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。     

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。     

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。     

基于图像增强与多特征的森林火灾烟雾检测算法

针对目前森林火灾烟雾检测算法存在的不足,提出基于图像增强与多特征的森林火灾烟雾检测算法。该算法利用小波变换后不同尺度高频分量之间的相关度对小波系数进行修正,并通过小波重构实现图像增强;计算图像的分形特征和基于灰度共生矩阵的图像纹理特征作为烟雾识别的特征;把特征输入支持向量机,通过机器学习和大样本量实现火灾烟雾的识别。复杂背景下的森林火灾烟雾检测结果表明该算法能够有效实现森林火灾烟雾检测。     

太湖县体育馆大空间火灾报警系统设计分析

对火灾的基本特征进行了分析，进行了火灾火焰双波段图像探测和识别技术的研究，实现了对太湖县体育馆高大空间设计火灾自动报警系统进行火灾监控的目的。     

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。     

主动型自动喷水灭火系统研究

针对传统自动喷水灭火系统存在响应时间长、水渍损失大的缺点,提出了主动型自动喷水灭火系统的研究方案。通过新型探测组件、电加热洒水喷头以及算法编程等技术,实现自动喷水灭火系统的主动性和智能性。搭建试验平台,针对角落火灾、边界火灾、中间火灾,分析系统火灾探测性能和洒水喷头启动情况。试验结果表明,主动型自动喷水灭火系统能够实现早期探测火源位置,主动电加热启动相应位置的组群洒水喷头,扑灭初期火灾,同时减小水渍损失。     

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。     

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%。     

4A沸石抑制小麦淀粉爆炸试验研究

摘 要：为了研究4A沸石对小麦淀粉爆炸的抑制作用,基于小麦淀粉的最佳爆炸浓度,采用封闭的Siwek 20-L球开展了小麦淀粉/4A沸石混合粉尘爆炸试验,分析了混合粉尘的最大爆炸压力和最大爆炸压力上升速率随4A沸石质量增加的变化规律。结果表明：4A沸石能够降低小麦淀粉的爆炸猛度,抑制爆炸火焰传播;在10 g的小麦淀粉中,添加4A沸石能够连续地降低小麦淀粉的最大爆炸压力上升速率,质量分数为9.09%时,4A沸石能够大幅度地降低小麦淀粉的最大爆炸压力;添加9.09%及以上的4A沸石可使10 g的小麦淀粉不发生粉尘爆炸;4A沸石是一种物理化学混合型粉体抑爆剂,主要通过冷却、稀释、吸收自由基等作用减弱小麦淀粉的爆炸威力。     

基于机器学习的火灾事故等级分类研究

为了探究火灾的严重程度与消防队响应时间、救援人数、火灾地点、火灾探测器以及自喷系统等之间的关系,采用随机森林、人工神经网络、支持向量机和极限学习机4 种机器学习算法对美国旧金山市的历史火灾数据进行了挖掘分析。运用模糊理论将消防队响应时间和救援人数转换为三角模糊数,提出了一种基于模糊推理的火灾因素分类方法。研究发现4 种算法的准确率均超过90％,并通过交叉验证的方法证明了这些算法的可靠性。在4 种算法中,随机森林算法的准确率和Kappa 值均高于其他算法,但是其计算得到的第三类火灾的AUC 值最小。     

消防救援用无人机虚拟仿真训练系统设计

结合消防救援用无人机（UAV）训练的特点,利用三维仿真技术对无人机基本技能训练和城市建筑群、化工、洪涝、森林、地震、地铁站等6个主要实战场景进行模拟,消防救援人员在无人机实训教学中,可以通过导学模块熟悉无人机平台构型、部件功能和组装,通过模拟基础飞行掌握无人机自旋、“8”字等基本驾驶技能,通过模拟不同任务荷载熟悉荷载种类、功能和安装使用方法,通过模拟真实救援场景使用无人机搭配不同荷载掌握运用无人机执行不同类型救援任务,为实战救援打下坚实基础。     

基于改进YOLOv3 的无人机林火监测系统设计与实现

以无人机为飞行平台，基于目标检测技术设计并实现了一套林火监测系统，针对原生态YOLOv3 算法在烟雾与火焰检测时表现不佳，从增加NMS 和重新聚类Anchors 两个方面对算法进行改进，检测准确率和召回率分别提高了6.8% 、11.92%。该系统无论昼夜都可实时监测森林火灾，提高了森林防火安全防范的能力和林火预警的自动化、数字化水平。     

火灾能见度对地铁人员疏散速度影响的仿真研究

基于火灾动力学理论与大型换乘地铁站火灾特点,利用FDS软件（郑州大学超算中心6.7.5版本）对郑州紫荆山地铁站进行火灾数值模拟,通过布置在地铁站台层、站厅层、转换层各个区域以及所有楼扶梯处的火灾探测点,分析火源位于地下四层的二号线站台层时能见度随时间的变化情况。根据能见度与速度的折减公式,计算不同时间节点的速度折减系数。然后在Pathfinder（2020版本）车站疏散模型各区域中导入人群疏散速度折减系数,并与速度未折减时的情况进行对比分析,得到更加精确的疏散人员动态速度。结果发现在靠近火源位置且跨度为两层的楼扶梯上更容易发生人员滞留。     

Fire Detection Algorithm Combined with Image Processing and Flame Emission Spectroscopy

Fire poses a significant risk to the safety, health, and property of people around the world. However, traditional ‘‘point sensor’’ fire detection techniques for indoor buildings based on air particles, air temperatures, and smoke have a low sensitivity, long response time, and poor stability. Therefore, video-based fire detection has become a particularly efficient and important method for detecting the early signs of a fire. Due to image blur, low illumination, flame-like interference and other factors, there is a certain error rate of fire recognition using video flame recognition methods. According to our previous study of a multi-feature flame recognition algorithm, a novel flame recognition algorithm based on free radical emission spectroscopy during combustion is investigated in this paper. First, multiple features are extracted from the video images by employing our proposed processing scheme. Then, the features are post-processed by a temporal smoothing algorithm to eliminate the error recognition rate, which is caused by the similar characteristics of objects between flame-like and real flame areas. In the temporal smoothing experiments, the proposed method achieves the true positive rates of 0.965 and 0.937 for butane flames and forest fire, respectively. Additionally, the spectral signals of OH, CH, C₂ and other free radicals in the combustion objects were acquired by the spectrometer. The vibrational temperature and rotational temperature are calculated after identification of the A²Δ?→?X²Π transition of the CH (410–440 nm). The flames-like are completely rejected by the proposed method in the validation experiment. In the subsequent butane combustion experiment, the vibrational temperature of the butane was 4896 K, and the rotational temperature was 2290 K. The experimental results show that real fires can be precisely recognized and that the combustion temperature can be determined from the CH emission spectroscopy. This novel method provides a new viewpoint for fire detection and recognition.     

基于集成特征选择的森林火灾风险评估

摘 要：采用集成学习的思想,提出了一种基于集成特征选择的森林火灾风险评估方法。以特征选择方法的多样性和独立性为考量,选择了15种特征选择器并利用差异度进行筛选,获得异质选择器集合,进而得到特征子集集合。其次,利用各特征子集分别构建基于BP神经网络的森林火灾风险评估模型,并依据模型准确度筛选林火重要影响因子,构建最优森林火灾风险评估模型。结果表明,该算法准确度为85.96%,具有良好的泛化能力,可实现对森林火灾风险的有效评估。     

Estimation of the number of fire stations and their allocated areas to minimize fire service and property damage costs

The number of fire stations, and the area allocated to each station, that will minimize the sum of the relevant costs of the fire service and the cost of property damage due to fires is determined for a density of fires that is varying slowly with respect to location. A solution procedure is proposed when the cost of a fire is modelled as a nonlinear function of time. A closed-form solution for the area allocated to a fire station is given when the cost of a fire is a linear function of time. A numerical example is given to illustrate the method. The probability of a second fire alarm occurring while a fire is being fought is investigated.     

基于博弈论组合赋权的森林火灾风险评估

为了对森林火灾进行深入研究,本文以常州市森林为研究区域,提出适应森林火灾的风险评估指标体系.通过GIS软件对基础地理数据进行分析处理,采用基于博弈论的思想进行组合赋权得到综合权重指数,建立森林火灾风险值模型,最后求得组合赋权方法的风险值等级.结果表明:在本评估模型下,溧阳市的森林火灾风险等级为高,金坛区为中等,新北区、...