火灾探测的多层数据融合方法

对不同燃烧物产生的烟、温、气体等火灾早期特性和典型非火灾干扰进行了试验研究．构建了相应的数据库。在数据库数据信息分析的基础上．应用数据融合技术的原理和方法．研究火灾早期产物属性的多信息识别以及火灾与典型干扰因素之间的辨识．提出火灾探测的多眉数据融合模型．形成基与火灾产物和过程的多信息智能火灾探测方法。建立火灾探测方法的评估验证体系．通过模拟评估测试．为性能改善和提高提供依据。     

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。     

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%。     

基于卷积神经网络的视频烟雾探测追踪技术研究

摘 要：火灾探测预警技术是有效降低火灾损失、辅助扑救火灾,保护人民生命财产安全的重要技术保障,是对烟雾进行探测较为有效的手段之一。目前,大部分烟雾探测报警装置主要设置于室内空间场所,仅具备探测和报警功能,同时误报率相对较高,也无法同步传递实时视频画面信息,对室外空间区域也无法进行探测。针对上述情况,基于视频监控系统对烟雾进行实时探测研究。通过对CNN架构进行改进,在EfficientNet中加入残差模块Res-EfficientNet,更精准的探测和识别烟雾。通过STRCF实现对烟雾的精度定位。为提高探测准确率,还考虑了烟雾偏振传输特性,如烟雾的扩散和半透明状态。为了能够更好地探测视频中的烟雾,将空间频率的能量作为滤波器的一维约束项,在基准数据集上进行了试验,试验结果表明,准确率提高了3%。     

火灾早期烟气特性多信息数据采集系统设计

通过时火灾早期过程烟气特征分析，设计出火灾早期特性多信息数据采集系统的综合构成及试验方法，为多信息智能火灾探测方法的建立提供基础理论数据。     

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。     

火灾多元复合探测技术的现状与发展

本文简要论述了单元火灾探测技术的不足和问题，多元复合探测技术的发展和应用。多元探测和探测智能汇集一身，是现代智能探测报警系统发展的必然趋势和主导方向     

多变量统计过程控制方法在火灾自动探测中的应用

针对传统火灾探测方法存在的智能程度低、误报率高等问题,提出将统计过程控制方法应用到火灾自动探测中.利用多个传感器在火灾情况下数据中的隐含信息,构建了火灾过程的多参数统计监控模型,从而增强了火灾探测的灵敏度和可靠性.通过模拟实验,证明了该方法的有效性.     

大空间建筑早期火灾智能探测报警技术

大空间建筑，尤其是存在遮挡和环境干扰时，现行的火灾探测技术将难以正常发挥效用，无法解决灵敏度与可靠性之间的矛盾，大空间建筑早期火灾的探测已成为火灾探测领域的一个世界性难题，各国火灾科学及消防科技工作者对此都十分关注。本文对大空间建筑火灾探测中存在的问题进行了分析，并介绍两种大空间建筑早期火灾智能探测报警技术     

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.     

基于BIM的多尺度建筑消防信息检索方法研究

提出一种面向BIM 数据的多尺度建筑消防信息检索方法。首先利用知识图谱技术构建一个全面、可查询的建筑消防语义图谱,提高数据的可理解性;然后通过自然语言处理技术,对查询语句进行分词和语义消歧,实体识别和句法分析,识别查询意图,构建查询的逻辑表达式;最终映射到不同尺度对应的查询模板,实现多尺度信息检索。实验结果表明,所提多尺度方法在多尺度信息检索上可实现0.929 的查准率和0.795 的查全率,在单尺度信息检索（设备检索）上较现有基于关键词的方法提升0.293 准确率和0.240 的查全率,推动了新型消防管理系统检索能力的优化和升级。     

基于热敏绝缘材料的电气柜区块式自灭火装置研究

为更好地解决电气柜火灾发展速度快、灭火难度大等问题，基于热敏绝缘材料构建了1 种集精准探测与可靠灭火于一体、安装简易、可重复使用的电气柜区块式自灭火装置。通过对电气柜火灾热点区域的分析，确定热敏绝缘材料布置方案，并进行了相关灭火试验。结果表明，该自灭火装置在多种工况下都能较快扑灭电气柜火灾。线缆火试验中装置在20~35 s 内实现灭火；较大规模火灾试验中在29~37 s 内实现灭火；多位置起火试验中在18~75 s 内实现灭火。重复性灭火试验表明该装置具有良好的重复使用能力。     

模块化数据中心感烟灭火装置优化设计

针对模块化数据中心感烟灭火装置火灾探测灵敏度低、灭火介质效率低、储压式设计存在危险等问题,设计火灾探测与灭火一体化的感烟灭火装置。基于Mie散射原理,利用主动空气采样感烟探测技术进行早期火灾探测;利用光学仿真软件对探测暗室的光路进行模拟仿真,优化设计探测暗室结构;发明一种非储压式、洁净环保型全氟己酮灭火装置,装置具有多级报警设计。经测试,装置初、中、高级报警灵敏度分别为0.05,0.11,0.21 db/m。感烟灵敏度为Ⅰ级,灭火剂平均喷射时间为7.2 s,灭火时间平均为11.2 s,具有较高灵敏度和良好灭火能力,能够保障数据中心设备安全运行。     

基于多重迁移学习的Yolo V5 初期火灾探测研究

火灾发生初期是灭火的最佳时期,故对于初期火灾的探测具有十分重要的意义。初期火灾的火焰面积较小,数据样本较少,传统的机器学习目标检测方法难以对其进行有效的训练。针对以上问题,提出图像型初期火灾探测系统,并对基于多重迁移学习训练得到的Yolo V5 初期火灾探测模型进行重点研究。试验结果表明,该模型精确率达到97%,对初期火灾的探测精度高、探测速度快,可以快速准确地探测到初期火灾的发生。     

基于人工智能的轻量级模型对烟雾检测研究及应用

传统应用在便携设备上的火灾探测系统占用内存非常巨大，传感器易受环境的影响，导致检测精度不高。针对这一问题，提出了一个内存占用率小、性能优的火灾探测系统。利用FireNet神经网络嵌入到便携式硬件产品中，在多种火灾数据集上进行测试，测试效果表明，该系统相较其他传统方法，在精度和速度上都有明显提升。     

Monitoring Multiple Aspects of Fire Signatures for Discriminating Fire Detection

Numerous researchers are exploring multisensor detection as the principal means of discriminating between fire and nuisance sources. Multisensor detectors can monitor multiple aspects of a wide variety of signatures produced by flaming fires, non-flaming fires, and nuisance sources. This paper describes one program of small- and large-scale experiments that has been conducted using a prototype advanced fire detector with multiple gas sensors. An elementary analysis is applied to demonstrate that spacing guidance can be rationally developed for multiple gas sensors to detect fires of a particular threshold fire size, i.e., heat release rate. Discriminating between flaming fires, non-flaming fires, and nuisance sources could be achieved using either a threshold concentration or CO₂ rate-of-rise to identify flaming fires and a CO or CO₂ rate-of-rise for non-flaming fires. Time to detection was also compared to commercial smoke detectors, and the reductions in time were noted.     

多传感器融合的火灾识别算法研究

针对传统火灾探测存在反应滞后,误报率高等问题,提出一种基于多传感器融合的火灾识别算法。采用运动和颜色检测提取可见光图像的疑似火灾区域,同时采用阈值分割提取红外图像的疑似火灾区域。将两者疑似火灾区域分别进行特征提取,再根据所获特征进行基于 SVM 的融合火灾识别,通过传感器检测实时的温度与烟雾浓度,从而实现可靠和快速的火灾识别。实验结果表明,该火灾识别算法在可接受的时间范围内准确率高且鲁棒性强。