基于运动块追踪的视频烟雾探测方法

烟雾探测是预见火灾隐患的重要手段,具有快速响应和非接触等优点,但现有方法在减少计算量和减少误报上尚需改进。提出了一种基于运动块追踪的视频烟雾探测方法。采用混合高斯模型对背景进行建模,提取可疑运动区域并划分运动块,根据运动块灰度变化及与周围8邻域运动块的灰度梯度,筛选需要全程跟踪的目标运动块。在随后追踪过程中,分析各个运动块的运动方向、灰度衰减变化及半透明性特征,综合各特征值对烟雾进行判断。在测试烟雾视频中,60帧内便可以探测到烟雾块,而在干扰视频中只出现了1次误报。试验结果表明该方法减少了计算量,提高了烟雾检测的准确性,降低了误报率。     

临河区、杭锦后旗冰雹天气分析

本文应用常规资料、MICAPS资料、地面自动站资料及雷达资料对2015年7月17日巴彦淖尔市杭锦后旗、临河区出现的一次蒙古冷涡影响的冰雹天气过程进行研究分析。结果表明:蒙古冷涡、低层切变线共同影响的天气背景下,配合高层冷干,低层暖湿的大气环流及充足的不稳定能量是降雹天气的主要原因。垂直风切边、0℃层到-20℃层厚度小有利于冰雹形成。对流云顶高度ET越高,垂直累积液态含水量VIL大,降雹的潜势越大。通过此次天气成因的分析研究,为以后预报工作提供一定的经验依据。     

航海雷达溢油信息采集分析模型

首先阐述了航海雷达海杂波图像溢油提取分析的工作原理和国内外研究现状,基于SPx、OpenCV、Matlab等软件技术和HPx航海雷达信号采集卡,提出溢油数据采集分析工作流程和软硬件架构体系,实现航海雷达溢油信息采集分析模型,并结合大连716溢油事件的实际案例进行验证。该模型在保证航海雷达原有导航避碰功能的基础上,进行原始信号转换,同步实现海上溢油监测,为海上溢油监测预警、溢油轨迹回推、溢油应急处置等工作提供数据基础。     

基于遗传算法的前馈神经网络火灾探测

分析了前馈神经网络火灾探测的基本原理;针对ＢＰ算法的缺陷,提出用遗传算法（ＧＡ）和ＢＰ相结合的一种方法,即：ＢＰ－ＧＡ算法;并把ＢＰ－ＧＡ算法用于火灾探测的模拟,结果表明：前馈神经网络是处理火灾信号的良好方法,ＢＰ－ＧＡ算法提高了网络的收剑性。     

双波长气溶胶粒径传感方法及其火灾烟雾探测器

提出了双波长光散射气溶胶粒径传感方法,设计实现了采用该方法的双波长火灾烟雾探测器。使用短波长和长波长的双波长光源,通过计算其光功率比值,利用其与中值粒径的关系函数获得气溶胶粒径,并根据不同粒径下的气溶胶浓度分别给出大小不同粒径的火灾烟雾或干扰气溶胶提示。因而,不仅可以有效区分大小不同粒径的火灾烟雾气溶胶,以正确探测火灾,而且能够识别微米级的大粒径干扰粒子,降低火灾误报率,可以应用于飞机等航空器空中密闭的特殊环境。     

提高前向散射型光电感烟探测器性能的算法

以国家科技部973项目中建立的火灾探测应用环境及火灾信息数据库为依据,对目前使用最为广泛的前向散射型光电感烟探测器固有特性的归纳和分析,通过数据挖掘,提出一种切实可行的算法处理技术和智能判断火灾方法,有效提高了现有前向散射型光电感烟探测器的火灾探测及其抗干扰能力。     

雷达吸波涂层海洋大气环境适用性试验研究

目的 分析一种雷达吸波隐身涂层在海洋大气自然环境下性能的变化规律。方法 对12个月不同阶段涂层的常规物理性能和电性能进行检测,其中常规物理性能包括宏观形貌、金相形貌、微观性能、附着力、抗冲击强度和红外光谱。结果 从宏观形貌看,涂层明度和色差值呈上升趋势,12个月明度增加1.22,色差值增加2.91,颜色向绿色和蓝色发展,失光率先增大、后减小,最大失光率为9个月时的34%。涂层附着力和试验时间呈现非线性关系,6个月时,附着力降低了18%,12个月时增大了24%。涂层在2～18GHz的频率范围内,吸波曲线大体呈“U”形,最低反射率随时间向低频方向偏移。涂层金相形貌、微观性能、抗冲击强度和红外光谱特征总体变化不明显。结论 在1a内,自然海洋大气环境对雷达吸波隐身涂层常规物理性能和电性能产生了一定影响,但在试验时间相对较短情况下,海洋大气环境对涂层老化的影响作用尚未充分显示,需要结合更长周期的试验数据进一步分析。     

武汉市运用探测定位器严查烟花爆竹非法经营

为严查非法生产、储存、销售烟花爆竹行为,提高安监部门执法能力,2010年1月30日,湖北省武汉市安监局对全市安监局执法人员使用摩尔远距离烟花爆竹探测定位器进行培训。     

火灾探测器现状及其发展趋势

本文对现有部分火灾探测器进行了性能比较,分析了其缺点并提出了几条解决方法,对几种新型火灾探测器进行了简要介绍.     

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。