JP7286311B2 - 火災検出装置、火災検出方法、及びプログラム - Google Patents
火災検出装置、火災検出方法、及びプログラム Download PDFInfo
- Publication number
- JP7286311B2 JP7286311B2 JP2018237401A JP2018237401A JP7286311B2 JP 7286311 B2 JP7286311 B2 JP 7286311B2 JP 2018237401 A JP2018237401 A JP 2018237401A JP 2018237401 A JP2018237401 A JP 2018237401A JP 7286311 B2 JP7286311 B2 JP 7286311B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- fire
- building
- fire detection
- sensor
- 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
Images
Description
しかし、高天井で、スパンが広い大空間に煙検出機が設置された場合に、火災によって発生した煙が薄まる場合がある。火災によって発生した煙が薄まる場合には、煙感知器が検出した煙の濃度も薄くなる。このため、煙感知器が検出した煙の濃度が煙閾値以上になるのに時間を要し、検出した煙の濃度が、煙濃度閾値以上となったときには、大規模火災に発展していることが想定される。
煙感知器に関して、煙、微粒子の検出精度を向上できる技術が知られている(例えば、特許文献1参照)。この技術は、監視空間に敷設されたサンプリング管と、該サンプリング管を介してサンプリングエアを導入する検煙部と、検煙部の煙検出レベルを判別する制御部と、を備えた煙感知器を複数設置して受信装置と接続した煙感知システムにおいて、少なくとも1台の煙感知器が故障判別すると、受信装置は他の煙感知器のサンプリングエアの吸引量を増加させる。
本発明は、上記問題を解決すべくなされたもので、その目的は、火災の検出精度を向上できる火災検出装置、学習装置、火災検出方法、学習方法、及びプログラムを提供することにある。
上述した課題を解決するために本発明は、建物に設置されたセンサが、警報が発せられたときに取得した情報である取得情報と、前記取得情報が火災検出に該当するか否かを示す情報である火災検出判定情報とに基づいて、前記建物における前記取得情報と、火災検出の有無との関係を表す第2学習モデルを学習によって生成する学習部を有する学習装置である。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「XXに基づいて」とは、「少なくともXXに基づく」ことを意味し、XXに加えて別の要素に基づく場合も含む。また、「XXに基づいて」とは、XXを直接に用いる場合に限定されず、XXに対して演算や加工が行われたものに基づく場合も含む。「XX」は、任意の要素(例えば、任意の情報)である。
(火災検出システム)
図1は、本発明の実施形態の火災検出システムの一例を示す図である。本実施形態の火災検出システム1は、複数のセンサ50-1、センサ50-2、センサ50-3、センサ50-4、・・・と、統合インタフェース20と、監視サーバ100とを備える。また、火災検出システム1は、クライアント端末10と、無線ゲートウェイ(GW: Gateway)30とを備える。
センサ50-1と、センサ50-2と、センサ50-3と、センサ50-4との各々は、建物(図示なし)に設置されている。以下、センサ50-1と、センサ50-2と、センサ50-3と、センサ50-4とをまとめて、センサ群50と呼ぶ場合もある。センサ50-1と、センサ50-2と、センサ50-3とは、有線によって、統合インタフェース20に接続される。センサ50-4は、無線によって、無線GW30を経由して、統合インタフェース20に接続される。センサ50-1と、センサ50-2と、センサ50-4との各々は、熱感知センサ、炎感知センサ、においセンサ、煙感知センサなどであり、感知したことを示す情報である感知情報を、警報が発報されたときに出力する。
センサ50-3は、エッジAI(AI: Artificial Intelligence)52-3を備える。センサ50-3は、レーザセンサ、画像センサ、においセンサなどであり、検出した情報である検出情報を、エッジAI52-3に出力する。エッジAI52-3は、検出情報と、検出情報が火災検出に該当するか否かの判定結果とに基づいて、建物のセンサ50-3が出力した検出情報と、火災検出に該当するか否かとの関係を表す検出情報判定モデルを学習によって生成する。エッジA152-3は、センサ50-3が出力した検出情報と、検出情報判定モデルとに基づいて、検出情報が、火災検出に該当するか否かを判別する。エッジAI52-3は、検出情報が、火災検出に該当すると判別した場合に、火災検出に該当する情報が検出されたことを示す情報である火災検出情報を、統合インタフェース20に出力する。エッジAI52-3は、検出情報が、火災検出に該当しないと判別した場合には、統合インタフェース20に情報を出力しない。
統合インタフェース20は、センサ50-1と、センサ50-2と、センサ50-3と、センサ50-4との各々が出力した感知情報と、センサ50-3のエッジAI52-3が出力した火災検出情報とを、監視サーバ100で使用されているプロトコルに変換する。統合インタフェース20は、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを、監視サーバ100に出力する。
監視サーバ100は、火災判別AI150を備える。火災判別AI150は、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを取得し、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、誤報学習モデルとを用いて、センサ50-1~センサ50-4の各々が設置された建物に火災が発生したか否かを判別する。監視サーバ100は、建物に火災が発生したと判別した場合に、火災が発生したことを示す情報を含み、クライアント端末10を宛先とする火災通知情報を作成し、作成した火災通知情報を、クライアント端末10に送信する。
また、監視サーバ100は、記憶した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、警報判定情報とに基づいて、建物に設置されたセンサ50-1と、センサ50-2と、センサ50-4との各々が出力した感知情報と、センサ50-3が出力した火災検出情報と、誤報の有無との関係を学習することによって誤報判定モデルを更新する。以下、火災検出システム1に含まれる統合インタフェース20と、監視サーバ100とについて説明する。
図示したように、統合インタフェース20は、取得部22と、変換部24とを有する。取得部22は、センサ群50に含まれるセンサ50-1~センサ50-4の各々が出力した感知情報と火災検出情報とを取得し、取得した感知情報と火災検出情報とを、変換部24に出力する。
変換部24は、取得部22が出力した感知情報と火災検出情報とを取得し、取得した感知情報と火災検出情報とに対してプロトコル変換を行う。変換部24は、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを、監視サーバ100に送信する。
入力部110は、インタフェースによって実現され、統合インタフェース20が出力した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを取得し、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを、記憶部120に記憶する。また、入力部110は、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを、判別部140に出力する。
記憶部120は、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、HDD(Hard Disk Drive)、フラッシュメモリ、またはこれらのうち複数が組み合わされたハイブリッド型記憶装置などにより実現される。記憶部120には、学習部130と、判別部140とにより実行されるアプリが記憶される。さらに、記憶部120は、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、警報が誤報であるか否かを示す情報とを関連付けた学習関連情報を記憶する。
記憶部120は、入力部110が出力した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを記憶する。さらに、記憶部120は、記憶した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と関連付けて、警報が誤報であるか否かを示す情報を記憶する。
アプリは、監視サーバ100に、警報が発せられたときに取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、誤報学習モデルとに基づいて、判別対象である建物に設置された警報が誤報であるか否かを判別させる。アプリは、監視サーバ100に、判別対象である建物に設置された警報が誤報であるか否かの判別結果に基づいて、判別対象である建物に火災が発生したか否かを判別させる。
アプリは、監視サーバ100に、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、警報が誤報であるか否かを示す情報とを関連付けた学習関連情報を取得させる。アプリは、監視サーバ100に、取得させた学習関連情報に基づいて、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを入力情報として、この入力情報に関連付けられる警報が誤報であるか否かを示す情報を教師データとして、教師あり学習を行わせる。アプリは、監視サーバ100に、教師あり学習を行わせることによって、センサ群50が出力する感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果との組み合わせと、警報が誤報であるか否かを示す情報との関係を学習した誤報検出モデルを作成させる。
判別部140は、火災判別AI150であり、入力部110が出力した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを取得する。
また、判別部140は、学習部130から、誤報学習モデルを取得する。判別部140は、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、取得した誤報学習モデルとを用いて、判別対象である建物における誤報の有無を判別する。判別部140は、誤報の有無の判別結果に基づいて、建物に火災が発生したか否かを判別する。判別部140は、誤報であると判別した場合には、建物に火災が発生していないと判別し、誤報でないと判別した場合には、建物に火災が発生していると判別する。
判別部140は、建物に火災が発生していると判別した場合には、火災が発生したことを示す情報を含み、クライアント端末10を宛先とする火災通知情報を作成し、作成した火災通知情報を、出力部160に出力する。
出力部160は、通信モジュールによって実現される。具体的には、出力部160は、有線通信を行うデバイスによって構成される。また、出力部160は、LTE等の無線通信技術で無線通信を行う無線デバイスによって構成されてもよい。出力部160は、ネットワークを介して、クライアント端末10などの外部の通信装置と通信する。具体的には、出力部160は、判別部140が出力した火災通知情報を取得し、取得した火災通知情報を、クライアント端末10に送信する。
クライアント端末10は、監視サーバ100が送信した火災通知情報を受信し、受信した火災通知情報に含まれる火災が発生したことを示す情報を処理することによって、火災が発生したことを通知するための情報を、表示部15に表示する。
図3は、本発明の実施形態の火災検出システムの動作の第1例を示すシーケンスチャートである。図3には、監視サーバ100が、誤報検出モデルを作成する処理を示す。
(ステップS1)
センサ群50において、センサ50-1と、センサ50-2と、センサ50-4との各々は、感知情報を、統合インタフェース20に送信する。センサ50-3は、火災検出情報を、統合インタフェース20に送信する。
(ステップS2)
統合インタフェース20の取得部22は、センサ群50から送信された感知情報と、火災検出情報とを取得し、取得した感知情報と、火災検出情報とを、変換部24へ出力する。
変換部24は、取得部22が出力した感知情報と、火災検出情報とを取得し、取得した感知情報と、火災検出情報とを、プロトコル変換する。
(ステップS3)
変換部24は、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを、監視サーバ100に出力する。
(ステップS4)
監視サーバ100の入力部110は、統合インタフェース20が送信した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを取得し、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを記憶部120に出力する。
(ステップS5)
監視サーバ100の入力部110は、警報が誤報であるか否かの判定結果を、取得し、取得した警報が誤報であるか否かの判定結果を記憶部120に出力する。
(ステップS6)
記憶部120は、入力部110が出力した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、警報が誤報であるか否かの判定結果とを取得し、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、警報が誤報であるか否かの判定結果とを関連付けて記憶する。
(ステップS7)
学習部130は、記憶部120に記憶された感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、警報が誤報であるか否かの判定結果とを関連付けた学習関連情報を取得する。学習部130は、取得した学習関連情報に基づいて、感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを入力情報として、この入力情報に関連付けられる警報が誤報であるか否かを示す情報を教師データとして、教師あり学習を行う。学習部130は、教師あり学習を行うことによって、センサ群50が出力する感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果との組み合わせと、警報が誤報であるか否かを示す情報との関係を表す誤報検出モデルを学習することによって生成する。
ステップS11~S13は、図3のステップS1~S3を適用できる。
(ステップS14)
監視サーバ100の入力部110は、統合インタフェース20が出力した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを取得し、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを判別部140に出力する。
(ステップS15)
判別部140は、入力部110が出力した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを取得する。また、判別部140は、学習部130から、誤報学習モデルを取得する。
判別部140は、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果と、取得した誤報学習モデルとを用いて、判別対象である建物における誤報の有無を判別する。
(ステップS16)
判別部140は、誤報の有無の判別結果に基づいて、建物に火災が発生したか否かを判別する。判別部140は、誤報であると判定した場合には、建物に火災が発生していないと判別し、終了する。
(ステップS17)
判別部140は、誤報でないと判定した場合には、建物に火災が発生していると判別する。判別部140は、建物に火災が発生していると判別した場合には、火災が発生したことを示す情報を含み、クライアント端末10を宛先とする火災通知情報を作成し、作成した火災通知情報を、出力部160に出力する。
(ステップS18)
出力部160は、判別部140が出力した火災通知情報を取得し、取得した火災通知情報を、クライアント端末10へ送信する。
(ステップS19)
クライアント端末10は、監視サーバ100が送信した火災通知情報を受信し、受信した火災通知情報に含まれる火災が発生したことを示す情報を処理することによって、火災が発生したことを通知するための情報を、表示部15に表示する。
また、学習部130は、記憶部120に記憶された感知情報をプロトコル変換した結果と、警報が誤報であるか否かの判定結果とを関連付けた学習関連情報を取得する。学習部130は、取得した学習関連情報に基づいて、感知情報をプロトコル変換した結果を入力情報として、この入力情報に関連付けられる警報が誤報であるか否かを示す情報を教師データとして、教師あり学習を行う。学習部130は、教師あり学習を行うことによって、センサ群50が出力する感知情報をプロトコル変換した結果と、警報が誤報であるか否かを示す情報との関係を表す誤報検出モデルを学習することによって生成する。
また、判別部140は、取得した感知情報をプロトコル変換した結果と、取得した誤報学習モデルとを用いて、判別対象である建物における誤報の有無を判別する。
前述した実施形態では、センサが四台である場合について説明したが、この例に限られない。例えば、センサの数は、一台から三台でもよいし、五台以上でもよい。さらに、センサの中には、エッジAIを備えるものが含まれてもよい。また、センサには有線で、統合インタフェース20に接続されるもの、無線で、無線GW30を経由して、統合インタフェース20に接続されるものが含まれてもよい。さらに、複数のセンサから、火災の検出に使用するセンサが選択されてもよい。
前述した実施形態では、センサ50-1と、センサ50-2と、センサ50-3と、センサ50-4との各々と、監視サーバ100との間で、異なるプロトコルを使用している場合について説明したが、この限りでない。例えば、センサ50-1と、センサ50-2と、センサ50-3と、センサ50-4との各々と、監視サーバ100との間で、同じプロトコルが使用されている場合には、火災検出システム1は、統合インタフェース20を備えなくてもよい。
前述した実施形態では、監視サーバ100に、学習部130と、判別部140とが含まれ宇場合について説明したが、この例に限られない。例えば、学習部130を含む学習装置と、判別部140を含む火災検出装置として、異なる装置で実現されてもよい。
また、建物に設置されたセンサが、警報が発せられたときに取得した情報である取得情報(検出情報)と、取得情報が火災検出に該当するか否かを示す情報である火災検出判定情報とに基づいて、建物における取得情報と、火災検出の有無との関係を学習した第2学習モデル(検出情報判定モデル)を用いて、判別対象である建物における火災検出の有無を判別する取得情報判別部(エッジAI)を備える。一又は複数のセンサの各々が出力した検出情報には、建物に設置されたセンサが出力した取得情報と第2学習モデルとを用いて取得情報判別部が行った判別結果が含まれる。このように構成することによって、火災検出に関係のない検出情報を、建物に火災が発生したか否かを判別する処理にしようされないため、建物に火災が発生したか否かを判別する精度を向上できる。
実施形態の変形例の火災検出システムは、実施形態の火災検出システムと比較して、監視サーバ100が異なる。
図5は、本発明の実施形態の変形例の火災検出装置の一部分の一例を示す図である。本発明の実施形態の変形例の火災検出装置は、図2に示した監視サーバ100と比較して、乗算部145を備える点で異なる。
乗算部145は、入力部110が出力した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果とを取得する。乗算部145は、取得した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果との各々に、ウエイトを乗算する。乗算部は、ウエイトを乗算した感知情報をプロトコル変換した結果と、火災検出情報をプロトコル変換した結果との各々を、判別部140に出力する。
図5に示される例では、火災検出システムは、生データを出力するセンサ群60aと、感知結果(0又は1)と出力するセンサ群60bとを備える。生データを出力するセンサ群60aは、レーザセンサ60-1と、エッジAI62-1と、画像センサ60-2と、エッジAI62-2と、においセンサ60-3と、エッジAI62-3と、・・・、新規センサ60-n(nは、n>0の整数)と、エッジAI62-nとを有する。感知結果(0又は1)と出力するセンサ群60bは、熱感知センサ60-n+1と、炎検知センサ60-n+2と、においセンサ60-n+3と、煙検知センサ60-n+4と、・・・、新規センサ60-n+m(mは、m>nの整数)とを有する。
熱検知センサ60-n+1が出力した感知情報に、乗算部145でウエイトwn+1が乗算され、ウエイトwn+1が乗算された感知情報は、判別部140に出力される。炎検知センサ60-n+2が出力した感知情報に、乗算部145でウエイトwn+2が乗算され、ウエイトwn+2が乗算された感知情報は、判別部140に出力される。におい検知センサ60-n+3が出力した感知情報に、乗算部145でウエイトwn+3が乗算され、ウエイトwn+3が乗算された感知情報は、判別部140に出力される。煙検知センサ60-n+4が出力した感知情報に、乗算部145でウエイトwn+4が乗算され、ウエイトwn+4が乗算された感知情報は、判別部140に出力される。新規センサ60-n+mが出力した感知情報に、乗算部145でウエイトwn+mが乗算され、ウエイトwn+mが乗算された感知情報は、判別部140に出力される。
乗算部145で、火災検出情報と、感知情報とに乗算されるウエイトw1~ウエイトwn+mは、過去の実績に基づいて学習することによって更新される。
判別部140は、学習部130から、誤報学習モデルを取得する。判別部140は、取得したウエイトw1が乗算された火災検出情報と、ウエイトw2が乗算された火災検出情報と、ウエイトw3が乗算された火災検出情報と、・・・、ウエイトwnが乗算された火災検出情報と、ウエイトwn+1が乗算された感知情報と、ウエイトwn+2が乗算された感知情報と、ウエイトwn+3が乗算された感知情報と、ウエイトwn+4が乗算された感知情報と、・・・、ウエイトwn+mが乗算された感知情報と、取得した誤報学習モデルとを用いて、判別対象である建物における誤報の有無を判別する。判別部140は、誤報の有無の判別結果に基づいて、建物に火災が発生したか否かを判別する。判別部140は、誤報であると判別した場合には、建物に火災が発生していないと判別し、誤報でないと判別した場合には、建物に火災が発生していると判別する。
判別部140は、建物に火災が発生していると判別した場合には、火災が発生したことを示す情報を含み、クライアント端末10を宛先とする火災通知情報を作成し、作成した火災通知情報を、出力部160に出力する。
なお、上述した火災検出システム1に含まれる監視サーバ100と、クライアント端末10とは、コンピュータで実現するようにしてもよい。その場合、各機能ブロックの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録する。この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、CPUが実行することで実現してもよい。ここでいう「コンピュータシステム」とは、OS(Operating System)や周辺機器などのハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROMなどの可搬媒体のことをいう。また、「コンピュータ読み取り可能な記録媒体」は、コンピュータシステムに内蔵されるハードディスクなどの記憶装置を含む。
さらに「コンピュータ読み取り可能な記録媒体」とは、短時間の間、動的にプログラムを保持するものを含んでいてもよい。短時間の間、動的にプログラムを保持するものは、例えば、インターネットなどのネットワークや電話回線などの通信回線を介してプログラムを送信する場合の通信線である。
また、「コンピュータ読み取り可能な記録媒体」には、サーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよい。また、上記プログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。また、上記プログラムは、プログラマブルロジックデバイスを用いて実現されるものであってもよい。プログラマブルロジックデバイスは、例えば、FPGA(Field Programmable Gate Array)である。
ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、CD-ROM、DVD-ROM、半導体メモリなどをいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル(差分プログラム)であってもよい。
Claims (5)
- 建物に設置された第1センサが、警報が発せられたときに取得した情報である取得情報と、前記取得情報が火災検出に該当するか否かを示す情報である火災検出判定情報とに基づいて、前記建物における前記取得情報と、火災検出の有無との関係を学習した第1学習モデルを用いて、判別対象である前記建物に火災が検出されたかを判別する取得情報判別部と、
前記取得情報判別部が、火災が検出されたと判別した場合に出力する検出情報と、前記建物に設置された複数の第2センサの各々が、警報が発せられたときに出力した情報である検出情報と、前記警報が誤報であるか否かを示す情報である警報判定情報とに基づいて、複数の前記検出情報と、誤報の有無との関係を学習した第2学習モデルを用いて、判別対象である前記建物における誤報の有無を判別する検出情報判別部と、
前記建物に設置された前記取得情報判別部及び複数の前記第2センサの各々が出力した前記検出情報と前記第2学習モデルとを用いて前記検出情報判別部が行った判別結果に基づいて、前記建物に火災が発生したか否かを判別する火災判別部と
を有する火災検出装置。 - 前記取得情報判別部及び複数の前記第2センサの各々が出力した前記検出情報に重みパラメータを乗算する乗算部を有し、
前記火災判別部は、前記取得情報判別部及び複数の前記第2センサの各々が出力した前記検出情報に重みパラメータを乗算した結果と前記第2学習モデルとを用いて前記検出情報判別部が行った判定結果に基づいて、前記建物に火災が発生したか否かを判別する、請求項1に記載の火災検出装置。 - 前記第1センサは、レーザセンサ、画像センサ、においセンサのいずれかであり、
前記第2センサは、熱感知センサ、炎感知センサ、においセンサ、煙感知センサのいずれかである、請求項1又は請求項2に記載の火災検出装置。 - 建物に設置された第1センサが、警報が発せられたときに取得した情報である取得情報と、前記取得情報が火災検出に該当するか否かを示す情報である火災検出判定情報とに基づいて、取得情報判別部が、前記建物における前記取得情報と、火災検出の有無との関係を学習した第1学習モデルを用いて、判別対象である前記建物に火災が検出されたかを判別し、
前記建物に火災が検出されたと判別した場合に、前記取得情報判別部が出力する検出情報と、前記建物に設置された複数の第2センサの各々が、警報が発せられたときに出力した情報である検出情報と、前記警報が誤報であるか否かを示す情報である警報判定情報とに基づいて、複数の前記検出情報と、誤報の有無との関係を学習した第2学習モデルを用いて、判別対象である前記建物における誤報の有無を判別し、
前記建物に設置された前記取得情報判別部及び複数の前記第2センサの各々が出力した前記検出情報と前記第2学習モデルとを用いて行った判別結果に基づいて、前記建物に火災が発生したか否かを判別する、火災検出方法。 - コンピュータを、請求項1から請求項3のいずれか一項に記載の火災検出装置として動作させるためのプログラムであって、前記コンピュータを前記火災検出装置が備える各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018237401A JP7286311B2 (ja) | 2018-12-19 | 2018-12-19 | 火災検出装置、火災検出方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018237401A JP7286311B2 (ja) | 2018-12-19 | 2018-12-19 | 火災検出装置、火災検出方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020098548A JP2020098548A (ja) | 2020-06-25 |
JP7286311B2 true JP7286311B2 (ja) | 2023-06-05 |
Family
ID=71105964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018237401A Active JP7286311B2 (ja) | 2018-12-19 | 2018-12-19 | 火災検出装置、火災検出方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7286311B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060006997A1 (en) | 2000-06-16 | 2006-01-12 | U.S. Government In The Name Of The Secretary Of Navy | Probabilistic neural network for multi-criteria fire detector |
JP2014229193A (ja) | 2013-05-24 | 2014-12-08 | 能美防災株式会社 | 火災感知器 |
JP2017078922A (ja) | 2015-10-19 | 2017-04-27 | 株式会社M.T.C | 警報システム |
JP2018073024A (ja) | 2016-10-27 | 2018-05-10 | ホーチキ株式会社 | 監視システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3032402B2 (ja) * | 1993-05-18 | 2000-04-17 | ホーチキ株式会社 | 火災判定装置及びニューラルネットワークの学習方法 |
-
2018
- 2018-12-19 JP JP2018237401A patent/JP7286311B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060006997A1 (en) | 2000-06-16 | 2006-01-12 | U.S. Government In The Name Of The Secretary Of Navy | Probabilistic neural network for multi-criteria fire detector |
JP2014229193A (ja) | 2013-05-24 | 2014-12-08 | 能美防災株式会社 | 火災感知器 |
JP2017078922A (ja) | 2015-10-19 | 2017-04-27 | 株式会社M.T.C | 警報システム |
JP2018073024A (ja) | 2016-10-27 | 2018-05-10 | ホーチキ株式会社 | 監視システム |
Also Published As
Publication number | Publication date |
---|---|
JP2020098548A (ja) | 2020-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10412172B2 (en) | Internet of things (IOT) self-organizing network | |
JP5031043B2 (ja) | 広域監視用に限られた数のセンサを衡平に配置する方法 | |
US9793939B2 (en) | Automatic self-protection for a portable electronic device | |
US9933772B2 (en) | Analyzing SCADA systems | |
JP7391601B2 (ja) | 情報処理装置、情報処理システム、学習モデルの生成方法、異常予測方法、およびプログラム | |
CN109155796B (zh) | 将建筑物自动化事件转换成移动通知 | |
JP2019128755A (ja) | 情報処理装置、状態監視システムおよびプログラム | |
JP7286311B2 (ja) | 火災検出装置、火災検出方法、及びプログラム | |
JPH10124766A (ja) | 環境監視システムおよび異常検出方法および異常検出装置 | |
US20150365303A1 (en) | Analyzing scada systems | |
JP7357457B2 (ja) | 火災報知システム、情報処理装置、火災報知方法及びプログラム | |
JP2009245321A (ja) | コンテクスト装置およびプログラム | |
US10042331B2 (en) | Sensor network and a method for detecting an event in a sensor network | |
KR20110062036A (ko) | 센서 액츄에이터 노드와 이를 이용한 상황 대처 방법 | |
US11545023B1 (en) | Systems and methods for monitoring a physical environment using virtual sensors | |
JP7268425B2 (ja) | システム、機器、情報処理装置、及びプログラム | |
JP2015055960A (ja) | 監視装置及び情報処理システム及び監視方法及びプログラム | |
JP6038326B2 (ja) | データ処理装置及びデータ通信装置及び通信システム及びデータ処理方法及びデータ通信方法及びプログラム | |
Moore et al. | An open architecture for detecting earthquakes using mobile devices | |
KR20230126809A (ko) | 구조물의 이상 여부를 탐지하고, 구조물을 제어하는 전자 장치 | |
JP5834998B2 (ja) | イベント処理方法、イベント収集方法、イベント処理プログラム、イベント収集プログラム及び情報処理装置 | |
JP2007193748A (ja) | 通信ノードおよびセンサネットワークシステム並びにタスク処理方法 | |
JP2021064220A (ja) | 情報処理システム、情報処理装置、情報処理方法、及びプログラム | |
WO2020049757A1 (ja) | データ処理装置、データ処理方法及びデータ処理プログラム | |
JP6213496B2 (ja) | 制御装置、制御方法及び制御プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211028 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221108 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230116 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230524 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7286311 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |