【技术实现步骤摘要】
本专利技术涉及图像识别，尤其涉及一种基于边缘算法的环境火灾识别方法，同时还涉及系统。
技术介绍
1、目前对于热电厂特殊工作环境下的锅炉机组火灾现场的情况了解主要以人员地面侦查为主 ,高空侦查的技术还相对滞后,停留在简单的摄像录像环节，当出现火灾时，无法快速获取火灾位置实时图像，进而对于起火点以及起火程度无法掌控，耽误救援灭火时间，从而导致锅炉机组报废，直接损失高达上百万元，严重时还会危及生命。
技术实现思路
1、专利技术人通过研究发现：热电厂的锅炉机组对于环境温度的要求很高，同时自身的燃爆可能性也较大，因此需要操作人员在实际操作过程中，必须严格遵守规章制度，但是实际作业时，往往无法达到规定要求，这就导致当锅炉机组更容易发生燃爆情况时，当出现燃爆情况后，相关操作人员无法及时撤离现场，同时救援灭火人员也无法快速确定燃爆中心的实时情况，导致救援灭火行动无法及时开展，进而造成后续重大经济损失以及人身安全风险。
2、本专利技术的目的在于提供基于边缘算法的环境火灾识别方法及系统，通过建立目标状态模型外接高空球形监测器，同时结合边缘算法进行火灾现场的实时图像处理，来解决现有技术在热电厂的锅炉机组发生燃爆情况后无法让救援人员第一时间确定火灾位置实时情况的技术问题。
3、据本专利技术的一个方面，提供基于边缘算法的环境火灾识别方法，s1.预先获取目标状态模型；s2.利用外接装置获取目标实时图像，其中所述外接装置为高空球形监测器中；s3.加载目标状态模型，基于边缘算法对外接装置获
4、在一些实施例中，所述目标状态模型为热电厂锅炉机组过往爆燃场景模型。
5、在一些实施例中，所述目标状态模型预先获取过程为：
6、s11.获取目标图像数据组，所述图像数据组中包括热电厂过往锅炉机组爆燃后的可见光图像特征以及红外检测的温度数值特征；
7、s12.对获取的目标图像数据组进行训练，获得目标状态模型。
8、在一些实施例中，所述目标图像数据组训练过程为：
9、s121.采用轻量级模型对目标图像数据组中的可见光图像特征以及红外检测的温度数值特征进行训练；
10、s122.采用重量级模型对目标图像数据组中的可见光图像特征以及红外检测的温度数值特征进行训练；
11、s123.将轻量级模型训练后的模型定义为训练模型，将重量级模型训练后的模型定义为标准化模型；
12、s124.对所述训练模型进行预剪枝处理，得到预剪枝模型；对所述训练模型进行后剪枝处理，得到后剪枝模型；
13、s125.对所述预剪枝模型和所述后剪枝模型一并参照所述标准化模型进行模型蒸馏，以获得优化后的模型，所述优化后的模型分为第一优化模型和第二优化模型，对比精度后，得到优化模型；
14、s126.针对优化模型进行模型量化，获得目标状态模型。
15、在一些实施例中，所述对比精度对比目标为均方差损失大小。
16、在一些实施例中，所述采用轻量级模型对目标图像数据组中的可见光图像特征以及红外检测的温度数值特征进行训练过程为：定义热电厂过往锅炉机组爆燃的可见光图像特征和红外温度特征的参数空间；基于基本获取策略，从所述参数空间中确定参数网络结构；对参数网络结构进行评估，若评估结果符合预设条件，则将符合预设条件的候选参数网络结构确定为训练模型。
17、在一些实施例中，所述采用重量级模型对目标图像数据组中的可见光图像特征以及红外检测的温度数值特征进行训练过程为：定义热电厂过往锅炉机组爆燃的可见光图像特征和红外温度特征的参数空间；基于基本获取策略，从所述参数空间中确定参数网络结构；对参数网络结构进行评估，若评估结果符合预设条件，则将符合预设条件的候选参数网络结构确定为标准化模型。
18、在一些实施例中，所述边缘算法包括：ppyolo目标检测算法、ssd目标检测算法以及mobilenet-ssd检测算法。
19、在一些实施例中，所述获取策略为随机搜索获取。
20、据本专利技术的一个方面，提供一种系统，包括：
21、高空球形监测器；
22、图像获取装置，固定安装在所述高空球形监测器内部，获取热电厂锅炉机组的火灾实时图像；
23、边缘计算中心单元，嵌设在所述高空球形监测器内，用于加载目标状态模型，且根据目标状态模型以及边缘算法对热电厂锅炉机组的火灾实时图像中的目标进行实时识别，且产生实时识别结果；
24、数据传输单元，连接边缘计算中心单元，用于实时识别结果的及时传输。
25、本专利技术与现有技术相比，具有如下的优点：本专利技术引入边缘算法和目标状态模型，同时可以针对实时火灾现场进行高空监控作业；
26、根据上述优点，具备如下有益效果：引入边缘算法结合目标状态模型可以及时进行火灾现场画面的实时分析，同时可以有效降低锅炉机组的损失，及时实现灭火救援作业，同时优化了监控端与地面操作端的信息传输分析的过程。
本文档来自技高网...【技术保护点】
1.一种基于边缘算法的环境火灾识别方法，其特征在于，
2.根据权利要求1所述的环境火灾识别方法，其特征在于，所述目标状态模型为热电厂锅炉机组过往爆燃场景模型。
3.根据权利要求2所述的环境火灾识别方法，其特征在于，所述目标状态模型预先获取过程为：
4.根据权利要求3所述的环境火灾识别方法，其特征在于，所述目标图像数据组训练过程为：
5.根据权利要求4所述的环境火灾识别方法，其特征在于，所述对比精度对比目标为均方差损失大小。
6.根据权利要求4所述的环境火灾识别方法，其特征在于，所述采用轻量级模型对目标图像数据组中的可见光图像特征以及红外检测的温度数值特征进行训练过程为：定义热电厂过往锅炉机组爆燃的可见光图像特征和红外温度特征的参数空间；基于基本获取策略，从所述参数空间中确定参数网络结构；对参数网络结构进行评估，若评估结果符合预设条件，则将符合预设条件的候选参数网络结构确定为训练模型。
7.根据权利要求4所述的环境火灾识别方法，其特征在于，所述采用重量级模型对目标图像数据组中的可见光图像特征以及红外检测的温度数
8.根据权利要求1所述的环境火灾识别方法，其特征在于，所述边缘算法包括：Ppyolo目标检测算法、Ssd目标检测算法以及Mobilenet-ssd检测算法。
9.根据权利要求6或7任意一项所述的环境火灾识别方法，其特征在于，所述获取策略为随机搜索获取。
10.一种系统，实现权利要求1-9任意一项所述的环境火灾识别方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于边缘算法的环境火灾识别方法，其特征在于，
2.根据权利要求1所述的环境火灾识别方法，其特征在于，所述目标状态模型为热电厂锅炉机组过往爆燃场景模型。
3.根据权利要求2所述的环境火灾识别方法，其特征在于，所述目标状态模型预先获取过程为：
4.根据权利要求3所述的环境火灾识别方法，其特征在于，所述目标图像数据组训练过程为：
5.根据权利要求4所述的环境火灾识别方法，其特征在于，所述对比精度对比目标为均方差损失大小。
6.根据权利要求4所述的环境火灾识别方法，其特征在于，所述采用轻量级模型对目标图像数据组中的可见光图像特征以及红外检测的温度数值特征进行训练过程为：定义热电厂过往锅炉机组爆燃的可见光图像特征和红外温度特征的参数空间；基于基本获取策略，从所述参数空间中确定参数网络结构；对参数网络结构进行评估，若评估结果符合预设条件，则...
【专利技术属性】
技术研发人员：贺强，肖倚天，
申请(专利权)人：四川边缘算力科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。