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。     

图像型火灾火焰探测原理

根据火灾火焰的颜色特性、闪烁频率特性、形态变化特性及其发生发展在图像上所表现出来的趋势特征,设计分析了图像型火灾火焰的序列帧识别原理,并结合工程应用的分类特性,论述了图像型火灾火焰的干扰及其使用图像的小块分割算法和外形判断的干扰排除方法.     

一种基于质心距脉动特征的火焰轮廓识别算法

火灾视觉特征的提取是火灾图像探测的关键问题。提出了一种描述火灾火焰轮廓脉动信息的火焰图像质心距脉动模型，即先用质心距来描述火焰的轮廓信息，再利用傅立叶描述子描述火焰轮廓变化的时空信息，采用距离来度量相邻两帧图像轮廓的变化幅度。实验结果表明，对于火灾火焰视频图像而言，其相邻两帧之间的脉动幅度、变化频率要明显高于受控燃烧、光源干扰等非火灾情况，可有效应用于火灾火焰的识别。研究表明，该方法能有效地探测火灾的发生，降低系统的误报率。     

基于自动种子区域生长的火焰分割算法

在存在壁面反射的低照度火灾环境中,传统的火焰分割算法如颜色分割、运动检测等,在进行火焰分割时造成过分割现象,分割的效果不理想,影响后续的火灾正确识别。针对上述问题,提出了一种基于自动种子区域生长(Automatic Seeded Region Growing,ASRG)的火焰分割算法。首先将从火灾视频中获取的火灾图像从RGB颜色空间转换到YCbCr颜色空间,在Y通道中采用较大自适应阈值背景减法将火灾图像二值化,分别将可疑火焰像素点的横坐标和纵坐标按大小进行排序,取排序后的中间值作为种子点,再由原RGB火灾图像转换而成的灰度图像中,以该种子点进行区域生长,最后将区域生长后的火焰分割图像与采用较小自适应阈值背景减法得到的火焰分割图像进行交集处理,得到最终的火焰分割图像。实验表明ASRG算法在存在壁面反射的低照度火灾环境中,火焰分割效果好,有效解决了该环境下的火焰过分割问题,同时在其他火灾环境中也有较好的火焰分割效果。     

基于U-Net深度神经网络的早期火灾烟雾自动分割方法

在火灾事件监测中,为了减少数据处理量、加快探测速度,需要先分割出疑似烟雾区域。传统的烟雾分割算法大多需要设置阈值进行处理,算法的环境适应能力还需进一步提升。在研究中,使用U-Net结构的深度神经网络进行早期火灾烟雾的自动分割,通过半自动算法人工辅助分割出烟雾区域的图像样本,基于深度神经网络对分割烟雾区域进行学习,得到原始视频帧到分割结果的映射模型,并据此模型进行烟雾区域分割。在测试集上的分割实验结果表明该方法与传统方法相比,不需要设置阈值,自动化程度更高,分割速度极快,在疑似烟雾区域分割任务中性能较好。     

基于扩展分形特征的图像型火灾检测

针对火灾检测中存在的不稳定及误判率高的问题,提出一种基于扩展分形特征的图像型火灾检测算法。首先在图像的HSI颜色空间进行火焰疑似区域的分割,然后采用文中提出的扩展分形特征计算方法计算图像扩展分形特征,利用该特征对目标事物对比度和大小尺寸敏感的特性,对火焰区域进行再次分割,得到最后的火焰区域。实验结果表明,该算法运行效率较高、误报率较低,适用于多种场合的火灾检测。     

高能X射线包裹图像边沿特征识别方法

针对包裹在进行X射线安检过程中,普遍存在包裹边沿区域自身结构特征如金属制加固筋、扣环以及提手等对违禁品自动探测产生的干扰问题,研究了一种包裹图像边沿特征区域识别方法:根据高能X射线材料特征,结合图像分割、图像模式识别技术,利用图像的形态学分析,定位出包裹边沿区域;然后通过一种阈值选取与连通区测量方式,实现对边沿特征区的识别过程。该试验结果表明,方法能够有效地识别出包裹图像边沿的金属制加固筋、扣环以及提手等特征区,对提高X射线安检设备违禁品自动探测的精度有一定的帮助作用。     

多传感器耦合区域火灾报警技术研究

早期预警与低误报率一直是建筑火灾探测面临的挑战与难题。已有研究多针对特殊场所特定燃烧产物或多种传感器耦合,普适性不强,探测设备成本高,无法大规模应用。通过将火灾烟气蔓延规律与探测器信号时空分布融合,在不增加探测器数量和分布的情况下,提出了一种基于建筑结构微元的多传感器耦合区域火灾报警模型。对典型火灾场景的烟气蔓延情况进行了模拟分析,狭长结构中探测器信号强度变化具有一定的规律性。应用区域火灾报警模型后,报警时间较传统模式提前了14.7%,基本杜绝了单个探测器误报引发建筑物火灾报警的问题。结果表明:多传感器耦合探测模式显著缩短了火灾报警时间,降低了火灾探测误报率,实现了火灾的早期准确识别与预警。     

一种HSI空间基于模糊聚类的火灾彩色图像分割算法

针对通用模糊聚类算法进行彩色图像分割存在对初值敏感,迭代过程耗时等问题,在HSI空间结合火焰图像分布特征,采用平均值法进行初值优选,构造抑制算子和抑制因数对火焰无关区域S和I分量进行有效抑制,采用直方图聚类后进行数据融合等方式,最终实现彩色火灾图像分割。实验表明,该算法提高了彩色火灾图像分割的准确性和收敛速度。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

基于数字锁相技术的飞机货舱火灾烟雾光学参数方法研究*

为解决飞机货舱火灾光学探测易受环境杂光和空气中灰尘、水汽干扰,误报率高的问题,提出1种基于数字锁相的双波长火灾烟雾探测方法。利用数字锁相技术调制双波长光源,选择性地提取微弱光散射信号,并设计前、后双向散射光探测光路。采用常见火灾材料及干扰源进行真假火源实验,依据米氏散射理论及不同粒径气溶胶颗粒对不同波长光的散射效应差异,以不对称比（AR）和双波长光强比（DWIR）作为火灾检测参数对不同粒径颗粒进行区分,根据2种火灾检测参数建立数据样本,利用BP神经网络进行分析,并加入复合式传感器实验作为对比。研究结果表明:基于数字锁相技术的火灾烟雾光学探测方法能够在一定程度上区分火灾烟雾和干扰源,误报率小于3.5%。     

综合管廊内火灾自动报警探测器实验研究

为了能够有效提升综合管廊内火灾自动报警系统的准确性和可靠性,本文采用火灾实体试验的方法,通过对各类型火灾自动报警探测器响应时间的情况进行分析和比较,研究综合管廊电力舱内常用探测器的性能。研究结果表明:接触式缆式线型感温火灾探测器可以较早的探测到电缆温度异常变化的现象,可用于早期预警。点型感烟探测器对烟粒子浓度较为敏感,可用于综合管廊电力舱室的空间探测。分布式光纤型感温火灾探测器对明火温度的变化较为敏感,作为空间型的火灾探测器比较可靠。     

分布式光纤测温系统在公路隧道火灾探测中 响应特性研究

随着交通运输的快速发展,公路隧道火灾监测与报警越来越重要。目前分布式光纤测温系统已被广泛应用到隧道火灾的监测中,外界风速和隧道断面对火灾监测有一定的影响。该文通过FDS数值模拟和全尺寸实验模拟不同高度的公路隧道发生火灾时,分布式光纤测温系统的报警响应情况。结果表明：在外界风力作用下,传感器的报警位置发生显著偏移;随着隧道高度的增加,分布式光纤感温火灾探测系统报警响应时间延长,可能会不报警。     

图象火灾监控中一个新颖的火灾判据

“边缘抖动”是早期火灾火焰的重要特性。本文基于这个特征，利用图象分析的方法，提出了一种崭新的火灾判据－尖角判据。尖角判据减少了误报和漏报，大大提高了火灾判别的可靠性及准确性。     

基于气压监测的外浮顶储罐火灾报警系统研究

目前,外浮顶储罐的火灾报警系统是采用光纤光栅火灾报警系统。但是,考虑到光纤光栅火灾报警运行费用高和存在报警盲目的缺点,研制了基于气压监测的外浮顶储罐火灾报警系统。针对不同型号的感温探头,开展了火灾报警系统火灾报警响应时间和报警温度实验,分析了火焰距离、热熔管管径以及管壁厚度与对火灾报警响应时间和报警温度的影响。实验结果表明:随着火焰距离的增大,报警响应时间增长;相同火焰距离条件下,随着感温热熔管直径的增大,报警响应时间增长,报警温度升高。Φ6热熔管的火灾报警温度为116.8℃,Φ8热熔管的火灾报警温度为129.1℃,Φ10热熔管的火灾报警温度为156.7℃。     

特大断面公路隧道线型感温火灾探测系统适用性研究

随着我国公路交通量日益增多,大断面、特大断面公路隧道不断涌现,可靠、有效的隧道火灾探测越来越重要。选取了6种典型的隧道断面,综合考虑探测器类型、纵向风速、火源功率、火源位置等因素,运用火灾动力学模拟软件FDS分析了系列火灾场景下温度、烟气分布、探测器报警时间、报警位置偏移量等特性。研究结果表明: 隧道断面尺寸、纵向风速越大,感温探测器报警时间越长。通过对顶棚烟气温度的分析,发现特大断面隧道中线型感温探测系统采用差温报警较定温报警更有效。在使用差温报警时,纵向通风会使报警位置发生偏移,报警位置偏移量d与隧道纵向风速v、火源到隧道顶棚距离Hd满足线性关系式:d=6.404v+0.923Hd-6.762。随着隧道断面尺寸的增大,需要敷设更多的感温光纤以在规定时间(60 s)内探测到火灾。对于高度H≥12 m的隧道,即使增设多条感温光纤,也无法在60 s内有效报警,需补充设置基于火焰和烟气特征的非接触式火灾探测器。     

基于隧道火灾的消防机器人系统研究

首先介绍了隧道消防的重要意义 ,分析了隧道火灾的特点 ,提出一种早发现、早灭火的隧道消防系统方案。针对隧道消防机器人的功能要求 ,提出了机器人总体设计方案 ,确定了一种安装空间小、工作范围大的机器人执行机构。同时将一种集测温、测烟雾粒子、测气压等多种功能于一体的新型传感器应用于隧道火灾的预报中 ,提高了隧道火灾的报警有效率。这种隧道消防机器人系统的研制为隧道火灾的早期扑救提供了一种新的途径 ,对隧道、库房、地下停车场以及其他建筑内消防具有广泛的应用前景。     

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。