化工石化医药行业极早期热成像火灾报警系统技术方案

本发明专利技术公开了化工石化医药行业极早期热成像火灾报警系统，包括图像采集端、嵌入式处理器、云服务器及移动终端；所述图像采集端采集周围环境的RGB图像和红外热图像数据并用网线和USB数据接口传送数据至嵌入式处理器；所述嵌入式处理器根据深度学习人工智能算法判断出图像信息中含有火焰并形成火情信息，之后传递火情信息至控制中心。本发明专利技术基于深度学习火灾目标检测算法设计，结合红外热成像技术，根据温度趋势预测之后的温度变化，解决了温感烟感等火灾报警器无法做到早期预警的问题，且在雨雪等恶劣环境下也能保持高准确率，比现有的视频火灾识别系统更加高效、省力、直观、安全，达到防火控灾与提质增效双重保障。达到防火控灾与提质增效双重保障。达到防火控灾与提质增效双重保障。

【技术实现步骤摘要】
化工石化医药行业极早期热成像火灾报警系统


[0001]本专利技术属于热成像火灾报警消防
，具体涉及化工石化医药行业极早期热成像火灾报警系统。

技术介绍

[0002]石油化工是我国的支柱产业，也属于高风险行业，许多重要设备长期在高温、高压、腐蚀、有毒、易燃、易爆等恶劣环境下运行，潜伏着火灾、爆炸等危险隐患。存储建筑大多内部举架高、跨度大，其安装的空调和通风系统对火灾报警传感器的影响较大，一旦发生火灾火情将迅速蔓延，这往往造成巨大经济损失和恶劣的社会影响。
[0003]过往对于火灾预防，绝大部分采用温感烟感等火灾探测器，其原理是检测悬浮在大气中的燃烧产生的固体或液体微粒和火灾引起的温度上升。其缺点十分明显，根据《火灾自动报警系统设计规范》(GB50116)规定温感烟感安装高度不宜超过12米，因此无法用于大空间室内外场景；感温火灾探测器的安装间距不应超过10m，点型感烟火灾探测器的安装间距不应超过15m，因此一定空间内需要安装多个温感烟感火灾探测器，导致硬件成本较高。
[0004]市面上亦有部分视频火灾识别系统，其通过摄像头采集火灾现场图片，采用传统的图像处理技术提取火焰的颜色特征和动态特征进行验证。这种方法检测速度快但准确率不高，且容易受到雾雨雪等恶劣天气的影响，漏报误报现象时常发生。
[0005]然而现有技术存在如下问题：1、针对烟温感火灾探测器检测范围有限的问题，寻找适用化工石化医药行业大空间室内外场景的火灾探测办法；2、结合嵌入式技术，舍弃将算法部署高成本GPU服务器上的方法，有效减少实体成本，提高经济效益；3、减少市面上视频火灾识别系统的漏报误报现象，在保证检测速度的前提下，保证高准确；4、结合红外热成像技术，弥补无光的夜晚，或是雨雪等复杂天气，普通摄像头采集效果差的缺点。
[0006]为此我们提出化工石化医药行业极早期热成像火灾报警系统来解决现有技术中存在的问题。

技术实现思路

[0007]本专利技术的目的在于提供化工石化医药行业极早期热成像火灾报警系统，以解决上述
技术介绍
中提出现有技术中的问题。
[0008]为实现上述目的，本专利技术采用了如下技术方案：
[0009]化工石化医药行业极早期热成像火灾报警系统，包括图像采集端、嵌入式处理器、云服务器及移动终端；
[0010]所述图像采集端采集周围环境的RGB图像和红外热图像数据并用网线和USB数据接口传送数据至嵌入式处理器；
[0011]所述嵌入式处理器根据深度学习人工智能算法判断出图像信息中是否出现火焰并形成火情信息，之后传递火情信息至控制中心；
[0012]所述控制中心根据接收的火情信息进行火灾报警，并传递火情信息至云服务器；
所述云服务器用于传递火情信息至移动终端；所述移动终端用于用户查询火灾现场的相关信息；
[0013]所述云服务器还包括多因子火焰识别方法，步骤如下：
[0014]步骤S1、首先基于网络火灾图片及燃烧实验图片建立火灾样本库；
[0015]步骤S2、通过RGB图像采集端分别获取多处现场视频帧，提取每一处现场视频帧中的运动目标，获得一个或多个准火灾区域，根据所述火灾样本库对一个或多个准火灾区域分别进行火灾确认，判断一个或多个准火灾区域是否存在火灾信息；
[0016]步骤S3、由热图像采集端采集到的数据除了场景内的温度最大、最小值外，还有被深度学习算法判定为火焰区域内温度的平均值，将目标温度数据与报警阈值比对，同时根据温度变化趋势推断变化是否异常，判断是报警动作。
[0017]所述图像采集端包括RGB图像采集端和热图像采集端，所述RGB图像采集端由USB摄像头或IP摄像头组成，所述热图像采集端由红外热成像仪组成，所述USB摄像头和IP摄像头均采用高清网络摄像头。
[0018]所述嵌入式处理器采用arm架构的jetson nano GPU运算平台，所述嵌入式处理器支持多个神经网络并行且运行实现的内容包括图像分类、人脸识别、语音处理、目标检测及物体识别追踪。
[0019]所述云服务器采用阿里云服务器，负责接收嵌入式平台发送的火灾报警信息和火灾现场图片并向移动终端推送该报警信息，手机终端接收到报警推送信息后会以振铃形式提醒用户，使用户无论在何处都能及时接收到报警信息，尽快排除火灾险情，并在化工石化医药行业惯常的大面积原料或成品堆放区域中准确找到温度异常存在火灾隐患的位置，省时省力高效，做到险情的及早预防和及早处理，有效防止重大灾害事故的发生。
[0020]所述移动终端包括网页移动终端和APP移动终端。
[0021]用户查询火灾现场的相关信息包括火灾现场图片与火灾发生时间。
[0022]本专利技术的技术效果和优点：本专利技术提出的化工石化医药行业极早期热成像火灾报警系统，与现有技术相比，具有以下优点：
[0023]1、本专利技术基于深度学习火灾目标检测算法设计，相较于市面上基于传统图像处理技术和浅层神经网络的图像识别系统更加准确，误报率更低，火灾探测速度可达到10秒以内。
[0024]2、结合红外热成像技术，根据温度趋势预测之后的温度变化，解决了温感烟感等火灾报警器无法做到早期预警的问题，且在雨雪等恶劣环境下也能保持高准确率，比现有的视频火灾识别系统更加高效、省力、直观、安全，达到防火控灾与提质增效双重保障。
[0025]3、采用嵌入式技术，从多路摄像头对应一台高成本GPU服务器的方案优化为一路摄像头对应一个低成本轻量级嵌入式盒子的方式，大幅度降低系统硬件成本，并且能达到实时处理的效果。
[0026]4、应用物联网技术，做到信息实时上传下达，其智能化管理不仅可以减少安保工作人员的劳动强度，还能及时发现异常，以便及时处理，极大限度地减少火灾对生命以及财产造成的损失。
[0027]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书以及
附图中所指出的结构来实现和获得。
附图说明
[0028]图1为本专利技术实施例中的产品样板示意图；
[0029]图2为本专利技术实施例中热成像火灾报警系统的系统处理流程图；
[0030]图3为本专利技术实施例中热成像火灾报警系统的系统界面示意图；
[0031]图4为本专利技术实施例中热成像火灾报警系统的系统框图；
[0032]图5为本专利技术实施例中多因子火焰识别方法的方法流程图。
具体实施方式
[0033]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]本专利技术提供了如图1
‑
5所示的实施例：
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.化工石化医药行业极早期热成像火灾报警系统，包括：图像采集端、嵌入式处理器、云服务器及移动终端；其特征在于：所述图像采集端采集周围环境的RGB图像和红外热图像数据并用网线和USB数据接口传送数据至嵌入式处理器；所述嵌入式处理器根据深度学习人工智能算法判断出图像信息中是否出现火焰并形成火情信息，之后传递火情信息至控制中心；所述控制中心根据接收的火情信息进行火灾报警，并传递火情信息至云服务器；所述云服务器用于传递火情信息至移动终端；所述移动终端用于用户查询火灾现场的相关信息；所述云服务器还包括多因子火焰识别方法，步骤如下：步骤S1、首先基于网络火灾图片及燃烧实验图片建立火灾样本库；步骤S2、通过RGB图像采集端分别获取多处现场视频帧，提取每一处现场视频帧中的运动目标，获得一个或多个准火灾区域，根据所述火灾样本库对一个或多个准火灾区域分别进行火灾确认，判断一个或多个准火灾区域是否存在火灾信息；步骤S3、由热图像采集端采集到的数据除了场景内的温度最大、最小值外，还有被深度学习算法判定为火焰区域内温度的平均值，将目标温度数据与报警阈值比对，同时根据温度变化趋势推断变化是否异常，判断是否执行报警动作。2.根据权利要求1所述的化工石化医药行业极早期热成像火灾报警系统，其特征在于：所述图像采集端包括RGB图像采集端和热图...

【专利技术属性】
技术研发人员：熊爱民，张彩凤，何昊斐，肖捷，温佳文，罗旭松，赖文杰，梁顺纬，
申请(专利权)人：清远华云智控科技有限公司，
类型：发明
国别省市：