基于深度神经 络的火灾探测声学灭火器控制

1.文章信息

本次介绍的文章是2022年发表在Elektronika ir Elektrotechnika的一篇基于计算机视觉的火灾检测文章。

2.摘要

这些活动的结果是开发了利用深度神经 络灭火的新技术，然后使用应用于声学灭火器的高功率和非常高功率扬声器灭火。文章的主要目的是介绍使用深度神经 络探测火灾的可能性，以及使用几个频率的振幅调制(AM)方波扑灭火焰的研究结果，这也是一个科学上的新发现，包括最小声功率和声压级作为声学系统输出距离的函数。在此基础上，可以确定在给定输入参数下，传递给灭火器的最小功率和引起灭火效果的最小声压级。

3.介绍

目前，用适当选择的灭火剂填充的灭火器最常用来扑灭火焰。它的组成取决于火的类型。因此，传统的灭火器不适合普遍用于扑灭各种材料的火灾。根据火灾类别的不同，灭火器分为许多组，其中一些适合扑灭几种类型的火灾。在典型的灭火器中，灭火剂很快就会耗尽，给油箱充注很费时，而且只能由授权单位在指定区域进行。因此，传统灭火器有许多局限性。其他缺点包括:对环境和健康的不利影响，在灭火过程中对设备的损坏，需要定期对罐体进行压力测试，向灭火器中填充灭火剂。用声波灭火是最有前景的方法之一。此外，过去已经证明，用放大和调制的人类声音(使用计算机技术)扑灭火灾是可能的。声压水平超过人耳的疼痛阈值。

基于掩码区域的卷积神经 络(R-CNN)是一种深度神经 络，用于解决计算机视觉中分离视频或图像中的对象的实例分割问题。它基于Faster R-CNN架构，有两个主要变化:它用更精确的RoI对齐模块取代了兴趣区域池(RoI池)模块;插入了RoI Align模块的一个附加分支。附加分支接受RoI输出，然后将其发送到卷积(Conv)层。掩码是卷积层的输出。利用神经 络对采集到的图像进行处理，并将识别的目标隐藏在图像上。神经 络是fast R-CNN的扩展。Faster R-CNN只能预测边界框，而Mask R-CNN并行预测对象掩码。

为了减少工业火灾事故中的损害和伤害，及时准确的火灾探测至关重要。近年来，火灾探测技术变得越来越复杂、智能和强大，从传统的“点”传感器发展到基于视频（基于摄像机）的技术，可分为信 、图像和视频处理方法。然而，传统的“点”传感器（烟雾和热量探测器）通常需要足够的高温或足够的烟雾浓度来触发警 ，这限制了其在早期检测电缆燃烧等小型火灾方面的应用。在过去几十年中，计算机计算能力的提高和成像传感器成本的降低使得基于视频的火灾探测技术能够用于实时应用。近年来，随着深度学习的发展，人工智能技术逐渐出现在消防安全研究领域。最重要的应用之一是它解决了传统火灾探测方法很难实现的小型火灾探测问题。

为了实现神经 络火灾探测，采用了多种软件技术。图像处理采用Opencv，这是一个开源的计算机视觉和机器学习库。它旨在提供一个通用的视觉应用基础设施，并加快机器感知。该库有超过2500个优化算法，包括一套全面的经典和先进的计算机视觉和机器学习算法。

4.模型

A. 训练神经 络

采用Mask R-CNN体系结构训练神经 络，具有快速检测各种目标的能力。对120幅图像进行了火灾检测神经 络的训练。这些使用Python脚本的图像通过转换、缩放操作和亮度调整乘以数字。这样就自动生成了3600张图片，图片中火的位置各不相同。搜索器算法提取它们的特征和像素注释，并使用Mask R-CNN Inception架构训练神经 络45 000个周期，直到达到所需的精度。在实践中，训练需要一个初始的照片数据库(其中一些照片如下图所示)，需要从中提取物体的特征，这些特征必须在后面找到。

Jetson Nano板是一个开发工具包，它包括一个模块上的系统(SoM)和参考载体板。它主要设计用于为机器学习、机器视觉和视频处理应用创建需要高计算能力的嵌入式系统。该板具有可用于实时火灾探测的摄像头接口和可用于控制灭火器的通用输入/输出(GPIO)引脚。经过训练的模型被转移到NVIDIA Jetson Nano的内存中。Jetson Nano传输的模型与GPU训练的模型一致，用于检测测试图像中的火灾。

B.火焰检测

由于神经 络的错误包含了假阳性和假阴性的反应，该神经 络已经在400张未被训练的图像上进行了测试，检测准确率为86%。下图显示了图像中的火灾探测，用于基本测试，其中没有其他对象。

第三张测试照片是在白天燃烧的屋顶。如下图所示，神经 络成功探测到火灾。

如上所示，所提出的神经 络在火灾探测中是可靠的，可以集成到现代消防系统中而不需要任何其他传感器。这种火灾探测系统的优点是所使用的组件成本相对较低，并具有商用的高性能火灾探测技术。该系统可应用于其他类型的传感器不适合火灾探测的高温设施，如铸造厂、干砂机和热处理工厂。

应该注意的是，机器人和人工智能在危机管理中找到了应用。将视频火灾探测系统与外部、非侵入性、高声功率灭火器相结合是可能的，其构造将在下一节(科学新颖性)中介绍。这种方法非常适合于在火灾发生的第一阶段进行探测和灭火，例如在生产大厅、暴露于火焰发生的专用设备等。

C. 声波灭火测量站

声功率也是一个必不可少的参数。到目前为止，研究的重点是使用极低功率的声波，这使得人们可以扑灭距离系统输出很短的距离内的火焰。研究表明，仅使用低频声波就进行了有效的灭火试验。使用高的和非常高的声功率使我们可以扩大这一距离，而使用摄像机对物体进行视频监控与计算机技术使我们可以快速和准确地检测潜在的火焰。这是由于灭火过程的有效性取决于空气振动的振幅。

设计波导的长度以确保有效发射频率范围为15 Hz – 20 Hz的声波(对于单面封闭波导，该长度为4.28 m)。熄灭器的参数在文章中详细说明。

测量过程中的声背景噪声为64.7 dB。这个值表示测量前的声压级。实际上，噪声水平是一个随机变量。因此，可以确定临时噪声水平属于给定范围的概率。LN %可以理解为背景噪声在不超过N %的观测时间内超过某个极限水平(见下表I中的数据)。

例如，在测量过程中，超过73 dB背景噪声水平的时间不超过观测时间的10%，而超过60.5 dB背景噪声水平的时间不超过观测时间的95%。

值得注意的是，所有的测量都是在相同的时间和相同的天气条件下进行的，因此结果是有意义的。Z过滤器按照IEC 61672-1使用。积分周期为15 s。为了获得最稳定的背景噪声水平，在1 s的特定时间间隔内对结果进行平均。这意味着结果每1秒平均一次。

5.实验分析

A. 声频对灭火效果影响的实验结果

不仅可以用非调制声波灭火，也可以用调制声波灭火，这一点在实验中得到了证实。除了使用高和非常高的声功率之外，科学上的一个新发现是使用调幅调制波形灭火的可能性的结果。这些试验是在基尔塞作为” InIn+ “项目(第3/2017 )的一部分进行的，该项目由科学和高等教育部共同资助。

频率为17hz的结果取决于灭火器输出的距离，如下图所示。

对于这个频率，导致灭火效果的最小声压级随到灭火器输出距离的函数关系图如下图所示。

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览33847 人正在系统学习中