基于嵌入式处理平台的森林火灾检测系统设计

提出了一种基于嵌入式处理平台的森林火灾检测系统,对系统硬件设计和软件设计两个方面做了详细论述.系统核心采用DSP+FPGA设计方案,设计实现火灾检测与报警系统,FPGA采集数字视频图像并对其进行图像预处理,然后在DSP中结合相应智能图像处理和模式识别算法进行处理,处理结果通过微波通信送至主控室,对森林区域进行实时监控.实验结果表明,该系统相比传统感温、感烟等探测技术,能克服周围环境影响,具有准确性高、响应速度快,监控区域广等特点.     

智能森林多状态视觉监控系统的设计与实现

针对现有森林监测系统对森林的多样性事件识别功能不足的问题,设计了一套基于计算机分布式视觉模型的森林病虫害监控系统;监控系统设计了底层控制站CCD森林视觉信息采集模块和DP总线信息传递模块,准确、实时地检测出虫害、干旱、风化等森林多样性事件,增加了系统功能;利用遥感森林监控图像的均值作为初始背景;根据不同森林灾害事件获取背景图像进行实时更新;利用森林光谱特征就距离算法获取差分图像,并进行形态学处理;根据DSP处理器得到的二值图上植物目标的特征,判断发生了哪类森林灾害事件;针对该系统测试表明,系统在对高空采集的遥感森林图像的病虫害监测中,对红粉、白粉、黑星和白板的分类正确率达100%,对干旱和风化等灾害事件的识别正确率达80.00%和93.33%,适用于信息融合型的森林智能监控系统应用。     

基于遗传神经网络的火灾图像识别及应用

传统的火灾检测方法一般采用感烟、感温、感光探测器以及红外对射探测。本文提出了一种基于图像视觉特征的火灾检测方法,根据火灾火焰处于近红外波段的特征,采集近红外图像,并利用火灾初期火焰变化的各种特征信息,用图像处理方法提取这些特征值,并把其作为输入,利用遗传神经网络对其进一步识别,从而进行火灾判别,并进一步设计了基于以上思想的火灾识别系统。实验结果表明,该系统比传统系统更进一步减少了误报率且具有响应快、监控范围广等优点。     

森林火灾识别及蔓延方向估计

利用森林早期火灾图像中火焰的特点,对火灾进行识别,主要以火焰颜色分析、火焰面积增长特性、火焰尖角特性和火焰闪烁频率作为火灾发生的四个判据。同时,对烟雾图像进行分割、提取,并结合各个方向采集到的烟雾图像进行整合,得出火灾的蔓延方向估计。火灾识别与蔓延方向估计两者相结合,可有效判断森林早期火灾的发展形势,且有较高的稳定性和可靠性,具有一定的实际意义。     

基于CCD图像的自动定位灭火系统的开发

针对大空间建筑物早期火灾监控问题，提出了基于CCD图像信息的消防炮自动定位灭火监控系统的设计方案和具体实现，系统利用CCD摄像头提供的动态特征和颜色信息进行火源识别和定位，还利用了DSP和FPGA技术提高了系统的可靠性、经济性和实用性。通过实验证明，系统可以准确地识别和确认火焰，并通过消防炮控制器与消防炮联动，实现火源的空间定位，并自动控制消防炮向着火点喷射水柱灭火。     

基于双目视觉的矿井外因火灾感知与定位方法

针对目前矿井外因火灾监测方法大都没有火源定位功能的问题,提出了基于双目视觉的矿井外因火灾感知与定位方法。在有电缆、胶带和机电设备的巷道、硐室及采掘工作面多点设置矿用可见光双目摄像机或近红外双目摄像机,采集监控区域图像;对采集到的图像进行预处理,通过阈值分割得到二值化图像;计算图像中的圆形度、矩形度和尖角数量,根据圆形度、矩形度和尖角数量对图像进行火焰识别,若图像检测区域有火焰,发出火灾报警信号,并融合温度、烟雾、二氧化碳、一氧化碳、氧气和红外传感器信息,提高报警准确性;通过矿用可见光双目摄像机或近红外双目摄像机对火源进行测距,结合摄像机位置对火源进行定位,并输出火源位置信息,控制火源附近灭火装置灭火。也可采用远红外双目摄像机进行火灾感知和火源定位,但成本高。基于双目视觉的矿井外因火灾感知与定位方法既可感知火灾又可定位火源,具有监控范围广、成本低、响应快、可视化等优点,解决了矿井外因火灾火源定位的难题。     

基于图像型森林火灾无线远程监控系统

针对目前我国森林火情远程监控中长时间不间断监测、运行成本过高等问题,提出了一种基于Linux系统和AT91RM9200处理器为平台的森林火灾监控系统。嵌入式处理器通过安装在森林监测点摄像头获取图像信息,采用图像增强、颜色聚类等图像处理手段,提取图像的颜色信息及其闪烁频率特性,运用火情识别算法判断视频图像帧是否含有火灾火焰,如果系统判断火灾发生,将火情信息通过无线网络传送到监控中心,交由上位机的监测人员做进一步处理。     

森林防火图像识别中的光照干扰消除仿真分析

在物联网视觉识别技术在森林火灾报警的研究中,由于光照强度的随机性无法控制,光强度变化对图像特征采集带来了较大的干扰,对火焰像素与周围像素的差异化关联程度下降.传统的模式识别方法在光照干扰下,会由于火焰特征关联度的下降,造成火灾误识别.提出了一种空间域滤波的物联网视觉中森林火灾识别光照消除方法.利用空间域滤波方法,消除由光照造成的火焰图像噪声,提高了图像的分辨率,为森林防火提供了准确的数据源.针对特征关联下降的问题,引入线性最优分类平面,对干扰下的火焰特征进行分类,从而实现森林火灾识别.实验结果表明,上述算法可以有效消除物联网视觉中光照干扰,有效提高了森林火灾识别准确率.     

实验室火灾风险智能视觉预警仿真研究

当前的火灾风险视觉预警方法忽略了对火焰图像的增强处理，导致上述方法下火焰特征识别精度偏低。为此研究新的实验室火灾风险智能视觉预警方法。通过监控摄像装置实时采集图像，采用离散小波变换将采集图像分解成低通子带和高通子带图像，阈值去噪处理小尺度高通子带图像降低图像的噪声，增强图像对比度，获取增强后图像的火焰动态、静态特征。利用协方时空差融合火焰特征，经支持向量机分类器识别火焰图像后，通过实验室监控设备将识别的到火焰结果传输至微信APP完成视觉可视化预警。仿真结果表明，所提方法可有效降低图像噪声，提高火焰图像对比度，且静、动态特征融合后的图像特征识别率高达90%。所提方法可通过微信APP将预警信息实时传输给实验室负责人，实现实验室火灾风险的智能视觉预警。     

博康集团推出图像火焰探测器

概述:图像火灾探测器属于智能型火灾探测设备,它具有火焰探测功能,可将采集到的红外视频图像信号传送给信息处理主机,使火灾探测和图像监控得到有机的结合。实时采集并分析现场视频,迅速识别火焰并产生火情报警,支持现场监控及录像取证,可方便地接入各类消防安防报警主机及监控平台。     

基于视频的烟焰检测方法研究

烟焰作为火灾最为明显的标志,对于其进行实时检测,在火灾监控方面有着重要的意义.传统的离子式、光电式、吸烟式等烟雾探测器受到空间和时间的限制,不能进行实时全面的探测[1].本文提出了一种基于视频的烟焰检测算法,采用帧差法提取出差值图像,经过图像处理,获得了理想的烟焰轮廓,根据轮廓大小来确定被监测区域是否有火灾的发生.实验证明,该方法实时准确、灵敏度高、抗干扰能力强、适用范围广,具有广阔的应用前景.     

基于视频的烟雾检测预警系统在森林防火系统中的应用

运用数字图像处理技术,提出利用烟雾来识别森林火灾的思想,给出森林烟雾监测预警系统的设计方法。该方法对获取到的图像进行处理,处理后再提取可疑区域并对可疑区域火灾发生时烟雾的特征进行识别,主要包括烟雾的背景模糊度特征和扩散性特征,针对烟雾的这些特征设计了相应的检测算法,实现对视频中的烟雾图像的提取、检测并自动报警。分析结果表明,结合烟雾特征设计的烟雾检测预警系统具有较好的识别效果,在森林防火预警中有很强的实用性。     

航空发动机高速振动智能检测监控系统设计与实现

设计了一种航空发动机高速振动智能检测监控系统,系统采用CPCI和模块化架构实现;针对航空发动机高速振动信号的特征,设计了基于DSP的信号采集与处理模块,实现同步采集多路振动信号并进行数据处理;利用FPGA和PowerPC设计信号智能检测与数据记录模块;通过多线程DSP软件实现振动数据的智能检测和监控;试验测试和验证结果表明,系统满足飞行安全实时检测监控工程应用的需求。     

森林火灾智能预警系统设计与实现

森林火灾在自然界频发,给各个国家带来了不小的损失,一套森林火灾智能预警系统的设计就显得尤为重要。本设计基于ZigBee智能组网系统,由火警信息采集系统前端模块、系统数据转发模块以及远程终端模块组成。通过系统的前端数据采集模块实时将森林现场的火警信息传递给终端模块,这些信息经过终端处理后形成信息判断,即可以在数据监控中心实时显示报警,可通过手机终端发送给巡逻人员,对现场进行实时监控。     

森林火灾智能预警系统设计与实现

森林火灾在自然界频发,给各个国家带来了不小的损失,一套森林火灾智能预警系统的设计就显得尤为重要。本设计基于ZigBee智能组网系统,由火警信息采集系统前端模块、系统数据转发模块以及远程终端模块组成。通过系统的前端数据采集模块实时将森林现场的火警信息传递给终端模块,这些信息经过终端处理后形成信息判断,即可以在数据监控中心实时显示报警,可通过手机终端发送给巡逻人员,对现场进行实时监控。     

基于改进YOLOv5s的焦炉烟火识别算法

针对炼焦厂烟火排放全天候环保监测的要求,提出了基于改进YOLOv5s的焦炉烟火识别算法;该算法以YOLOv5s为基础网络,在主干网络Backbone中添加CBAM注意力机制模块,使网络更加关注重要的特征,提升目标检测的准确率;新增FReLU激活函数代替SiLU激活函数,提高激活空间的灵敏度,改善烟火图像视觉任务;在自建数据集中烟、火样本标签基础上,增加灯光标签来解决强灯光对火焰识别的干扰,并通过分流训练、检测的方式来解决昼夜场景的烟火检测问题;在自建数据集上做对比实验,更换激活函数后,联合CBAM模块的YOLOv5s模型效果最佳;实验结果显示,与原始YOLOv5s模型相比,在白天场景下的烟火识别mAP值提升了6.7%,在夜间场景下的烟火识别mAP值高达97.4%。     

基于DSP的锅炉火焰温度场测量及燃烧诊断系统

针对电站锅炉火焰监视、温度场测量和燃烧诊断中存在的问题，提出了一种以DSP为核心的嵌入式图像火焰监测系统，在对彩色图像法测量温度场的原理论述的基础上，对图像采集和处理各部分的电路和系统软件进行了分析和说明。通过优化设计，使系统的数据处理能力和实时性得到大幅的提升。经过200MW机组的试验表明，系统能在1帧时间内完成一幅图像的处理与特征量的提取，在1s内完成锅炉燃烧状况的诊断，火焰监测和燃烧诊断实时性得到了保证。温度场测量最大偏差不会超过50℃，相对误差小于5%，能满足系统对测量精度的要求。     

基于TMS320VC5509A DSP的视觉传感器系统研究

提出了基于TMS320VC5509A DSP及其内置USB接口传输的视觉传感器的设计方案,详细介绍了系统的采集模块和通信模块,给出图像处理效果图,实验结果表明：该系统能完成图像的采集、处理和通信任务,保证了测量系统的精度和速度。