一种基于物联网技术的远程人工智能消防预警系统的制作方法

1.本发明属于消防预警技术领域，具体为一种基于物联网技术的远程人工智能消防预警系统。


背景技术：

2.消防联动控制，是指火灾探测器探测到火灾信号后，能自动切除报警区域内有关的空调器，关闭管道上的防火阀，停止有关换风机，开启有关管道的排烟阀，自动关闭有关部位的电动防火门、防火卷帘门，按顺序切断非消防用电源，接通事故照明及疏散标志灯，停运除消防电梯外的全部电梯，并通过控制中心的控制器，立即启动灭火系统，进行自动灭火。
3.消防系统对于保障城市正常、安全运行具有重要的作用，而传统有线消防监管网络系统却存在网络结构复杂、施工布线困难等诸多问题，物联网技术的快速发展和广泛应用加快了城市消防系统的发展，基于物联网的无线消防系统是利用传感器技术、云计算、移动通信等技术有效感知火灾信息、准确定位发生火灾位置，以提供智能决策和控制，预防并减少火灾的发生。
4.在基于物联网技术的智能消防预警技术中，通过采用plc-iot通信技术对系统进行改良，复用现有消防信号二总线，对其进行数字化改造，扩展通讯带宽，在两根普通电线上叠加火灾报警数据、实时火灾视频、消防广播、消防电话音频，ofdm正交频分复用技术实现高带宽、低时延、远距离、高抗干扰的双向高速可靠通讯；基于ipv6高效率组网，支持即插即用、不同类型终端设备共享plc网络、远程升级和管理，简化接入，降低运维成本；单机集成了火灾报警、视频监控、消防广播、对讲电话、图文显示、信息传输等多机功能，砍掉了多个子系统的设备和布线成本。
5.基于上述，现有的消防预警系统中仍然存在以下几种限制条件：
6.1、系统输入完全依赖数据采集节点定时采集的现场数据，但是系统无法识别由于传感器或者数据采集节点自身稳定性不够而引起的误报；
7.2、数据采集节点受限于其功耗较低，传感器有效探测距离较小，使其适用范围受到较大限制。


技术实现要素：

8.为了克服上述缺陷，本发明提供了一种基于物联网技术的远程人工智能消防预警系统，解决了系统输入完全依赖数据采集节点定时采集的现场数据，但是系统无法识别由于传感器或者数据采集节点自身稳定性不够而引起的误报的问题；同时数据采集节点受限于其功耗较低，传感器有效探测距离较小，使其适用范围受到较大限制的问题。
9.本发明的目的为：
10.通过采用火焰传感器、气体传感器以及温度传感器技术和远程物联网络技术，以及数据融合算法的远程火灾监测技术上，引进了ccd图像传感器及其图片处理技术，准确进
行火灾判定和火灾特征识别，并且自动调整通过数字信号处理模块比较不同时刻的图片，根据火灾阈值的调整，将接近火灾阈值的图片与当前时刻的图片进行比较，自动优化调整不同场所的探测灵敏度，使本技术将现场数据采集和区域图像采集相结合，有效地提高了消防预警的可靠性。
11.为实现上述目的，本发明提供如下技术方案：一种基于物联网技术的远程人工智能消防预警系统，包括数据采集预处理单元和智能监控单元，所述数据采集预处理单元的输出端与数据融合单元的输入端连接，所述数据融合单元和智能监控单元用于进行火灾判定以及火灾特征识别，并且将输出信号传递至报警模块以及深度学习模块，所述深度学习模块的输出端与智能监控单元的输入端连接。
12.作为本发明的进一步方案：所述数据采集预处理单元所包含的数据采集节点为火焰传感器、气体传感器以及温度传感器。
13.作为本发明的进一步方案：所述火焰传感器具体为r2868紫外线探测器，所述气体传感器具体为mq-7型气体探测器，所述温度传感器具体为ntc热敏电阻型温度探测器。
14.作为本发明的进一步方案：所述数据融合单元用于对各个数据采集节点的数据进行融合计算，通过融合结果得到明火概率、阴燃火概率以及无火概率。
15.作为本发明的进一步方案：所述数据融合单元的具体计算步骤如下：
16.s10、通过采用置信距离理论，并且依据数据的统计特性完成对各个数据采集节点的数据进行有效性与可靠性的判断，设节点采集的数据服从正太分布，令xi(1,2,3,...,j,...n)表示第i个节点所采集与输出的数据，pi(x)表示xi的概率密度函数，且第i个节点与第j个节点之间的置信距离公式如下：
[0017][0018][0019]dij
表示xi对xj的置信距离，d
ji
表示xj对xi的置信距离，由于xj与xi均服从正太分布，得知，当xi＝xj时，d
ij
＝d
ji
总是成立，当xi＞xj或者xi＜xj时，d
ij
∈(0,1)或者d
ji
∈(0,1)总是成立
[0020]
由上述公式得到n个节点中任意两个输出数据之间的置信，且置信距离反应节点输出数据之间的相互支持关系，定义二值关系矩阵说明两个输出数据之间的关联关系
[0021]
令r
ij
表示第i个节点对第j个节点的支持关系，其中1表示支持，0表示不支持，并且
令α
ij
为阈值，依据实际节点测量信息进行计算与分析，公式如下：
[0022][0023]
依据二值关系判断任意两个节点之间的支持关系，m表示临界值，当多于m个节点输出支持数据时则认为输出数据有效性，得到1个有效数据，完成数据的融合处理；
[0024]
s11、采用数据融合的有效数据以明火概率(y1)和阴燃火概率(y2)作为输入，引用决策因子概念，达到决策输出不同任务的目的，将火灾报警等级判断为u，其中火灾持续时间t的计算公式如下：
[0025]
t(n)＝[t(n+1)+1]
×
u(yi(x)-td)(4)
[0026]
式中，yi(x)为输出的明火概率、阴燃火概率，u(x)为阶跃函数，td为报警阈值。
[0027]
作为本发明的进一步方案：所述智能监控单元包括ccd图像传感器、数字信号处理模块，所述ccd图像传感器的输出端与数字信号处理模块的输入端连接；
[0028]
所述智能监控单元采用远程监测的方式定时采集监测区域的图片以及实时视频监控，并且将图片通过数字信号处理模块进行处理，数字信号处理模块将比较相邻时刻的图片，并且根据比较结果进行火灾判别。
[0029]
作为本发明的进一步方案：所述智能监控单元的具体实施步骤如下：
[0030]
s20、ccd图像传感器工作在rgb色彩模式，定时采集监测区域的图片，利用数字信号处理模块提取相邻时刻图片的像素点
[0031]
s21、设r(x,y,t)表示t时刻拍摄图片在(x,y)位置的红色值，r(x,y,t-1)表示t-1时刻拍摄图片在(x,y)位置的红色值，且两者之差δr(x,y)如下公式：
[0032]
δr(x,y)＝r(x,y,t)-r(x,y,t-1)(5)
[0033]
同理，得到δg(x,y)，见公式(6)：
[0034]
δg(x,y)＝g(x,y,t)-g(x,y,t-1)(6)
[0035]
同时，得到δb(x,y)，见公式(7)：
[0036]
δb(x,y)＝b(x,y,t)-b(x,y,t-1)(7)
[0037]
s23、两幅相邻时刻图片在(x,y)位置的像素差δp(x,y)见公式(8)：
[0038][0039]
s24、数字信号处理模块将δp(x,y)与设定的火灾阈值θ进行比较，见公式(9)：
[0040][0041]
即：一旦δp(x,y)超过火灾阈值θ则判定为火灾发生，同时，根据火灾发生像素点的数量，判定火情发展的态势和速度。
[0042]
作为本发明的进一步方案：所述深度学习模块用于储存智能监控单元中每个定时采集监测区域的图片，持续积累环境信息，能够自动调整通过数字信号处理模块比较不同时刻的图片，根据火灾阈值的调整，将接近火灾阈值的图片与当前时刻的图片进行比较，自动优化调整不同场所的探测灵敏度。
[0043]
作为本发明的进一步方案：所述报警模块将数据融合单元得到的结果，再结合智
能监控单元定时采集监测区域的图片，准确进行火灾判定和火灾特征识别，并且进行预警。
[0044]
与现有技术相比，本发明的有益效果在于：通过采用火焰传感器、气体传感器以及温度传感器技术和远程物联网络技术，以及数据融合算法的远程火灾监测技术上，引进了ccd图像传感器及其图片处理技术，准确进行火灾判定和火灾特征识别，并且自动调整通过数字信号处理模块比较不同时刻的图片，根据火灾阈值的调整，将接近火灾阈值的图片与当前时刻的图片进行比较，自动优化调整不同场所的探测灵敏度，使本技术将现场数据采集和区域图像采集相结合，有效地提高了消防预警的可靠性，极大降低传统火灾探测器的高误报率，减少平时值班和巡视人员数量，显著降低人力成本。
附图说明
[0045]
图1为本发明系统的原理示意框图。
具体实施方式
[0046]
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0047]
如图所示，本发明提供一种技术方案：一种基于物联网技术的远程人工智能消防预警系统，包括数据采集预处理单元和智能监控单元，数据采集预处理单元的输出端与数据融合单元的输入端连接，数据融合单元和智能监控单元用于进行火灾判定以及火灾特征识别，并且将输出信号传递至报警模块以及深度学习模块，深度学习模块的输出端与智能监控单元的输入端连接。
[0048]
数据采集预处理单元所包含的数据采集节点为火焰传感器、气体传感器以及温度传感器。
[0049]
火焰传感器具体为r2868紫外线探测器，气体传感器具体为mq-7型气体探测器，温度传感器具体为ntc热敏电阻型温度探测器。
[0050]
实施例1：
[0051]
数据融合单元用于对各个数据采集节点的数据进行融合计算，通过融合结果得到明火概率、阴燃火概率以及无火概率。
[0052]
数据融合单元的具体计算步骤如下：
[0053]
s10、通过采用置信距离理论，并且依据数据的统计特性完成对各个数据采集节点的数据进行有效性与可靠性的判断，设节点采集的数据服从正太分布，令xi(1,2,3,...,j,...n)表示第i个节点所采集与输出的数据，pi(x)表示xi的概率密度函数，且第i个节点与第j个节点之间的置信距离公式如下：
[0054]
[0055][0056]dij
表示xi对xj的置信距离，d
ji
表示xj对xi的置信距离，由于xj与xi均服从正太分布，得知，当xi＝xj时，d
ij
＝d
ji
总是成立，当xi＞xj或者xi＜xj时，d
ij
∈(0,1)或者d
ji
∈(0,1)总是成立
[0057]
由上述公式得到n个节点中任意两个输出数据之间的置信，且置信距离反应节点输出数据之间的相互支持关系，定义二值关系矩阵说明两个输出数据之间的关联关系
[0058]
令r
ij
表示第i个节点对第j个节点的支持关系，其中1表示支持，0表示不支持，并且令α
ij
为阈值，依据实际节点测量信息进行计算与分析，公式如下：
[0059][0060]
依据二值关系判断任意两个节点之间的支持关系，m表示临界值，当多于m个节点输出支持数据时则认为输出数据有效性，得到1个有效数据，完成数据的融合处理；
[0061]
s11、采用数据融合的有效数据以明火概率(y1)和阴燃火概率(y2)作为输入，引用决策因子概念，达到决策输出不同任务的目的，将火灾报警等级判断为u，其中火灾持续时间t的计算公式如下：
[0062]
t(n)＝[t(n+1)+1]
×
u(yi(x)-td)(4)
[0063]
式中，yi(x)为输出的明火概率、阴燃火概率，u(x)为阶跃函数，td为报警阈值。
[0064]
实施例2：
[0065]
智能监控单元包括ccd图像传感器、数字信号处理模块，ccd图像传感器的输出端与数字信号处理模块的输入端连接；
[0066]
智能监控单元采用远程监测的方式定时采集监测区域的图片以及实时视频监控，并且将图片通过数字信号处理模块进行处理，数字信号处理模块将比较相邻时刻的图片，并且根据比较结果进行火灾判别。
[0067]
智能监控单元的具体实施步骤如下：
[0068]
s20、ccd图像传感器工作在rgb色彩模式，定时采集监测区域的图片，利用数字信号处理模块提取相邻时刻图片的像素点
[0069]
s21、设r(x,y,t)表示t时刻拍摄图片在(x,y)位置的红色值，r(x,y,t-1)表示t-1时刻拍摄图片在(x,y)位置的红色值，且两者之差δr(x,y)如下公式：
[0070]
δr(x,y)＝r(x,y,t)-r(x,y,t-1)(5)
[0071]
同理，得到δg(x,y)，见公式(6)：
[0072]
δg(x,y)＝g(x,y,t)-g(x,y,t-1)(6)
[0073]
同时，得到δb(x,y)，见公式(7)：
[0074]
δb(x,y)＝b(x,y,t)-b(x,y,t-1)(7)
[0075]
s23、两幅相邻时刻图片在(x,y)位置的像素差δp(x,y)见公式(8)：
[0076][0077]
s24、数字信号处理模块将δp(x,y)与设定的火灾阈值θ进行比较，见公式(9)：
[0078][0079]
即：一旦δp(x,y)超过火灾阈值θ则判定为火灾发生，同时，根据火灾发生像素点的数量，判定火情发展的态势和速度。
[0080]
实施例3：
[0081]
深度学习模块用于储存智能监控单元中每个定时采集监测区域的图片，持续积累环境信息，能够自动调整通过数字信号处理模块比较不同时刻的图片，根据火灾阈值的调整，将接近火灾阈值的图片与当前时刻的图片进行比较，自动优化调整不同场所的探测灵敏度。
[0082]
报警模块将数据融合单元得到的结果，再结合智能监控单元定时采集监测区域的图片，准确进行火灾判定和火灾特征识别，并且进行预警。
[0083]
综上得知：
[0084]
通过采用火焰传感器、气体传感器以及温度传感器技术和远程物联网络技术，以及数据融合算法的远程火灾监测技术上，引进了ccd图像传感器及其图片处理技术，准确进行火灾判定和火灾特征识别，并且自动调整通过数字信号处理模块比较不同时刻的图片，根据火灾阈值的调整，将接近火灾阈值的图片与当前时刻的图片进行比较，自动优化调整不同场所的探测灵敏度，使本技术将现场数据采集和区域图像采集相结合，有效地提高了消防预警的可靠性，极大降低传统火灾探测器的高误报率，减少平时值班和巡视人员数量，显著降低人力成本。
[0085]
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。

技术特征：
1.一种基于物联网技术的远程人工智能消防预警系统，包括数据采集预处理单元和智能监控单元，其特征在于：所述数据采集预处理单元的输出端与数据融合单元的输入端连接，所述数据融合单元和智能监控单元用于进行火灾判定以及火灾特征识别，并且将输出信号传递至报警模块以及深度学习模块，所述深度学习模块的输出端与智能监控单元的输入端连接。2.根据权利要求1所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于：所述数据采集预处理单元所包含的数据采集节点为火焰传感器、气体传感器以及温度传感器。3.根据权利要求2所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于：所述火焰传感器具体为r2868紫外线探测器，所述气体传感器具体为mq-7型气体探测器，所述温度传感器具体为ntc热敏电阻型温度探测器。4.根据权利要求1所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于：所述数据融合单元用于对各个数据采集节点的数据进行融合计算，通过融合结果得到明火概率、阴燃火概率以及无火概率。5.根据权利要求4所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于，所述数据融合单元的具体计算步骤如下：s10、通过采用置信距离理论，并且依据数据的统计特性完成对各个数据采集节点的数据进行有效性与可靠性的判断，设节点采集的数据服从正太分布，令x
i
(1,2,3,...,j,...n)表示第i个节点所采集与输出的数据，p
i
(x)表示x
i
的概率密度函数，且第i个节点与第j个节点之间的置信距离公式如下：j个节点之间的置信距离公式如下：d
ij
表示x
i
对x
j
的置信距离，d
ji
表示x
j
对x
i
的置信距离，由于x
j
与x
i
均服从正太分布，得知，当x
i
＝x
j
时，d
ij
＝d
ji
总是成立，当x
i
＞x
j
或者x
i
＜x
j
时，d
ij
∈(0,1)或者d
ji
∈(0,1)总是成立由上述公式得到n个节点中任意两个输出数据之间的置信，且置信距离反应节点输出数据之间的相互支持关系，定义二值关系矩阵说明两个输出数据之间的关联关系令r
ij
表示第i个节点对第j个节点的支持关系，其中1表示支持，0表示不支持，并且令α
ij
为阈值，依据实际节点测量信息进行计算与分析，公式如下：依据二值关系判断任意两个节点之间的支持关系，m表示临界值，当多于m个节点输出支持数据时则认为输出数据有效性，得到1个有效数据，完成数据的融合处理；s11、采用数据融合的有效数据以明火概率(y1)和阴燃火概率(y2)作为输入，引用决策因子概念，达到决策输出不同任务的目的，将火灾报警等级判断为u，其中火灾持续时间t的计算公式如下：t(n)＝[t(n+1)+1]
×
u(y
i
(x)-t
d
)(4)式中，y
i
(x)为输出的明火概率、阴燃火概率，u(x)为阶跃函数，t
d
为报警阈值。6.根据权利要求5所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于：所述智能监控单元包括ccd图像传感器、数字信号处理模块，所述ccd图像传感器的输出端与数字信号处理模块的输入端连接；所述智能监控单元采用远程监测的方式定时采集监测区域的图片以及实时视频监控，并且将图片通过数字信号处理模块进行处理，数字信号处理模块将比较相邻时刻的图片，并且根据比较结果进行火灾判别。7.根据权利要求6所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于，所述智能监控单元的具体实施步骤如下：s20、ccd图像传感器工作在rgb色彩模式，定时采集监测区域的图片，利用数字信号处理模块提取相邻时刻图片的像素点s21、设r(x,y,t)表示t时刻拍摄图片在(x,y)位置的红色值，r(x,y,t-1)表示t-1时刻拍摄图片在(x,y)位置的红色值，且两者之差δr(x,y)如下公式：δr(x,y)＝r(x,y,t)-r(x,y,t-1)(5)同理，得到δg(x,y)，见公式(6)：δg(x,y)＝g(x,y,t)-g(x,y,t-1)(6)同时，得到δb(x,y)，见公式(7)：δb(x,y)＝b(x,y,t)-b(x,y,t-1)(7)s23、两幅相邻时刻图片在(x,y)位置的像素差δp(x,y)见公式(8)：s24、数字信号处理模块将δp(x,y)与设定的火灾阈值θ进行比较，见公式(9)：即：一旦δp(x,y)超过火灾阈值θ则判定为火灾发生，同时，根据火灾发生像素点的数量，判定火情发展的态势和速度。8.根据权利要求7所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于：所述深度学习模块用于储存智能监控单元中每个定时采集监测区域的图片，持续积累环境信息，能够自动调整通过数字信号处理模块比较不同时刻的图片，根据火灾阈值的
调整，将接近火灾阈值的图片与当前时刻的图片进行比较，自动优化调整不同场所的探测灵敏度。9.根据权利要求8所述的一种基于物联网技术的远程人工智能消防预警系统，其特征在于：所述报警模块将数据融合单元得到的结果，再结合智能监控单元定时采集监测区域的图片，准确进行火灾判定和火灾特征识别，并且进行预警。

技术总结
本发明公开了一种基于物联网技术的远程人工智能消防预警系统，属于消防预警技术领域，通过采用火焰传感器、气体传感器以及温度传感器技术和远程物联网络技术，以及数据融合算法的远程火灾监测技术上，引进了CCD图像传感器及其图片处理技术，准确进行火灾判定和火灾特征识别，并且自动调整通过数字信号处理模块比较不同时刻的图片，根据火灾阈值的调整，将接近火灾阈值的图片与当前时刻的图片进行比较，自动优化调整不同场所的探测灵敏度，使本申请将现场数据采集和区域图像采集相结合，有效地提高了消防预警的可靠性，极大降低传统火灾探测器的高误报率，减少平时值班和巡视人员数量，显著降低人力成本。显著降低人力成本。显著降低人力成本。


技术研发人员：陈方勇
受保护的技术使用者：湖北远传消防设备有限公司
技术研发日：2022.12.06
技术公布日：2023/7/11