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。     

SVD在串联故障电弧检测及选相中的应用*

煤矿井下发生串联故障电弧易引发火灾等安全事故,为了预防电气火灾、指导线路维修,利用三相电动机及变频器负载开展不同线路、不同电流条件下的串联故障电弧实验,研究三相串联故障电弧的检测及选相方法。首先,对单相电流进行一阶差分处理后,建立改进的吸引子轨迹矩阵作为故障特征矩阵;其次,对故障特征矩阵进行奇异值分解,采用特征矩阵的奇异值构建串联故障电弧检测及选相的特征向量;最后,利用极限学习机建立故障电弧检测及选相模型,并测试检测及选相准确率。研究结果表明:提出的SVD方法可以利用单相电流实现三相电动机及变频器负载回路中的串联故障电弧检测及选相。     

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。     

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。     

火灾后结构损伤冲击回波法检测数据小波分析的研究

针对火灾后混凝土结构受损综合评判的现状,指出常规检测方法的不足;系统地阐述冲击回波法检测混凝土结构内部缺陷的原理和优越性,提出运用冲击回波法检测火灾后有缺陷的混凝土结构,对采集到的信号进行小波分析,提取反映混凝土结构内部缺陷的特征信息,实现结构损伤检测。实测表明,使用冲击回波法可快速、准确检测火灾后混凝土内部缺陷,通过小波变换对回波信号的奇异性进行检测分析,能有效消除噪声干扰,并准确检测出缺陷位置,可以提高火灾后混凝土结构的检测速度和精度。     

基矛图像型监测技术的剧院火灾实时探测系统

火灾探测报警系统是剧院等大空间建筑的重要组成部分,火灾的早期发现和扑救具有极其重要的意义。全数字图像型监测技术可对剧院在空间火灾发展态势进行快速探测进行预警。文中采用边缘检测算法并结合边界链码,分析火灾面积扩大和边缘抖动的特征,实现了对火灾发生的及时预警,通过模拟火灾实验分析该技术的优越性。     

基于图像型监测技术的剧院火灾实时探测系统

火灾探测报警系统是剧院等大空间建筑的重要组成部分,火灾的早期发现和扑救具有极其重要的意义.全数字图像型监测技术可对剧院在空间火灾发展态势进行快速探测进行预警.文中采用边缘检测算法并结合边界链码,分析火灾面积扩大和边缘抖动的特征,实现了对火灾发生的及时预警,通过模拟火灾实验分析该技术的优越性.     

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。     

基于气体浓度和烟颗粒消光系数的复合火灾预警系统

为解决火灾烟雾颗粒的消光效应对光声火灾检测带来的影响,以近红外激光为光源,结合波长调制技术和谐波检测技术对光声信号和颗粒消光系数进行了测量,并建立了火灾复合探测模型。利用棉绳阴燃、木材热解2组阴燃火实验以及正庚烷明火、木材明火2组明火实验进行了火灾模拟探测,并结合特定算法对结果进行了判定。结果表明系统能较好地对实验产生的CO浓度和烟颗粒消光系数进行探测,且运行稳定,能够满足火灾预警需求。     

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 A...     

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。     

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。