基于多模态特征融合的飞机货舱火警探测技术

针对当前飞机货舱火警误报率高及人工特征提取适应性差的问题，使用一维卷积神经网络，建立了多模态融合火警预测模型，进行特征提取，开展模型的评估与验证，将特征提取与分类进行整合，实现了端到端的火警预测任务，提高了模型的可靠性与准确性。采用双波长烟雾探测技术，探测悬浮颗粒物的索特平均粒径、温度、红外光和蓝光的接收光与发射光功率比值。相较于传统火警探测算法将特征提取和分类分开处理策略，按照无火、阴燃、有火3种类别，进行火警信息的分类预测。结果表明，多模态融合的火警探测模型相对于单模态火警探测模型可以达到更高的探测精度，精度可达0.95以上。