基于红外热成像的隧道火焰检测技术研究

精准的火焰检测是有效避免火灾发生的关键,针对传统的火灾探测算法在公路隧道等大空间环境中存在及时性与准确性相互制约的问题,通过研究隧道火焰初期在图像中呈现的静态和动态特征,提出了一种基于红外热成像的公路隧道火灾初期火焰检测方法。利用温度阈值获取疑似火焰区域,根据红外图像在引导滤波器作用下降噪,同时利用区域增长法分割疑似火焰区域;从疑似区域中提取的特征值构成特征向量,进行数据归一化提高SVM收敛速度;利用人工蜂群算法优化参数。结果表明:ABC-SVM能够实现公路隧道火灾初期的火焰识别,检测正确率相较于RBF方法提升了2.26%,运行时间缩短了2.29 ms;检测正确率相较于SVM方法提升了0.87%,运行时间缩短了2.22 ms。本方法可以对初期隧道火灾进行快速、有效检测,并有良好的环境适用性。     

基于Faster R-CNN的海底管道智能检测方法

为提高海底管道缺陷及组件的检测精度并实现智能化海底管道安全检测,提出一种基于快速区域卷积神经网络(Faster R-CNN)的海底管道智能检测方法。首先,通过基值校正和分段映射-伪彩色化方法,将漏磁检测信号转化为伪彩色图,以增强漏磁信号的关键特征;其次,基于多模态数据增强来提升检测模型的泛化能力;然后,基于多模态数据增强后的样本训练改进的Faster R-CNN网络,建立最优的智能检测模型;最后,以试验场和渤海在役管道为例,验证所提方法的有效性。结果表明：所提方法的平均检测精度可达93.8%,相较原始的Faster R-CNN算法提高8%,且平均交并比达到0.75,能够精准地实现海底油气管道多目标检测,保障海底管道的安全运行。     

基于YOLO-V3算法的加油站不安全行为检测

为控制加油站火灾爆炸风险目标,结合事故统计和故障树分析方法,提出一种基于YOLO-V3算法的加油站不安全行为检测模型。首先在收集90起加油站火灾爆炸事故的基础上,统计分析加油站火灾爆炸事故的点火源;其次构建加油站火灾爆炸故障树,计算各基本事件的结构重要度,并确定加油站危险性较高的不安全行为;然后采用现场采集和模拟的方法收集加油站不安全行为图像数据,利用数据增强方法构建加油站不安全行为图像数据集;最后基于深度学习的方法构建加油站不安全行为检测模型,经过1000次训练迭代后得到最终模型。研究结果表明：引起加油站火灾爆炸事故的不安全行为主要有抽烟、打电话等;训练得到的检测模型在测试集上对抽烟、打电话和正常行为检测类别的平均检测精度分别为67%、85%和77%,模型的平均检测精度均值为84%。     

中青年人群对于地铁站疏散标识的决策行为模拟分析

目的是模拟分析地铁火灾时不同行为特点中青年人群对疏散标识的决策反应。方法采用构建地铁站台火灾时烟气蔓延的三维空间模型,在中青年人群中进行应急疏散的仿真实验,利用统计分析软件SPSSv14.0对采集到的数据进行统计分析。结果得到性别、成长环境和专业背景等不同人员行为特点与疏散标识决策反应的相关性,并对疏散标识的字体、图案特性进行选优。得出结论,性别、成长环境和专业背景与人员对不同疏散标识的决策反应有一定的相关性。图形为主要设计元素的疏散标识是地铁站台火灾烟气条件下疏散人员的优先选择。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

基于眼动特性的疏散决策和寻路行为研究

为探究疏散过程中个体风险型决策行为特征和通道结构对疏散行为的影响,开展带计分奖励规则的模拟疏散试验。被试分别基于电脑端和地下车库疏散任务进行连续决策,利用眼动追踪技术采集被试在此过程中的眼动参数,采用注视时间、注视次数等眼动特性数据表征被试的视觉分配与感知特性,结合决策中冒险行为统计结果,分析疏散过程中被试面对风险时的决策行为变化特征,以及路径特征对寻路行为的影响。结果表明：对于模拟疏散中连续出现的风险型决策任务,随体力消耗,被试更倾向于选择风险较低的路径;被试感觉临近出口时,冒险行为比例增加;被试对首次感知或潜在目标的关键信息会给予更多关注,对疏散决策行为有一定影响;与平坦笔直路径相比,被试在消防门区域、不规则岔路口、连续转弯区域等通道突变处注视时间增加4～6倍,表现出更多的犹豫和折返行为。     

基于YOLOv5s的外脚手架隐患智能动态检测

针对脚手架工程隐患人工巡检效率低、实时排查难的问题,提出一种基于深度学习的隐患实时检测方法。利用添加噪声、随机裁剪等数据增强方式扩充数据集,提高模型在复杂环境下的鲁棒性;基于YOLOv5s目标检测算法建立脚手架工程隐患图像识别模型并进行训练测试,与YOLOv4、Faster R-CNN进行对比,验证模型的有效性。结果表明,在脚手架工程隐患检测任务上,YOLOv5s模型的均值平均精度达到92.23%,较YOLOv4提升8.11百分点;检测速度达到97.01帧/s,较Faster R-CNN提升5倍。轻量的YOLOv5s网络模型适合部署于嵌入式智能监控中,实时采集现场数据并进行隐患分类识别,有效缩短隐患发现时间,研究结果可为脚手架工程监控预警平台提供研究基础。     

考虑颜色特征最优组合的CART决策树火灾图像识别方法*

针对火灾图像识别过程中颜色特征数量多、特征间相关性复杂、难以在多维特征融合过程中有效融合图像颜色特征等问题,提出1种考虑颜色特征最优组合的CART决策树火灾图像识别方法。首先,在Lab、RGB、HSV 3种色彩模式下基于图像颜色特征提取火灾图像特征序列;其次,分别在3种色彩模式下基于精细决策树与特征随机排列组合方法提取颜色特征中最优组合特征;最后,将提取的火灾图像最优组合特征序列作为CART决策树输入进行模型训练,并通过测试样本以及其他机器学习方法进行模型泛化能力的分析。研究结果表明:本文方法寻找出识别火灾图像的最优颜色特征组合为“Kb1+Var1+Kg+Kb2+Var2+Kh+Ks+Kv”;CART决策树方法对于火灾图像识别的测试准确度可达84.5%,其分类效果明显优于其他决策树类与集成树类方法;9折为最佳交叉验证折数,其测试准确度可达86.47%,与5折交叉验证相比明显提升14.77%。研究结果可为火灾图像识别提供方法基础。     

大型活动中人群的应急行为研究综述

为完善对大型活动的应急处理能力,预防应急事件发生,研究人群在应急状况下的行为反应及疏散中的行为决策。从应急管理和救援的角度,对国内外现有文献进行梳理,分析大型活动背景下人群的应急行为和疏散时间、应急疏散模型、应急逃生的调查实证、交通及人流行为特征和组织与疏散方案等方面的研究现状,指出当前国内外大多数文献较多地侧重于利用计算机模拟火灾环境以研究单一建筑体中人的应急疏散行为,行为调查以事后调查为主,对火灾环境之外的其他突发应急事件及个体行为特征的研究等较少。同时,基于试验性研究的应急心理反应对于行为的影响研究,以及群体信任和他人行为对于行为决策的影响等可以作为未来研究的重要方向。     

融合人体关节点的安全帽佩戴检测

针对已有安全帽佩戴检测模型需求样本数据量大、易产生误检的问题,提出一种结合人体关节点检测和Faster R-CNN的安全帽佩戴检测模型;通过OpenPose从图像中定位人体头颈部位置并自动截取其周围小范围的子图像,然后利用Faster R-CNN检测子图像中的安全帽,最后分析安全帽中心点和头颈部节点之间的空间关系,进而判别是否正确佩戴安全帽。结果表明:相比传统目标检测方法,提出的增强检测方法有效降低了误检率,提高了环境适应性,同时,该方法在训练样本量较小时,召回率提高超过20%,准确率提高约10%,很大程度上减少了对训练样本的需求。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题，在现有技术成果基础上对多种火灾探测方式进行研讨，并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术，以红外热成像探测为辅助手段，采用神经网络实现数据融合，对模拟实验舱火灾烟雾进行联合探测，在单一火灾探测方式基础上提高了探测准确率。     

基于深度学习的复杂作业场景下安全帽识别研究*

为有效预防由于个人防护缺失所造成的事故,着力探究复杂作业情况下施工人员安全帽佩戴情况的智能化识别。提出在Faster R-CNN目标检测算法的基础上,针对小目标的安全帽识别问题通过增加锚点提升检测能力,为解决数据集中类别不平衡问题采用Focal loss替代原本的损失函数,为解决安全帽预测区域不匹配问题,引入ROI Align代替ROI Pooling操作中2次量化产生的误差,从而提升检测模型准确性,最后在构建的复杂作业场景下安全帽数据集的基础上进行网络性能评估。结果表明:基于改进后的Faster R-CNN网络框架mAP提高了15%,为智能化管控施工现场个人防护用品佩戴问题提供了有效精准化的识别方法。     

考虑火源位置的船舶机舱火-热-结构耦合研究

为准确分析真实火灾条件下的船舶机舱结构力学行为,克服传统标准温升法的缺陷,提出基于火灾动力学模拟器(FDS)和ANSYS的火-热-结构力学耦合分析方法;采用FDS仿真模拟真实火灾场景,获得近机舱内壁面处时变温度场信息,以此温度场信息为边界条件,传输到结构力学行为仿真软件ANSYS中,对机舱结构加载温度荷载并进行瞬态热分...     

基于Matlab的火灾探测报警系统可靠度Monte Carlo仿真

介绍了火灾探测报警系统的结构,指出了火灾探测报警系统失效原因,针对火灾探测报警系统的特点,确定了蒙特卡洛可靠度分析法.给出了系统的概率模型,确定了在Matlab下应用Monte Carlo方法对火灾探测报警系统的可靠度进行仿真的具体步骤,得到火灾探测报警系统可靠度仿真曲线.将仿真结果与试验结果相比较,基本一致,验证了该仿真方法能正确描述火灾探测报警系统的可靠度随使用寿命的变化规律,为进一步应用该方法来分析火灾探测报警系统的的各可靠性指标提供了理论基础.     

基于人工神经网络的火灾图象探测方法

提出了一种新型的火灾探测方法,基于ＢＰ神经网络的火灾图象探测方法。该方法利用了早期火灾火焰的形体变化特性,用图象处理的方法提取特征信息,最后利用人工神经网络来进行火灾判,别。     

企业火灾疏散人员行为及心理特征研究

为研究生产经营企业火灾情况下人员疏散行为及心理特征,从环境因素、管理因素、人的因素3方面,现场调研182名员工。通过系统聚类分析,获得4个典型因素。根据卡方检验,建立疏散影响因素列联表。从不同企业、性别、年龄、文化程度4方面,分析火灾中个体疏散行为及心理特征。结果表明:火灾中人员的逃生意愿跟学历背景有明显关系,学历越高自我逃生的意愿越强。定期应急演练及日常安全学习,能够促进人员安全疏散。在帮助他人、逃离现场、采取控制措施等方面,女性与男性有明显区别。企业应在日常应急管理中,关注不同学历、性别人员的教育培训,以及应急器材使用和事故控制措施的演练,以提高员工应对火灾事故的能力和信心。     

复杂背景环境下基于SSD_MobileNet深度学习模型的火焰图像识别研究

针对现有的火灾火焰图像识别方法在光照和红花等类似火焰干扰的复杂环境下存在错检和漏检的问题, 提出一种基于SSD_MobileNet的复杂环境火焰区域标记方法。首先,将深度卷积神经网络SSD300的基础卷积网络VGG16替换为MobileNet网络,应用深度可分离卷积,降低网络参数,进而构建一种火焰图像检测的SSD_MobileNet模型;然后,迁移第一次训练模型所有的卷积层参数,初始化新的待训练模型;最后,加入新的数据样本用于削弱光照、红花等干扰对象的影响。通过与SSD300、以及深度学习的目标检测算法Faster R-CNN和YOLOv3-tiny对比,实验结果表明,构建的火焰检测和火焰区域标记SSD_MobileNet模型的综合性能优于Faster R-CNN和YOLOv3-tiny模型,更适用于实时火焰检测领域。     

基于贝叶斯网络的养老院火灾风险评估方法研究

为预防养老院火灾事故,结合事故树法(FTA)和贝叶斯网络法(BN),建立了一套养老院火灾风险定量评估模型。首先,采用事故树法建立潜在的养老院火灾事故场景;其次,考虑到养老院火灾事故场景中不确定因素的影响,将事故树模型转化为贝叶斯网络模型,并结合有人员伤亡的养老院火灾事故发生发展实际优化模型;最后,以某市养老院为例,结合调研、文献及统计数据确定先验概率及条件概率,并用GENIE 2.0软件实现贝叶斯图形化,分析验证该模型逻辑可行性。结果表明:通过该模型和方法,不仅可以预测养老院火灾事故中各场景发生发展概率,还能对各风险因素敏感度和最大致因链进行分析,提高了风险因素辨识和评价的准确性,可以为养老院火灾风险分析和防控提供参考。     

火灾探测报警系统及其可靠性研究

随着经济的发展和城市化进程的加速,火灾探测报警系统作为早期发现火灾的重要设备,在火灾防控中发挥着越来越重要的作用,火灾探测报警系统及其可靠性也成为当前研究热点。本文介绍了火灾探测报警系统及其可靠性的研究现状,分析了火灾探测报警系统及其可靠性研究存在的问题,针对存在的问题,指出了火灾探测报警系统朝着智能化、标准化、网络化的发展方向,以及火灾探测报警系统可靠性研究的发展趋势,建立火灾探测报警系统数据库,并找出适用于火灾探测报警系统可靠性分析方法。