矿井通风机远程监控系统设计

针对传统矿井通风机监控系统布线难度大、拓展性差等问题,应用ZigBee无线通信技术设计了通风机远程监控系统。终端节点的传感器将检测信号通过ZigBee无线通信传送到协调器节点,再经过串口分别传送到PLC和监控中心进行处理。仿真结果表明,该系统实现了对通风机电流、电压、风速和风压的实时检测,避免了大量布线,且可靠性高、实时性好。     

基于无线通信的选煤厂PLC集中控制系统

针对现有选煤厂PLC集中控制系统与现场设备之间采用有线通信方式,存在布线复杂、通信电缆损坏率高的问题,提出了一种基于无线通信的选煤厂PLC集中控制系统设计方案。该系统通过通信模块CP340和数传电台实现下位机控制总站S7-300PLC与ET200M分布式I/O分站之间数据的无线通信,解决了选煤厂通信线缆布线复杂、电缆损坏率高和检修维护不方便的问题,实现了选煤厂集中控制系统数据的无线通信。     

基于机器学习的VoIP流量在线识别系统

针对目前VoIP离线识别无法满足复杂网络环境中流量监控系统的实时性与高精度要求,设计并实现了VoIP流量在线识别系统。首先,基于数据挖掘工具WEKA中集成的机器学习算法,在扩大训练集的基础上对流统计特征进行筛选并搭建分类器模型。然后,利用JPcap库提出并设计边抓包边检测机制,实现VoIP流量快速识别。实验结果表明,该在线识别系统实时性高,且能达到92%的精度。     

智能火灾报警联动系统的设计研究

针对市场上火灾报警系统布线复杂,报警联动控制系统数学模型不够完善的实际问题,提出了运用嵌入式多CPU控制、总线探测、总线控制的方案。在系统设计中引入物理结构和逻辑结构的概念,使系统在布线时不用考虑系统物理结构和火灾显示器的分布影响,只需能满足系统逻辑结构的要求,从而大大简化系统布线复杂度。同时为系统建立火灾报警联动控制的数学模型,提出了模型中两种关键参数-系统权重和误报指数。针对不同的监控现场只需设定相关参数便可实现,系统可以现场编程实现总线探测以及联动控制模型。在监控中采用多级网络监控的方式,实现远程监控的功能。     

基于LabVIEW及无线网络实现应变电阻的远程测量

为适应现代工程检测中的电阻应变测试技术,解决在实际测试中布线难、安装复杂、可靠性差等问题,提出了一种基于LabVIEW及WiFi无线网络的应变电阻远程测量系统.详细介绍了基于WiFi无线网络的系统硬件结构以及基于LabVIEW的监控软件平台设计.利用TCP/IP无线通信协议,数据采集端将应变电阻的应变值实时无线上传至数据管理监控中心进行处理分析.经过在实验室环境下对电阻应变片的无线测量与监控,表明系统具有很好的实时性和稳定性,以及一定的实用价值.     

野外早期火灾图像识别方法研究

根据野外环境下早期火灾火焰的辐射特性和形状变化特性,阐述了对红外图像进行图像获取和预处理、特征提取以及火灾判别的过程.重点研究了火焰识别的判据,提出了五种判据作为火灾图像识别的依据.为了提高图像处理的效率,采用了先对图像进行区域分割,然后去掉背景信息而只对各可疑区域做进一步处理的方法,提高了系统的实时性.与其它的火焰识别算法相比,该算法在野外这种复杂的实际环境中,识别的准确性高,抗干扰能力强,能够在一定程度上识别出车灯、路灯等疑似干扰,因此具有广泛的应用前景.     

基于块分割和SVM的视频火灾烟雾识别

研究火灾早期预警问题,为了解决现有图像型火灾烟雾检测算法对环境适应能力不强和探测准确性不高等问题,采用分块和背景差分,分析烟雾在RGB和HSV颜色空间色彩和亮度的变化规律获取疑似烟雾区域;以运动主方向和疑似烟雾与背景对应区域的高低频能量比作为火灾烟雾识别依据,构建SVM分类器,最终实现烟雾判决。并与BP神经网络模型火灾烟雾探测方法进行了比较分析,结果表明,改进的算法具有较强自适应性,识别率高,实时性强,鲁棒性高,可适用于多种火灾探测场景。     

室内火灾高浓度烟雾环境火点增强识别仿真

火灾火点在形态上均具有不确定性,尤其在高浓度烟雾火灾环境中火点还具有随机透明度,易与图像的背景部分混合,导致火点位置识别难度较高。为此,提出室内火灾高浓度烟雾环境火点增强识别方法。对高浓度烟雾图像去噪、锐化以及分割处理,完成目标区域轮廓的提取。基于此,提取目标轮廓并对其增强,获取目标区域中火点的特征向量,结合孪生支持向量机对火点特征展开分类,实现室内火灾高浓度烟雾环境的火点的精准识别。实验结果表明,上述方法的火点识别精度高于98%,耗时低于210ms,且能够有效提取火点目标特征,证明了研究方法的应用效果更好,可靠性更高。     

基于WSNs和LabVIEW水温控制系统的设计

针对目前水族馆中的水温监控系统存在的实时性差和有线网络布线复杂的问题,设计了一种将Zig Bee无线传感器网络(WSNs)与虚拟仪器相结合的水温控制系统。该系统以ATmega128L单片机和CC2420芯片为核心设计传感器节点,结合MAX232芯片设计Sink节点,实现数据的无线传输和水温的实时监控。该方法克服了传统单一网络的局限性,避免了其它无线通信技术高功耗的缺点。给出了系统的硬件设计和软件流程,并将本系统用于对实际系统的检测与控制,结果表明:该系统具有结构简单、操作方便、实时性较好的优点。     

视频火灾识别的关键技术研究

火灾报警识别是保证安伞的手段.在视频火灾识别中,火灾目标的提取是其关键问题,针对提高火灾识别率,为了精确地提取火焰目标,在分析火灾图像特性的基础上,采用数字图像处理技术和模式识别技术,提出了一种新的基于面积阈值的火焰目标提取,继后根据火灾发生时火焰的色彩、蔓延时面积大小和相似度以及烟雾等特征信息来识别、判断是否有火灾的发生.仿真实验表明算法具有比较好的健壮性.能够有效地提取出连续图像序列中的火焰目标图像和有效地降低火灾监控系统误撤和漏报率,并对于一般大空间场合的火灾监控也是有效的.     

基于DSP的远程火灾监控系统设计

针对传统图像型火灾监控系统在火灾监控时需要实时地将现场图像传送到调度中心,并由工作人员长时间不间断监控,存在传输的图像数据量过大、工作人员工作量大等问题,在新的火情自动识别算法的基础上,设计了一种新型的基于图像识别的火灾监控系统。系统设计了一种有效火情识别算法,并应用到DM642芯片上,可以对现场图像中的火情自动识别,发现异常再将图像通过GPRS模块远程无线传输到监控中心,由工作人员做进一步处理。结果表明,本系统对火情能有效识别,传送数据量低,并且节省了大量人力。     

基于DSP的火灾图像识别系统设计及应用

现有基于火灾图像识别的报警系统一般采用前端摄像头与视频采集卡的结构,然后由传输网络把图像传输到后台计算机进行处理识别、报警等工作。文中设计了一种DSP FPGA的硬件系统结构,利用火灾图像独有的特征,用图像处理方法提取这些特征值,并利用神经网络对火灾进行判别的软件系统。这些处理都在终端进行,减少了监控台的负担。实验结果表明,该系统与传统系统相比,更进一步减少了误报率且具有价格低、响应快、监控范围广、不用更换网络等优点。     

提高自动灭火水炮精度的一种方法

在现有的自动灭火系统的基础上，提出增加水炮灭火效果反馈系统。在反馈系统中，通过用图像模式识别的方法来获取水炮喷射点的坐标，与火焰坐标相比较，进而达到快速、准确灭火的目的。     

红外热成像技术在崂山森林防火系统中的研究与应用

介绍了红外热成像技术的工作原理及特点,提出了基于红外热成像技术的森林火灾识别方法。通过对红外热图像进行处理和像素识别,可及早准确地发现森林火情,克服了普通CCD摄像机及传统森林防火系统受天气、光照等条件限制的缺点。该系统已应用于崂山森林防火系统中,并取得了良好的效果。     

基于模糊神经网络的火灾识别算法

火灾自动识别能够及时准确预报火情。在森林大空间的环境中,由于火灾信号具有非线性和不确定性,将采集的探测信号做简单的分析与比较,误报率比较高。如何融合几个传感器的信号进行有效地火灾识别是一个难点。为提高预测的准确性,针对传统的森林火情预测系统误报率高的缺点,提出一种基于模糊神经网络的火灾识别算法。首先,将模糊控制和神经网络以串联的方式结合,将采集的传感器信号进行处理后送入三层前馈BP网络进行处理,输出明火概率、阴燃火概率、无火概率,然后,将它们作为模糊控制系统的输入,模糊化后进行模糊推理,最后去模糊化得出火灾概率大小。并利用MATLAB工具箱对构建的算法模型进行仿真分析,仿真结果表明,本文的方法能够有效地融合多个火灾探测传感器的信号,快速而准确的判断出火情的大小,提高火灾识别的准确率,减少误报率。     

火灾预警的SVR应用研究

针对传统火灾探测系统对火灾特征信号响应灵敏度均匀性差,而基于神经网络的智能处理方法又存在泛化能力差和过学习等问题.建立了一种基于支持向量回归机(SVR)模式识别方法与传感器阵列相结合火灾预警模型.SVR方法根据统计学习理论中结构风险最小化原则,将气体传感器、烟雾传感器和温度传感器组成的传感器阵列数据进行融合,将复杂的非线性问题转化成了高维平面内的线性问题,克服了传统方法和神经网络方法的缺陷.实验结果表明,使用支持向量回归机的火灾预警模型的预测精度优于神经网络方法,提高了火灾预警系统的可靠性和准确度.     

多红外火焰探测中基于决策树的火灾识别

在多红外火焰探测系统中,提出了一种基于决策树的火灾识别算法。按照特种火灾探测器的国家标准实验的要求,获取实验数据。该算法首先对五个红外火焰探测器获得的数据进行多窗口重叠交叉预处理,然后提取六个火灾特征作为决策树的分类属性,对决策树进行训练、剪枝,最后得到火灾识别的最优决策树模型。将该识别模型应用于在线火灾识别,实验结果表明该决策树分类算法的准确率可以达到95.2%,识别速度在2s以内,较其他的分类识别算法有更高的准确率和更快的识别速度,具有很好的实用性。     

基于样条的林火图像多阈值分割算法

基于光滑样条原理,提出一种自适应的多阈值分割算法HistSplineReg,即采用光滑样条回归图像一维直方图,再从回归函数寻找极值从而实现图像的多阈值自动分割。较之现有的阈值分割方法,HistSplineReg具有以下优势：1）设计方法符合人类直觉;2）基于光滑样条设计算法,有理论依据;3）阈值个数及阈值位置可自动选择;4）回归函数可分析求解,计算规模主要集中在矩阵的Cholesky分解,矩阵大小由图像像素水平级决定,而不是图像尺寸;5）只有一个待定参数,该参数用于平衡回归经验误差和回归函数的光滑性。对林火识别问题,实验提供一个经验参数供参考。最后,在红绿蓝颜色（RGB）模式的林火数字图像上进行实验,从灰度图像、多种颜色通道、各通道分割结果合成的彩色图像等方面进行验证,与同样采样回归思想的支持向量回归（SVR）及多项式回归（PolyFit）相比,HistSplineReg方法直观分割效果更好,且三种方法都反映出红色通道信息对林火图像分割效果的影响更为显著。     

视频火灾检测的设计与实现

在分析火灾图像特性的基础上,运用数字图像处理技术和模式识别技术,提出了火灾识别的思想.给出了图像处理和识别的算法,该算法采用二维最大熵自动阈值法对火灾图像进行分割处理,分割后再提取可疑区域;对可疑区域的火焰进行识别,给出火焰存在的可能性;根据火灾火焰蔓延时的面积、相似度的变化来识别、判断火灾的发生.实验证明,与传统的检测方法相比,大大地提高火灾预报的准确率.     

基于YCbCr颜色空间的火焰图像分割方法

视频火焰检测对消防安全具有重要的实际意义.火焰颜色信息在视频火灾检测中起着举足轻重的作用,众多学者提出了基于不同颜色空间的多种火焰颜色检测算法.针对目前视频火焰颜色检测算法检测率低、误检率高、适应性差等不足,提出基于颜色空间的火焰图像分割方法.通过研究火焰图像在颜色空间上的分布情况,分析火焰像素对应的Y,Cb和Cr分量...