人工智能云计算多光谱烟雾高温火花火灾监控方法技术

本发明专利技术公开了人工智能云计算多光谱烟雾高温火花火灾监控方法，包括配置有微处理单元，使用三种类型的工业高速数码相机，其包括红外线、普通光线和紫外线高速数码相机，该工业高速数码相机用来捕获可能发生烟雾高温火花火灾位置的图像，该工业高速数码相机选装在固定平台、轨道移动平台或飞行平台上，当要求是在室外环境中覆盖长距离的和大面积的监控，并将工业高速数码相机微处理单元与卫星定位系统建立连接，以便于工业高速数码相机捕获图像时识别到烟雾高温火花火灾位置，微处理单元将捕获可能发生烟雾高温火花火灾的图像以及捕获到的图像的位置信息，通过网络发送到云端计算服务器，再由云服务器中的人工智能机器学习软件进行分析。

【技术实现步骤摘要】
人工智能云计算多光谱烟雾高温火花火灾监控方法
本专利技术涉及电子信息
，具体涉及一种人工智能云计算多光谱烟雾高温火花火灾监控方法。
技术介绍
在当今的社会中，室内和室外环境,都有各种导致火灾事故发生的自然原因或人为原因,有各种自然环境的雷电可能引起火灾,由人为原因,各种室内和室外机器设备系统运行,所有这些系统都会发生故障并着火,在任何火灾开始之前，常见的是出问题区域或设备的部件将会先过热,发射红外线辐射(2.9μm，4.3μm，4至5μm......波长),这一个迹象，表明非常可能会发生火灾。在其他情况下,在火灾开始之前，出问题区域或设备的部件将会发出高速高温的火花,火花是高速喷射的高温小火焰或燃烧中的颗粒,在这些火花出现后，很快就可能会发生火灾事故。有些火灾,可以是非常高温的,包括金属火灾，氨气，氢气，碳氢化合物火灾,和其他化学火灾。当高温火灾开始时，它会发出紫外线辐射(波长小于300纳米),然后会发生高温火灾。此外，当火灾开始时，它通常会迅速在周围产生大量的烟雾,检测烟雾也是检测火灾的好方法。还有在大空间或室外环境中，使用传统的温度传本文档来自技高网...

【技术保护点】
1.人工智能云计算多光谱烟雾高温火花火灾监控方法，其特征在于，包括配置有微处理单元，使用三种类型的工业高速数码相机，其包括红外线、普通光线和紫外线高速数码相机，该工业高速数码相机用来捕获可能发生烟雾高温火花火灾位置的图像，该工业高速数码相机选装在固定平台、轨道移动平台或飞行平台上，当要求是在室外环境中覆盖长距离的和大面积的监控，并将工业高速数码相机微处理单元与卫星定位系统建立连接，以便于工业高速数码相机捕获图像时识别到烟雾高温火花火灾位置，微处理单元将捕获可能发生烟雾高温火花火灾的图像以及捕获到的图像的位置信息，通过网络发送到云端计算服务器，再由云服务器中的人工智能机器学习软件进行分析。/n

【技术特征摘要】
1.人工智能云计算多光谱烟雾高温火花火灾监控方法，其特征在于，包括配置有微处理单元，使用三种类型的工业高速数码相机，其包括红外线、普通光线和紫外线高速数码相机，该工业高速数码相机用来捕获可能发生烟雾高温火花火灾位置的图像，该工业高速数码相机选装在固定平台、轨道移动平台或飞行平台上，当要求是在室外环境中覆盖长距离的和大面积的监控，并将工业高速数码相机微处理单元与卫星定位系统建立连接，以便于工业高速数码相机捕获图像时识别到烟雾高温火花火灾位置，微处理单元将捕获可能发生烟雾高温火花火灾的图像以及捕获到的图像的位置信息，通过网络发送到云端计算服务器，再由云服务器中的人工智能机器学习软件进行分析。


2.根据权利要求1所述的人工智能云计算多光谱烟雾高温火花火灾监控方法，其特征在于，捕获的图像会从工业高速数码相机传递到微处理单元，微处理单元再将这些图像传去有线/无线网络通讯器，经有线/无线网络本地网络去到本地路由器/解调器，本地路由器/解调器透过互联网把图像传去云端计算服务器，云端伺服器把图像传送去人工智能计算器，并把有用的数据储存在云端储存器里；或出于安全考虑，这些图像档案也可以透过有线/无线网络传去本地计算服务器，所有的云端计算都在本地计算器里完成。


3.根据权利要求2所述的人工智能云计算多光谱烟雾高温火花火灾监控方法，其特征在于，人工智能机器学习具体地是预测建模，主要关注的是最小化模型的误差，或令最准确的预测成为可能，智能机器学习需经过一个训练的步骤，包含大量没有发生烟雾高温火花火灾时的位置图像，以及有发生烟雾高温火花火灾时的位置图像，检测系统将使用三种不同光谱的图像，经过训练建立四种类型的模型，包括1)红外线，建红外模型,检测在可能火灾区域或设备部件的工作温度的异常变化，2)普通光线,建可见光常规模型,检测烟雾和火灾的出现,3)普通光线,建可见光火花模型,检测火花的出现,4)紫外线,建紫外模型,检测高温火灾的出现；
对于三种类型的图像中的每一种,在训练中,来自训练图像数据集,抽取75％作为训练样本，剩下的25％作为测试样本用来评估结果精度，因为用多种光谱,另外必须检测细小物理尺寸火花,以及大物理尺寸的烟雾和火焰图像,火花模型使用较小的过滤器尺寸和较小的降采窗口，所以火花模型更可能检测到被监控区域任何可能出现的更小的火花，当完成这足够图像的训练四种类型的模型后，智能机器学习能根据输入的新的图像，预测新的可能发生的烟雾高温火花火灾，包括1)新的红外线图像，输入红外模型,检测在可能火灾区域或设备部件的工作温度的异常变化,2)新的普通光线图像，输入可见光常规模型,检测烟雾和火灾的出现,3)新的普通光线图像,另外输入可见光火花模型,检测火花的出现,4)新的紫外线图像,输入紫外模型,检测高温火灾的出现；
训练步骤可以在将来持续地进行以收集更多的数据，这样模型预测烟雾高温火花火灾的准确性也将不断提高，在对人工智能机器进行培训后，当输入正在被监控区域的新图像时，能够分析图像并告知正在受到监控的该区域是否实际上发生了烟雾高温火花火灾，当发生烟雾高温火花火灾和事故时，系统会自动通过互联网向各方发出警报信息。


4.根据权利要求3所述的人工智能云计算多光谱烟雾高温火花火灾监控方法，其特征在于，进行图像烟雾高温火花火灾识别应用的算法是人工智能机器学习其中的一个分支卷积神经网络，卷积神经网络运作方法包括如下：
多种模型都使用共由6层的卷积层/ReLU/降采样组成；
(1)卷积：把图像输入卷积计算，再对图像执行卷积，将图像具有像素值的矩阵输入，裁剪后每幅图像大小为1024*1024像素,输入矩阵的读数从图像的左上角开始，接下来在那里选择一个较小的矩阵，称为过滤...

【专利技术属性】
技术研发人员：伍学斌，伍学聪，杨小波，丁萱，
申请(专利权)人：东莞德福得精密五金制品有限公司，
类型：发明
国别省市：广东;44