工业火灾报警控制器的可靠实现

介绍了工业分布式智能火灾报警控制系统的构成,分析了探测回路接口的通讯原理,克服了探测器的状态阈值漂移,给出了独立式和复合式智能化的火灾信号处理算法,并进行了数学仿真.实验结果表明,此算法可以有效解决误报、漏报问题,满足了工业环境火灾探测要求.     

基于多传感器信息融合的火灾探测

采用多传感器进行火灾探测克服了单一传感器的不确定性和局限性,由多传感器复合而成的智能火灾探测器已成为火灾探测的发展趋势,多传感器信息融合算法也成为了人们研究的重点.本文从火灾传感嚣的分类、选择、多传感器信息融合算法等方面,讨论了火灾探测的研究现状,指出了无线传感器网络在火灾探测中的应用前景,展望了火灾探测的发展趋势.     

火灾探测器智能探测算法实现与性能评估技术

围绕点型感烟火灾探测算法的设计与性能评估过程，论述了为了获取数据样本而建立的火灾探测应用环境与火灾信息数据库的基本情况，并在数据分析的基础上概述了火灾探测算法的实现方法。为了对算法的性能进行评估和验证，进一步研究了算法的评估模式与技术方法，以及为性能评测试验而建立的火灾探测性能评估模拟试验平台的具体内容，以便提高点型感烟火灾探测器的综合探测能力、减少漏报和误报，进而提高火灾探测器的整体技术水平。     

通过神经网络模型实现火灾图像跟踪探测

采用神经网络模型进行火灾图像数据处理的跟踪检测,建立数据处理的算法模型和火灾轮廓的识别跟踪结构,在图像处理过程中得出火灾火焰的尖角数目会因时间随机变化,采用MATLAB进行数据实验验证了算法可以保证火灾探测的正确性。实际应用效果表明,运用BP神经网络算法可以较好地实现火灾探测。这一研究为火灾探测提供了一个具有良好的适应性以及抵抗内外界干扰的能力的方法。     

基于目标检测卷积神经网络的图像型火灾探测算法

摘 要：针对传统图像型火灾探测算法误差率高、延迟探测、计算量大等问题,提出了基于目标检测卷积神经网络（Faster-RCNN、R-FCN、SSD和YOLO v3）的图像型火灾探测算法。通过对比实验表明,基于目标检测卷积神经网络的探测算法准确性较高。其中,YOLO v3探测算法的平均精度为84.5%,探测速度为28帧/s,具有更高的稳定性,更适用于图像型火灾探测系统的开发。     

人工神经网络——真正的智能火灾探测算法

火灾自动探测系统正在逐步朝着智能化的方向发展，其关键是采用智能化的信号处理算法，本文讨论了人工神经网络中多层感知机的模型，论述了人工神经网络火灾探测信号的算法，展示了当今火灾探测算法研究的新进展。     

火灾探测信号处理算法的实现方式

信号处理算法在模拟量火灾探测系统中十分重要，实现信号处理算法的方式直接关系到系统性能。本文分析、论述了火灾探测信号处理算法的三种实现方式：集中式、探测器式和分布式，指出分布智能信号处理是实现火灾探测算法的发展方向     

受限空间火灾探测数据融合算法研究

为了实现对受限空间火灾发生情况多传感器自动探测信号处理，建立了基于CO 浓度、烟气颗粒浓度、红外视频图像等多传感器探测的火灾探测数据融合分析系统。在受限空间内搭建基于多传感器火灾探测的数据融合分析实验平台。根据火灾红外视频图像的燃烧区域面积及圆形度等特征参数介绍了红外图像识别算法。在三种火灾探测方式特征参数的基础上提出了固定门限功率谱检测算法，并完成数据融合。在分析比较火灾探测系统响应时间、报警准确率等系统性能评价方法的基础上，说明了采用多传感器探测信号进行数据融合并建立灾情判据的方法。实验结果表明：采用数据融合算法后探测系统误报率低于单一探测方式，报警时间略高于单一探测报警方式。该数据融合系统基本满足火灾自动探测报警系统的稳定可靠、低误报率等要求。     

基于O-YOLOv3 的无人机森林火灾识别研究

为解决传统森林火灾检测误报率高、响应速度慢等问题,提出了以无人机作为探测平台,地面站作为火灾识别系统,实现森林火灾的自动探测、识别和定位。开发了六旋翼无人机平台,通过所搭载的红外摄像机和机载计算机获取森林火灾现场图像并实时传回地面。利用地面站对所接收到的火灾图像进行处理,实现对森林火场的在线监测。在森林火灾识别算法方面,提出了O_YOLOv3 算法,采用Darknet 框架进行网络训练,使用K_means 方法自动生成锚点,有效提高火灾识别精度与响应速度。将O_YOLOv3 算法与其他几种算法进行对比实验验证本文算法的有效性。实验结果表明：O_YOLOv3 火灾识别算法能够快速、精准识别森林火灾;所研制的基于O_YOLOv3 的无人机森林火灾探测系统能够用于实际森林火灾探测。     

大型火灾图像数据集的设计及建立

摘 要：当前火灾图像识别方法主要依赖于大数据集,在样本不足时会出现探测结果不可靠。针对国内外普遍缺乏火灾图像样本的问题,根据火灾探测算法开发和评估需求,建立样本数量充足且包含多种应用场景的大型火灾图像数据集。为确保火灾图像数据集完备与有效,通过数据集开发并评估多个图像型火灾探测算法,分别对数据集的开发有效性和评估有效性进行试验。试验结果表明：数据集具有较好的普适性和有效性,可以为图像型火灾探测算法的研究提供基础平台。     

专家模糊控制在火灾探测信息处理中的应用

对火灾过程产生的各种特征信号进行准确检测是确保及时可靠的火灾探测报警的重要前提,采用有效的火灾探测算法是关键所在。文章阐述了引入专家系统技术的模糊逻辑控制系统能够较好地处理火灾信息的随机性和非结构性等特征,从而达到既能快速探测火灾,又有较低的误报率的目的。     

LM算法在火灾早期探测中的应用

针对传统火灾探测方法在外界干扰下难以快速、准确地识别火灾,提出基于过程特征信息的神经网络火灾探测方法.选用CO和CO2气体体积分数比值、比值上升速率和加速度作为火灾过程特征参数,设计三层误差反向传播(BP)人工神经网络模型,采用改进的BP算法-LM算法进行网络学习训练.实验包括6种真实火灾源材料及蜡烛、香烟、液化气3种虚假火灾源材料.结果表明,基于LM算法的人工神经网络火灾探测系统能有效识别火灾,提高火灾探测的可靠性与准确性.     

基于图像处理的火灾烟雾检测算法研究

在综述视频火灾探测技术的基本原理和现有视频火灾烟雾检测算法的基础上,提出了一种结合烟雾静态特征与动态特征进行研究的视频火灾烟雾检测算法。介绍运动区域目标检测与提取方法及效果,以及烟雾静态特征和动态特征的提取和分析。测试结果证明该算法能够准确且迅速地探测出火灾烟雾,误报率低,可靠性好。     

基于小波分析的电气火灾微弱信号检测研究

针对在探测电气火灾微弱的电流信号时传统的微弱信号检测算法或原理的局限性,在分析了小波变换信噪分离原理的基础上,提出了将小波分析与自适应滤波相结合的算法.通过小波分析对被检测的微弱电流信号的分解,为每个子带滤波器单独设计阈值,实现了从强噪声信号中提取微弱的表征电气火灾的电流信号.并通过仿真的结果验证了本算法的可行性和可靠性,为探测微弱电流信号从而实现早期电气火灾探测预报提供了新的探测依据和方法.     

神经网络智能算法在火灾探测中的应用

本文分析了神经网络理论在火灾探测算法中的实际应用,力图寻找出一种有效的方法,并通过建立火灾专家数据库,实现误报少、报警速度快的一种火灾报警算法。     

基于红紫外光电传感器的多波段火焰探测方法研究

针对不同火灾发生场景对火焰探测的要求,建立具有火灾特征的火灾探测模型,对多波段红紫外传感器火焰探测机理、多特征数据融合算法和火灾决策判断方法进行研究。选择185～260 nm波段的紫外光电传感器和3.6、4.4、4.8μm波段的红外光电传感器进行火焰探测,采集火焰特征信号数据信息;采用多信号数据融合和特征参数相关性算法,建立多波段火灾特征的火灾探测数学模型,模拟火灾发生场景,训练有关特征参数的最佳配置。研究结果表明,对185～260 nm波段的紫外光和3.6、4.4、4.8μm波段的红外光进行多波段火焰探测,能够满足标准GB 15631-2008《特种火灾探测器》的要求,火焰的识别和决策判断能力提高,试验中无误报和漏报。     

基于PNN算法的多传感器火灾探测技术研究

从传统算法和人工神经网络算法两方面,总结火灾探测中的多特征信息融合算法。以火焰、烟雾、CO和CO_2四种火灾特征的组合为例,基于MATLAB,运用PNN对实验采集到的数据进行训练和仿真测试。测试结果表明,采用PNN将多传感器信息融合后对火灾探测的准确度远高于单一种类火灾探测器;当扩展系数取0.3时,PNN对测试数据进行模式识别的准确度可高达98.95%。训练后的PNN可以更好地用于火灾的探测。     

GA优化BP神经网络在多参量火灾探测中的应用

针对BP 神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP 神经网络的初始权重和阈值进行优化,提出了一种基于GA 优化BP 神经网络的多参量数据融合方法以实现火灾探测,提高火灾探测准确率和模型泛化性能,并利用该模型对标准明火和阴燃火中的温度、烟雾浓度和CO 浓度进行数据融合实现火灾探测。研究显示,相较单纯BP 神经网络,经GA 优化的BP 神经网络火灾探测算法能够更快速精确地实现火灾探测,探测精度有显著改善,火灾识别准确率提高至98.84%。     

火灾自动报警系统存在的几个问题及改进措施

针对当前火灾自动报警系统存在的通讯协议不标准 ,系统误报、漏报频繁 ,特殊恶劣环境的火灾探测报警抗干扰等问题较为突出的现象 ,提出了采用统一、标准、开放的通讯协议标准 ,广域网技术 ,智能化的火灾探测算法技术处理火灾探测器提供的火灾信号等技术改进措施     

视频火灾探测系统现状分析

介绍了国内外目前在视频火灾探测领域的几种典型产品以及视频探测算法的研究现状,分析了各个系统及算法的特点,并对此领域的发展前景进行了讨论和展望。