装置的框图,所述煤矿火灾识别装置应用于煤矿火灾识别系统,包括:
接收模块401,用于接收所述图像采集设备发送的矿井内的井下视频;
提取模块402,用于对所述进行视频按照设定帧间隔连续提取,得到多张井下图像;
增强模块403,用于对所述多张井下图像进行图像增强处理;
运动区域分割模块404,用于对增强后的图像进行运动区域分割,得到运动区域分割图像;
颜色区域分割405,用于对增强后的图像进行颜色区域分割,得到颜色区域分割图像;
融合模块406,用于将所述运动区域分割图像和所述颜色区域分割图像进行融合,得到疑似火焰区域图像;
识别模块407,用于提取所述疑似火焰区域图像的特征向量输入至训练好的SVM模型,得到火焰识别结果。
在本实用新型的一个实施例中,所述运动区域分割模块404,具体用于采用预设的加权平均值算法,将所述增强后的图像转化为灰度图像;通过帧差法对所述灰度图像进行运动检测,得到运动区域分割图像。
在本实用新型的一个实施例中,所述装置还包括:训练模块408,用于采集干扰样本、正常样本和火焰样本训练初始的SVM模型,其中惩罚因子1.250,核函数为K(X,Xi)=exp(-0.025|X-Xi|2),其中X为空间任意一点,Xi为核函数中心。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本实用新型的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
最后应说明的是:以上各实施例仅用以说明本实用新型的技术方案,而非对其限制;尽管参照前述各实施例对本实用新型进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本实用新型各实施例技术方案的范围。
Claims (10)
1.一种煤矿火灾识别系统,其特征在于,包括:
多个图像采集设备、多个烟雾传感器、多个可燃气体传感器、中转设备、图像识别设备和报警设备;
所述多个图像采集设备与所述图像识别设备连接,所述图像采集设备与所述报警设备连接;所述图像采集设备用于采集矿井内的图像;所述图像识别设备用于根据矿井内的图像识别矿井内的疑似火灾,并发送第一报警信号至所述报警设备;
所述多个烟雾传感器设置在矿井内的第一预设位置,用于感应矿井中的烟雾并生成烟雾信号;所述多个可燃气体传感器设置在矿井内的第二预设位置,用于感应矿井中的可燃气体并生成可燃气体信号;
所述多个烟雾传感器和所述多个可燃气体传感器均与所述中转设备连接,所述中转设备与所述报警设备连接;所述中转设备根据接收到的所述烟雾信号发送第二报警信号至所述报警设备,并根据所述可燃气体信号发送第三报警信号至所述报警设备;
所述报警设备根据所述第一报警信号、第二报警信号和所述第三报警信号进行报警工作。
2.根据权利要求1所述的煤矿火灾识别系统,其特征在于,所述系统还包括:多个喷水阀门和多个控制开关,各喷水阀门设置在矿井内的第三预设位置,各控制开关与所述报警设备连接,各控制开关用于根据接收到所述报警设备的报警信号控制各喷水阀门的开关。
3.根据权利要求1所述的煤矿火灾识别系统,其特征在于,所述系统还包括:多个温度传感器,所述多个温度传感器设置在矿井内的第四预设位置,各温度传感器与所述中转设备连接;
所述温度传感器根据矿井内的温度变化,生成第四报警信号,并将所述四报警信号发送至所述中转设备;所述中转设备将所述第四报警信号发送至所述报警设备;
所述报警设备根据所述第一报警信号、第二报警信号、所述第三报警信号和第四报警信号进行报警工作。
4.根据权利要求1所述的煤矿火灾识别系统,其特征在于,所述图像采集设备为普通摄像头或红外摄像头。
5.根据权利要求1所述的煤矿火灾识别系统,其特征在于,所述系统还包括:与所述报警设备连接的报警器,所述报警器为语音报警器、声光报警器或蜂鸣报警器。
6.根据权利要求1所述的煤矿火灾识别系统,其特征在于,所述中转设备为可编程逻辑控制器PLC。
7.根据权利要求1所述的煤矿火灾识别系统,其特征在于,所述报警设备为服务器或服务器集群。
8.一种煤矿火灾识别装置,其特征在于,设置于权利要求1至7任一项所述的煤矿火灾识别系统中的图像识别设备,包括:
接收模块,用于接收所述图像采集设备发送的矿井内的井下视频;
提取模块,用于对所述井下视频按照设定帧间隔连续提取,得到多张井下图像;
增强模块,用于对所述多张井下图像进行图像增强处理;
运动区域分割模块,用于对增强后的图像进行运动区域分割,得到运动区域分割图像;
颜色区域分割模块,用于对增强后的图像进行颜色区域分割,得到颜色区域分割图像;
融合模块,用于将所述运动区域分割图像和所述颜色区域分割图像进行融合,得到疑似火焰区域图像;
识别模块,用于提取所述疑似火焰区域图像的特征向量输入至训练好的SVM模型,得到火焰识别结果。
9.根据权利要求8所述的煤矿火灾识别装置,其特征在于,所述运动区域分割模块,具体用于采用预设的加权平均值算法,将所述增强后的图像转化为灰度图像;通过帧差法对所述灰度图像进行运动检测,得到运动区域分割图像。
10.根据权利要求8所述的煤矿火灾识别装置,其特征在于,还包括:
训练模块,用于采集干扰样本、正常样本和火焰样本训练初始的SVM模型,其中惩罚因子1.250,核函数为K(X,Xi)=exp(-0.025|X-Xi|2),其中X为空间任意一点,Xi为核函数中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920157344.1U CN209657454U (zh) | 2019-01-28 | 2019-01-28 | 煤矿火灾识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920157344.1U CN209657454U (zh) | 2019-01-28 | 2019-01-28 | 煤矿火灾识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN209657454U true CN209657454U (zh) | 2019-11-19 |
Family
ID=68523222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201920157344.1U Active CN209657454U (zh) | 2019-01-28 | 2019-01-28 | 煤矿火灾识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN209657454U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741565A (zh) * | 2019-01-28 | 2019-05-10 | 北京工业职业技术学院 | 煤矿火灾识别系统及方法 |
CN111127814A (zh) * | 2019-12-19 | 2020-05-08 | 浙江大华技术股份有限公司 | 火警识别方法以及相关装置 |
CN112419691A (zh) * | 2020-12-03 | 2021-02-26 | 上海智密技术工程研究所有限公司 | 一种用于船舶的消防监控系统 |
-
2019
- 2019-01-28 CN CN201920157344.1U patent/CN209657454U/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741565A (zh) * | 2019-01-28 | 2019-05-10 | 北京工业职业技术学院 | 煤矿火灾识别系统及方法 |
CN109741565B (zh) * | 2019-01-28 | 2024-03-29 | 北京工业职业技术学院 | 煤矿火灾识别系统及方法 |
CN111127814A (zh) * | 2019-12-19 | 2020-05-08 | 浙江大华技术股份有限公司 | 火警识别方法以及相关装置 |
CN112419691A (zh) * | 2020-12-03 | 2021-02-26 | 上海智密技术工程研究所有限公司 | 一种用于船舶的消防监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741565A (zh) | 煤矿火灾识别系统及方法 | |
CN209657454U (zh) | 煤矿火灾识别系统 | |
CN106897720A (zh) | 一种基于视频分析的烟火检测方法及装置 | |
CN106600888B (zh) | 一种森林火灾自动检测方法及系统 | |
JP4668978B2 (ja) | 火炎検出方法及びその装置 | |
CN110516609A (zh) | 一种基于图像多特征融合的火灾视频检测及预警方法 | |
CN106373320B (zh) | 基于火焰颜色离散度和连续帧图像相似度的火灾识别方法 | |
CN111091072A (zh) | 一种基于YOLOv3的火焰及浓烟检测方法 | |
CN110135269A (zh) | 一种基于混合颜色模型与神经网络的火灾图像检测方法 | |
CN109377703A (zh) | 一种基于机器视觉的森林防火预警系统及其方法 | |
CN104599427B (zh) | 一种用于公路隧道的智能图像型火灾报警系统 | |
US9047515B2 (en) | Method and system for wildfire detection using a visible range camera | |
CN109637068A (zh) | 智能烟火识别系统 | |
CN106845443A (zh) | 基于多特征融合的视频火焰检测方法 | |
CN103413395A (zh) | 烟气智能检测预警方法及装置 | |
CN110569772A (zh) | 一种泳池内人员状态检测方法 | |
CN104463869B (zh) | 一种视频火焰图像复合识别方法 | |
CN108038867A (zh) | 基于多特征融合和立体视觉的火焰检测和定位方法 | |
CN107301375A (zh) | 一种基于稠密光流的视频图像烟雾检测方法 | |
CN100565557C (zh) | 基于粒子动态采样模型的红外人体目标跟踪系统 | |
CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
CN103324910A (zh) | 一种基于视频检测的火灾报警方法 | |
CN103996045B (zh) | 一种基于视频的多种特征融合的烟雾识别方法 | |
CN107067412A (zh) | 一种多信息融合的视频火焰烟雾检测方法 | |
Yang et al. | Early detection of forest fire based on unmaned aerial vehicle platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |