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
本発明の実施形態は、火災検出装置、学習装置、火災検出方法、学習方法、及びプログラムに関する。
煙感知器などの火災報知装置は、検出した煙の濃度に基づいて、検出した煙の濃度が、煙濃度閾値以上で発報する。煙濃度閾値は、煙に包まれている煙検出器の状態を検出できること、煙検出器が火災以外の原因によって作動し、火災ではないのに発報することを防ぐことができるように設定される。
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。
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。
しかし、埃の多い場所に煙感知器が設置された場合には、誤検出が多発する。また、煙検出器の検出範囲を広げた場合に、施工費が増加する。
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。
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、建物に設置された一又は複数のセンサの各々が、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、前記建物における前記検出情報と、誤報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一又は複数の前記センサの各々が出力した前記検出情報と前記第１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である。
上述した課題を解決するために本発明は、建物に設置された一又は複数のセンサの各々が、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、前記建物における前記検出情報と、誤報の有無との関係を表す第１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。
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。
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。
また、本発明は、火災検出方法、学習方法、及びプログラムである。
本発明によれば、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できる。
次に、本実施形態の火災検出装置、学習装置、火災検出方法、学習方法、及びプログラムを、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
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。
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。
（実施形態）
（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。
（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との各々が出力した感知情報を取得する。また、統合インタフェース２０は、センサ５０－４が出力した感知情報を、無線ＧＷ３０を介して、取得する。また、統合インタフェース２０は、センサ５０－３のエッジＡＩ５２－３が出力した火災検出情報を取得する。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、取得した感知情報と、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（プロトコル変換）する。ここでは、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を続ける。
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。
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、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する。また、監視サーバ１００は、警報が誤報であるか否かの判別結果を取得する。監視サーバ１００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、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。監視サーバ１００は、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をプロトコル変換した結果と、センサ５０－３が出力した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である誤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をプロトコル変換した結果と、センサ５０－３が出力した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、誤報の有無との関係を表す誤報学習モデルを学習によって生成する。
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。
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２は、本発明の実施形態の火災検出システムに含まれるセンサ群と、統合インタフェースと、監視サーバと、クライアント端末との一例を示すブロック図である。
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。
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。
監視サーバ１００は、パーソナルコンピュータ、サーバ、又は産業用コンピュータ等の装置によって実現される。監視サーバ１００は、入力部１１０と、記憶部１２０と、学習部１３０と、判別部１４０と、出力部１６０と、各構成要素を図２に示されているように電気的に接続するためのアドレスバスやデータバスなどのバスラインとを備える。
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。
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。
学習部１３０の全部または一部は、例えば、ＣＰＵ（Central Processing Unit）などのプロセッサが記憶部１２０に格納されたアプリを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。なお、学習部１３０の全部または一部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。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を示す情報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。例えば、学習部１３０は、一例として、警報が誤報であるか否かを判定の条件とな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を合計した数の閾値を学習する。
判別部１４０の全部または一部は、学習部１３０と同様に、例えば、ＣＰＵなどのプロセッサが記憶部１２０に格納されたアプリを実行することにより実現されるソフトウェア機能部である。なお、判別部１４０の全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
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。
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、ユーザによって使用される装置である。クライアント端末１０は、例えば、スマートフォンなどの携帯電話、タブレット端末、パーソナルコンピュータなどの装置である。クライアント端末１０は、表示部１５を備える。
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。
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。
（本実施形態の火災検出システムの動作）
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。
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。
図４は、本実施形態の火災検出システムの動作の一例を示すシーケンスチャートである。図４には、監視サーバ１００が、誤報検出モデルを使用して、火災が発生したか否かを判別する処理を示す。
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。
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。
前述した実施形態においては、センサ群５０に含まれるセンサ５０－３から火災検出情報が監視サーバ１００に送信される場合について説明したが、この例に限られない。例えば、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。この場合、記憶部１２０は、取得し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取得し、取得し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て記憶する。
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、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。
本実施形態の火災検知システムによれば、火災検知装置（監視サーバ１００）は、建物に設置された一又は複数のセンサの各々が、警報が発せられたときに出力した情報である検出情報（感知情報、火災通知情報）と、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、建物における検出情報と、誤報の有無との関係を学習した第１学習モデル（誤報検出モデル）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検出情報判別部（判別部）と、建物に設置された一又は複数のセンサの各々が出力した検出情報と第１学習モデルとを用いて検出情報判別部が行った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火災判別部（判別部）とを有する。このように、複数のセンサを組み合わせることで、従来技術では困難であった高天井・大空間かつ埃の多い場所において、早期に火災を検出できる。特に、可燃物が多い物流施設、工場での大規模火災を早期に検出できる。また、設置箇所の状況に応じて適切なセンサを選定できるため、小規模な火災要因を検出することができる。複数のセンサの各々から得られる感知情報と、火災検出情報とのいずれか一方又は両方をＡＩ（学習部）にて分析し、分析した結果に基づいて、火災が発生したか否かを判別できるため、誤検知を低減し、高い精度で火災検知を行うことができる。さらに、ＡＩ（学習部）は過去の運用データを用いて学習を重ねることで、徐々に判別精度を向上させることができる。
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。
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。
（変形例）
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。
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。
レーザセンサ６０－１が出力した検出情報に基づいて、エッジＡＩ６２－１が出力した火災検出情報に、乗算部１４５でウエイトｗ１が乗算され、ウエイトｗ１が乗算された火災検出情報は、判別部１４０に出力される。画像センサ６０－２が出力した検出情報に基づいて、エッジＡＩ６２－２が出力した火災検出情報に、乗算部１４５でウエイトｗ２が乗算され、ウエイトｗ２が乗算された火災検出情報は、判別部１４０に出力される。においセンサ６０－３が出力した検出情報に基づいて、エッジＡＩ６２－３が出力した火災検出情報に、乗算部１４５でウエイトｗ３が乗算され、ウエイトｗ３が乗算された火災検出情報は、判別部１４０に出力される。新規センサ６０－ｎが出力した検出情報に基づいて、エッジＡＩ６２－ｎが出力した火災検出情報に、乗算部１４５でウエイトｗｎが乗算され、ウエイトｗｎが乗算された火災検出情報は、判別部１４０に出力される。
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。
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、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を取得する。
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。
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。
実施形態の変形例によれば、火災検知装置（監視サーバ１００）は、一又は複数のセンサの各々が、警報が発せられたときに出力した情報である検出情報（感知情報、火災通知情報）に重みパラメータを乗算する乗算部を有し、火災判別部は、一又は複数のセンサの各々が出力した検出情報に重みパラメータを乗算した結果と第１学習モデルとを用いて行った判定結果に基づいて、建物に火災が発生したか否かを判別する。このように構成することによって、一又は複数のセンサの各々が出力した検出情報に重みパラメータを乗算できるため、一又は複数のセンサの各々が出力した検出情報に重みパラメータを乗算した結果と第１学習モデルとを用いて行った判定結果の判定精度を向上できる。
以上、実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組合せを行うことができる。これら実施形態は、発明の範囲や要旨に含まれると同時に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
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。
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。
なお、上述の監視サーバ１００と、クライアント端末１０とは内部にコンピュータを有している。そして、上述した監視サーバ１００と、クライアント端末１０との各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。
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。
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。
１…火災検出システム、１０…クライアント端末、１５…表示部、２０…統合インタフェース、２２…取得部、２４…変換部、３０…無線ＧＷ、５０・・・…センサ群、５０－１、５０－２、５０-３、５０-４、・・・…センサ、５２－３…エッジＡＩ、１００…監視サーバ、１１０…入力部、１２０…記憶部、１３０…学習部、１４０…判別部、１５０…火災判別ＡＩ、１６０…出力部
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 |