烟雾检测

摘要： 主要研究了一家用电器远程控制系统,它将家用电器远程控制与监测结合在一起。51单片机作为系统的核心,负责处理输入的命令和控制其它电路的正常运行;GSM系统通过接收和发送短信来保证接收到外界输入的命令,温度模块通过实时温度检测来判断是否有火灾的发生;人体红外模块通过红外检测判断是否有人入侵;烟雾模块通过检测可燃气体和烟雾浓度来监测环境安全状况;继电器模块负责控制家电开关;蜂鸣器模块实现声音报警功能。该设计成本低、灵活方便、功能多样,能满足大多数家庭电器远程控制的需要。以最普遍的通讯工具手机作为命令的发出和接收端,既实现了远程操作家用电器运行的功能,又实现了温度、烟雾浓度检测和防盗功能,在远程控制家电的同时实时监测家庭环境数据,提高了家庭生活的舒适性与安全性。

摘要： 针对传统的烟火检测方法在农田等复杂场景、干扰较多的环境下检测性能低的问题,在经典SSD模型基础上,引入残差学习模块对基础VGG16网络进行修改,修改特征金字塔网络结构并在改进SSD模型中构建新的特征金字塔,使用组归一化代替批量归一化进行数据归一化处理。对改进SSD模型与经典SSD模型、YOLOv3模型及Faster R-CNN模型进行对比测试。实验结果表明,改进SSD模型较其他3种模型mAP分别提高18.5%,20.3%和17.7%,FPS分别提高18,30和24。改进SSD模型更契合农田场景下的烟火目标检测,对小目标检测效果更好。

摘要： 由于烟雾具有形状不规则、扩散缓慢的特性,导致传统烟雾识别方法对烟雾检测存在一定的缺陷,如烟雾检测准确率低、烟雾警报响应时间长等问题。为了满足野外空旷场景下烟雾检测的准确性和实时性,提出了基于HSV(Hue, Saturation, Brightness,色调,饱和,明亮)颜色空间特征和卷积神经将网络相结合的视频烟雾检测的识别方法。通过将烟雾图像的RGB颜色空间特征映射到HSV颜色空间特征后提取烟雾候选区域,提取到的烟雾候选区域经过高斯混合模型进行运动判断,然后将符合运动特征的烟雾候选区域图像送入到训练好的卷积神经网络中进行烟雾识别。针对传统烟雾检测效率问题,设计了卷积神经网络conv-12用于烟雾识别。实验结果表明,基于HSV颜色空间特征和卷积神经网络conv-12相结合的视频烟雾识别方法对视频烟雾检测的准确率为96.45%,烟雾检测率为93.3%,烟雾报警平均响应时间为0.9 s。相较于其他方法,在烟雾检测准确率、烟雾检测率、烟雾警报响应时间都有一定的提升。

摘要： 针对卷积神经网络高层特征图中细节特征被削弱造成烟雾图像底层特征丢失的问题,提出一种融合细节特征与混合注意力机制的YOLOv4改进算法。设计了细节特征融合模块,将主干网络中的底层细节特征引入高层特征图,得到具有丰富多尺度信息的融合特征。在通道和空间维度上采用混合注意力机制对融合特征的图权重进行重新赋值,在增强烟雾目标特征的同时抑制无关区域特征,使烟雾特征表达具有更好的鲁棒性。实验结果表明,本文算法的平均精确率、精确率和召回率相比YOLOv4算法分别提高了4.31%,1.21%,9.86%,同时保持了较快的检测速度。本文算法能够有效提取烟雾目标的整体特征,对于复杂背景下的火灾烟雾检测任务更为适用。

摘要： 火灾早期时,烟雾相较于火焰特征更为明显,因此早期的烟雾检测对于预防火灾具有重大意义。针对森林、草原火灾早期的烟雾检测,烟雾探测器成本高、检测效果较差且不能提供烟雾大小、方向、位置等信息。随着计算机视觉的发展,基于视频的烟雾检测方法以低成本、覆盖面广、信息获取较全面等优势逐渐成为研究热点。但由于森林、草原背景复杂、烟雾本身易变化,因此视频烟雾检测算法仍面临着巨大的挑战。为研究深度学习的视频烟雾检测中的应用效果,分析了烟雾检测存在的难点问题及传统视频烟雾检测算法的不足,介绍了当前深度学习中各类目标检测算法在烟雾检测中的应用,对比了这些烟雾检测算法,总结了其优点和不足,重点分析了各种烟雾检测难点问题的解决方法,并提出烟雾检测的下一步研究方向。

摘要： 火灾发生的前期往往伴随有不同量的烟雾,故烟雾的高精敏感检测对预防火灾蔓延具有重要作用。针对烟雾检测提出了基于光流估计与目标检测的SmokeNet算法,该算法首先对输入图像的色彩空间进行转换,然后使用光流估计算法LiteFlowNet对烟雾运动进行估计,并使用目标检测算法YOLOv4剔除运动物体干扰,最后通过降噪处理,得到图像中烟雾区域的大小、形状及运动轨迹,即可对烟雾进行评估。在室内烟雾评估实验中,该算法获得了93.53%的检测准确率。

摘要： 针对森林火灾烟雾数据集小,模型获取困难问题,采用类质心匹配和局部流行自学习迁移学习算法,解决缺乏标签数据的烟雾检测任务。算法将目标域中同一簇内的样本视为整体而不是个体,通过类质心匹配为目标簇分配伪标签。为了充分利用目标域数据结构,引入域内规划法,从域中学习判别性传递信息。基于卫星遥感图像与视频影像图像数据集对该模型进行评估,与普通类质心匹配算法相比,文中算法在视频影像图像上的准确率提高了4.50%,在卫星遥感图像上的准确率提高了6.50%,且在迭代次数为5次时就已经收敛。

摘要： 实验室对学生课后开放是高职院校实践教学创新的重要组成,为学生提供了丰富的实践创新资源和平台.实验室开放容量的扩大和实验设备数量的增多,实验室的火灾安全隐患也成为学校管理的重要任务.设计了以ZigBee无线通讯实现网络互连的检测子系统和数据分析处理主系统,以STC89C52单片机、烟雾、火焰和温度传感器为核心的现场实时火灾检测报警系统,实现了网络化远程实时检测报警功能,具有智能化、简单方便和性能稳定的特点,达到了实验室预防火灾和报警急救的作用.

摘要： 在烟雾检测任务中,当烟雾区域小或者运动缓慢时,烟雾检测将十分困难。针对烟雾检测任务中存在的样本干扰大,检测困难的问题,本文提出了一种基于PP-YOLOv2的烟雾检测方法。该方法采用检测Neck来构建所有尺度的高级语义特征Map,并采用PAN来聚类自顶向下的深层和浅层的复杂信息,使得模型能够在多种干扰样本存在的情况下,有效检测出烟雾目标,从而有效提高了烟雾的检测率。该方法在烟雾检测数据中检测准确率达到了91.5%,模型具有较高的鲁棒性,在实际的烟雾检测中满足了企业的应用要求。

摘要： 火灾严重威胁着人们的生命和财产安全,而烟雾作为火灾前期的一个重要特征,应当作为火灾检测的首选目标.为了解决传统火灾检测在准确度和实时性上存在的不足,提出了一种基于传统光流改进与YOLOv3结合的烟雾检测模型.该模型针对烟雾的动态特征,通过改进光流算法对动态前景区域进行目标框定完成一次筛选;利用大样本数据集训练的YOLOv3网络模型,将初筛结果输入模型进行二次识别和筛选,从而达到检测烟雾目的.实验结果表明:在各类烟雾检测任务中,该模型可以有效地减少外界因素干扰,准确实时地检测各类烟雾情景,鲁棒性较好.

摘要： 基于视频图像的烟雾检测对于实现早期火灾预警具有重要意义.为了提高烟雾检测的准确率,本文提出一种利用多特征判别的烟雾检测方法.首先,采取三帧差与时域窗口累加的方法分割出烟雾候选区域,克服了传统算法无法提取稀薄烟雾前景的缺点.然后,根据烟雾的特性,提取其在单帧和多帧方面的特征,并结合烟雾本身动态变化的特点,利用马氏距离度量实现对真实烟雾区域的判别.结果表明,该方法能够在复杂环境下有效地检测烟雾,并且对稀薄烟雾起到很好的检测效果.

摘要： 本文针对传统火灾探测技术的应用弱点,研究基于视频的火灾烟雾探测方法.首先根据烟雾的颜色特征,提取视频序列中的疑烟区域,然后在疑烟区域中提取烟雾的三个动态特征——扩散特征、轮廓不规则特征和使背景模糊特征,最后利用BP神经网络对这些动态特征进行融合判定.实验结果表明,基于多特征融合的烟雾检测方法能够准确、实时、有效地识别视频中的烟雾.

摘要： 该文提出了开放环境下基于贝叶斯模型与视觉双通路融合的烟雾检测方法.首先利用Itti视觉注意模型自下而上生成灰度显著性图；然后通过被测图像纹理特征直方图与烟雾样本纹理特征直方图的匹配,自上而下获得纹理显著性图；最后根据贝叶斯模型融合灰度与纹理显著性图,生成最终的烟雾概率显著性图.实验结果表明,该文方法能准确提取图像中的疑似烟雾区域,具有抗光照变化的优势,适用于开放环境下的实时烟雾检测.

摘要： 基于视频图像的烟雾检测对火灾预警系统性能具有重要作用。该文提出一种基于时空域信息处理的烟雾检测算法：基于视觉注意模型的时空域ROI区域提取，以及基于小波时域分析的烟雾动态特征识别。该文用基于颜色对比度、亮度对比度和运动3个初级视觉特征的显著性图融合捕捉场景中的ROI区域。针对在时域中烟雾区域小波高频能波动小以及归一化颜色信息基本不变的特点，利用小波分析的ROI区域小波高频能下降率和颜色不变性特征通过贝叶斯分类器实现烟雾的识别。试验结果表明，该文提出的方法能有效去除类烟运动物体的干扰，检测准确性高。

摘要： 根据开放环境下火灾烟雾检测的实际应用要求,提出了一种基于多特征融合的BP神经网络在线烟雾检测算法.该算法首先提出了适应开放环境且抗光照影响的烟雾颜色统计模型,并与Kalman运动检测图像进行融合得到疑似烟雾区域;再次利用小波变换等方法对疑似区域提取烟雾的轮廓不规则性、面积扩散性、烟雾覆盖区域的模糊性以及烟雾边缘的低频振荡性四个时空域特征,作为BP神经网络的四个输入;最后利用BP神经网络的输出值来判定场景中是否存在烟雾.通过基于烟雾视频帧序列的实验表明,本文烟雾检测算法能够实时进行视频烟雾检测,对开放环境较为鲁棒,能较好地满足开放环境下火灾烟雾的监测预警,基本达到了预期效果.

摘要： 烟雾检测在预防地震次生灾害、森林防火等有着重要的应用前景,针对地震灾区、森林等户外开放场景传统传感器的火灾检测方法不具备应用可行性,一种基于计算机视觉的火灾烟雾检测解决方案被提出.本文提出一种改进的混合高斯动态更新背景模型和基于时间序列的动态特征分析的烟雾检测方法.首先,根据烟雾具有扩散缓慢、不同帧间烟雾区域像素值差异小的特点,改善传统混合高斯背景建模方法对于场景变化敏感的缺点,改进混合高斯建模方法能够较完整的提取出疑似烟雾区域.然后,利用火灾烟雾在时间序列上具有向上扩散、面积逐步增大的动态特征,对烟雾进行识别并进行灾情预警.通过对多种场景下的实验,表明该算法具有良好的烟雾检测效果,且对环境抗干扰性较好,对于预防地震次生火灾具有重要应用意义.

摘要： 该文针对视频烟雾在线检测中烟雾动态特征提取问题,提出了3种开放环境下烟雾的时空特征描述方法:针对烟雾动态纹理特征的时空局部二值模型、针对烟雾区域运动速度和方向的二维互信息以及针对烟雾轮廓时空波动性的信息熵.试验结果表明,这3种烟雾时空特征描述方法均能有效地鉴别烟雾和其他非烟物体.

摘要： 该文针对视频烟雾在线检测中烟雾动态特征提取问题,提出了3种开放环境下烟雾的时空特征描述方法:针对烟雾动态纹理特征的时空局部二值模型、针对烟雾区域运动速度和方向的二维互信息以及针对烟雾轮廓时空波动性的信息熵.试验结果表明,这3种烟雾时空特征描述方法均能有效地鉴别烟雾和其他非烟物体.

摘要： 该文针对视频烟雾在线检测中烟雾动态特征提取问题,提出了3种开放环境下烟雾的时空特征描述方法:针对烟雾动态纹理特征的时空局部二值模型、针对烟雾区域运动速度和方向的二维互信息以及针对烟雾轮廓时空波动性的信息熵.试验结果表明,这3种烟雾时空特征描述方法均能有效地鉴别烟雾和其他非烟物体.

摘要： 该文针对视频烟雾在线检测中烟雾动态特征提取问题,提出了3种开放环境下烟雾的时空特征描述方法:针对烟雾动态纹理特征的时空局部二值模型、针对烟雾区域运动速度和方向的二维互信息以及针对烟雾轮廓时空波动性的信息熵.试验结果表明,这3种烟雾时空特征描述方法均能有效地鉴别烟雾和其他非烟物体.

摘要： 本发明涉及烟雾检测器以及用于烟雾检测器的光烟雾检测单元。光烟雾检测单元包括第一和第二发光二极管(L1，L2)，每个用于发出单色、双色或多色的光，用于烟雾检测的光接收器(2)以及连接到发光二极管和光接收器的控制单元(MC)，用于发光二极管的电气控制，并且用于评估用于火灾参数的由光接收器输出的接收信号。根据本发明，发光二极管以至少一个发光二极管利用部分发出的光照射另一个发光二极管这样的方式光地耦合在一起(OK)。控制单元被配置以交替的方式控制一个发光二极管，并且切换另一个发光二极管运行为光电二极管，并且同时检测流过这个的光电电流(IL1，IL2)作为被控发光二极管发出的光通量的测量。

摘要： 本公开总体上涉及风力涡轮机中的验证过程，以及实现该过程的控制器和风力涡轮机。在一个方面，一种验证烟雾检测系统中的烟雾检测的方法包括：接收烟雾检测的指示；确定温度传感器的第一温度；以及开始热验证操作。所述热验证操作包括：在确定所述第一温度之后启动计时器；以及确定所述温度传感器的当前温度是否已经相对于所述第一温度增加了预定的量。如果所述温度传感器的当前温度已经相对于所述第一温度增加了预定的量，则执行切断开关装置和激活警报器中的至少一项。

摘要： 本发明涉及一种用于检测烟雾的开放式散射光烟雾检测器(1)，具有位于检测器外部的检测空间(DR)。其具有用于发射光的相关联的光发射器(4)、与前者在频谱上匹配的光接收器(5)和被连接到它们的控制单元(3)。后者被配备用于采用脉冲信号序列(S)重复地致动光发射器以发射对应的光脉冲并在时间上评估由光接收器接收的信号序列(R)，并且如果对应的所接收的信号的强度(SIG)超过用于烟雾浓度的最小值则输出火灾警报(AL)。根据本发明，控制单元被配备成如果在所发射和接收的信号序列之间的如在检测器侧上确定的相位角

摘要： 本发明提供了一种基于CMC芯片的可组态的烟雾检测器和烟雾检测网络，该烟雾检测器至少包括无线通信电路和以太网电路至少之一、CMC芯片、烟雾检测电路、反馈设备和温度检测电路，所述烟雾检测电路分别与所述CMC芯片的DI口和A/D口连接；所述温度检测电路与所述CMC芯片的A/D口连接；所述CMC芯片通过所述无线通信电路和以太网电路至少之一与外部通信。本发明减少施工成本，减少施工工程量，减少施工周期。提高火灾报警的准确性，实现消防安全系统的网络化、自动化、智能化。

摘要： 本发明涉及烟雾检测器以及用于烟雾检测器的光烟雾检测单元。光烟雾检测单元包括第一和第二发光二极管(L1，L2)，每个用于发出单色、双色或多色的光，用于烟雾检测的光接收器(2)以及连接到发光二极管和光接收器的控制单元(MC)，用于发光二极管的电气控制，并且用于评估用于火灾参数的由光接收器输出的接收信号。根据本发明，发光二极管以至少一个发光二极管利用部分发出的光照射另一个发光二极管这样的方式光地耦合在一起(OK)。控制单元被配置以交替的方式控制一个发光二极管，并且切换另一个发光二极管运行为光电二极管，并且同时检测流过这个的光电电流(IL1，IL2)作为被控发光二极管发出的光通量的测量。

摘要： 本发明实施例提供了一种烟雾检测模型的训练方法、烟雾检测设备及系统，涉及检测技术领域。烟雾检测模型的训练方法包括：构建训练集，所述训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含N张样本图像以及对应的表征烟雾浓度的分类标签，N为大于1的整数；以所述样本图像的像素信息作为SVM模型的输入量、以表征烟雾浓度的分类标签作为所述SVM模型的输出量，利用构建的所述训练集对SVM模型进行训练；以训练得到的所述SVM模型作为烟雾检测模型。本发明中，烟雾检测模型在进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。

摘要： 本发明提出了一种烟雾检测方法、烟雾检测系统、计算机装置和计算机可读存储介质，其中烟雾检测方法包括：获取烟雾、烟囱的图片数据集，并对图片数据集添加位置标签和类别标签；将带有位置标签和类别标签的图片数据集作为训练样本集输入到CNN模型中进行训练，得到多个训练后的CNN模型，并在进行训练的同时计算损失函数；根据损失函数在多个训练后的CNN模型中选取最优CNN模型对实时视频进行烟雾检测，以得到烟雾检测结果。本发明提供的烟雾检测方法通过在大数据量的视频中同时识别烟雾与烟囱，可以在实时视频中及时的检测出烟雾，不仅能够提升烟雾检测的准确率，还能够提升烟雾的检测速度。

摘要： 本发明涉及开放式散射光烟雾检测器（1），具有位于检测器外部的检测空间（DR），在其中检测烟雾。其具有用于发射光的相关联的光发射器（4），与其光谱地匹配的光接收器（5），和与它们连接的控制单元（3）。最后一个被装备重复地用于通过脉冲信号序列（S）致动光发射器以发射相应的光脉冲，并在时间上评估由光接收器接收的信号序列（R）并如果相应接收的信号强度（SIG）超过用于烟雾浓度的最小值用于输出火灾报警（AL）。

摘要： 本实用新型公开一种烟雾检测电路、烟雾检测器及其烟雾报警系统，烟雾检测电路包括烟雾检测模块，烟雾检测模块包括烟雾传感器本体、第一电阻、第二电阻、第一电容、第一场效应管、第三电阻、第二场效应管和蜂鸣器，第一电阻的一端和第二电阻的一端均与烟雾传感器本体的检测输出端连接，第二电阻的另一端与第一场效应管的栅极连接，第三电阻的一端和第二场效应管的栅极均与第一场效应管的源极连接，第二场效应管的漏极与蜂鸣器的一端连接，蜂鸣器的另一端与电源正极连接，第一电阻的另一端、第一电容的另一端、第三电阻的另一端和第二场效应管的源极均连接于参考地。通过上述技术方案，能够快速简便准确地检测烟雾，给用户使用带来了便利的体验。

摘要： 本实用新型涉及一种烟雾检测单元、烟雾检测器及危险检测器，危险检测器包含前壳体，所述前壳体与背板耦接以界定外壳，所述外壳具有内部区。所述危险检测器还包含无源红外线传感器装置，所述无源红外线传感器装置被设置在内部区内并且被定位成面向所述危险检测器所在的房间以便检测在所述房间内的物体。所述危险检测器还包含菲涅耳镜头组件，所述菲涅耳镜头组件被设置在所述前壳体的外部上并且被定位在所述无源红外线传感器装置之前以将红外线辐射引导到所述无源红外线传感器装置上。所述菲涅耳镜头组件被配置成可由用户向内推动以使得与定位在所述菲涅耳镜头组件之后的开关接触，以使得输入由所述用户提供到所述危险检测器。