CN106448080A - 一种基于传感网嗅探的小型空间挥发性易燃液体检测*** - Google Patents
一种基于传感网嗅探的小型空间挥发性易燃液体检测*** Download PDFInfo
- Publication number
- CN106448080A CN106448080A CN201610836128.0A CN201610836128A CN106448080A CN 106448080 A CN106448080 A CN 106448080A CN 201610836128 A CN201610836128 A CN 201610836128A CN 106448080 A CN106448080 A CN 106448080A
- Authority
- CN
- China
- Prior art keywords
- sensor
- module
- time series
- network
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/16—Combustible gas alarms
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种基于传感网嗅探的小型空间挥发性易燃液体检测***,包括:传感器网络,所述传感器网络包括传感器节点和网络汇聚节点,所述传感器节点包括传感器模块,传感器模块为可燃气体浓度探测模块,用来探测该传感器节点所处空间中的可燃气体浓度值,传感器节点在取得采样数据后,分别在节点本地执行采样数据的压缩与过滤,然后通过网络将数据发送给汇聚节点;其中,汇聚节点包含:时间序列线性分段模块、数据缓存模块、时间序列的在线异常检测模块。采用本发明的技术方案,用于发现小型空间内,如公共场所室、公共交通工具内各种危险的挥发性易燃易爆有机液体,达到消除消防安全隐患的目的。
Description
技术领域
本发明属于物联网应用领域,尤其涉及一种基于传感网嗅探的小型空间挥发性易燃液体检测***。
背景技术
目前,用于与消防、安防领域的物联网技术应包括两类,一类是针对公共场所的消防监测传感网,另外一类是基于传感网的气体浓度检测。在第一类针对公共场所消防监测的传感网技术中,一般采用火焰传感器、烟雾报警器、温度传感器等构造消防传感网,基于传感器网络及时发现火灾初期征兆实现火险报警。这一类技术属于火灾的事后防护,与本发明的设计初衷即火灾隐患检测不相符。第二类基于传感网的气体浓度检测方法常见于油气生产、危险品加工及运输行业,通常针对专门的生产作业环境,不同于一般的公共场所环境,通常需要定制昂贵的大型传感器准确测量空气中的气体浓度成分,基于气体浓度数值判断环境变化。这一类基于测量的气体浓度监测技术依赖精确的传感器设备,而后者需要定期的标定与维护,使用成本高,也不适用于一般的公共场所监测。
发明内容
本发明要解决的技术问题是,提供一种小型空间内基于传感网嗅探的挥发性易燃易爆有机液体的检测***,用于发现小型空间内,如公共场所室内、公共交通工具内各种危险的挥发性易燃易爆有机液体,达到消除消防安全隐患的目的;具有较低的实现成本、易于维护与扩展、适用于一般的公共场所小型室内环境的特点。
为实现上述目的,本发明采用如下的技术方案:
一种基于传感网嗅探的小型空间挥发性易燃液体检测***,包括:传感器网络,所述传感器网络包括传感器节点和网络汇聚节点,所述传感器节点包括传感器模块,传感器模块为可燃气体浓度探测模块,用来探测该传感器节点所处空间中的可燃气体浓度值,传感器节点在取得采样数据后,分别在节点本地执行采样数据的压缩与过滤,然后通过网络将数据发送给汇聚节点;
其中,汇聚节点包含:时间序列线性分段模块、数据缓存模块、时间序列的在线异常检测模块;
时间序列线性分段模块,用于将各个传感器的采样时间序列基于变化趋势进行划分,标记各个趋势段的起、止点后将数据存入数据缓存模块;
时间序列的在线异常检测模块,用于分析时间序列的变化形态,判断时间序列的异常状态,标记异常状态的起始点,然后发送给异常事件分析判断模块;
异常事件分析判断模块,用于从异常检测模块中得到异常事件起始点的标记后,在数据缓存模块中查找相关的时间序列数据段,基于时间序列变化形态的时空相关性分析判断存在异常事件的概率。
作为优选,所述变化趋势,包括上升、下降、平稳三种时间序列变化趋势,分别用相邻时间点上测值的变化斜率作为趋势分类的依据;在线性分段后,输出以线性分段点标记的多个时间序列子段。
作为优选,所述时间序列的在线异常检测模块,采用基于自回归模型从时间序列的变化特征中分析当前的传感器测值是否存在异常变化,所述自回归模型为传感器节点根据过去一段时间内的历史测值构造的未来测值与历史测值的自相关模型,当预测值与真实数据测值偏差度大于指定阈值时,将该测值对应的时间点作为时间序列的异常点,发送给异常事件分析判断模块;
所述异常事件分析判断模块,用于基于区域中多个传感器节点的测值时间序列在时间、空间维度上的相关性判断异常事件,当属于某个节点的时间序列子段被判断为异常,当该异常子段能在数据缓存模块中搜索到在时间、空间上与之相关的其他异常子段时,判断区域中存在易燃易爆液体的火患源。
作为优选,所述传感器网络为星型网络拓扑结构或自组织网络拓扑结构。
本发明采用分布式的传感器网络结构,传感器网络节点可基于市售的较低成本传感器节点开发平台实现,如Arduino、Raspberry Pi、telosb等;传感器探头采用市售的常见的可燃气体传感器探头,如MQ-6、TGS813、TGS2602、MS6100等,以汽油挥发气体传感器探头为主。同时本发明基于丰富的实验数据,和气体扩散模型提出基于多个传感器测值在时间与空间维度上相关性的异常事件判断机制,具有极低的事件误报率,和较高的事件检测率。
附图说明
图1为传感器网络的星型网络拓扑;
图2为传感器网络的自组织网络拓扑;
图3为本发明基于传感网嗅探的小型空间挥发性易燃液体检测***的结构示意图。
具体实施方式
本发明实施例提供一种采用基于传感器采样值时间序列分析的火患事件判断技术的基于传感网嗅探的小型空间挥发性易燃液体检测***;下面将逐一介绍本发明采用的网络结构、数据传输与处理流程、以及火患异常事件的判断逻辑。
1.本发明采用的网络结构
本发明采用的传感器网络中包括传感器节点,和网络汇聚节点。
所述传感器节点包括传感器模块、计算与存储模块、第一网络通信模块。传感器模块为可燃气体浓度探测模块,用来探测该传感器节点所处空间中的可燃气体浓度值;计算与存储模块有基本的浮点运算、处理与存储能力,用于传感器模块采样值的简单处理;第一网络通信模块基于Zigbee或Wifi链路与汇聚节点通信。
所述汇聚节点包括第二网络通信模块,计算与存储模块。第二网络通信模块用于接收来自传感器节点发送的数据;计算与存储模块用于存储多个传感器节点的采样值时间序列数据,并基于该数据集进行异常事件的分析与处理。
本发明可基于星型网络拓扑,也可基于自组织网络拓扑。所述星型网络拓扑如图1所示,传感器节点A、B、C、D均通过网络通信模块与汇聚节点直接通信。星型网络拓扑适用于小型空间场景。所述自组织网络拓扑如图2所示,传感器节点通过自组织的方式组网,网络中可能存在多跳、单跳的转发路径。自组织网络拓扑相比星型网络拓扑适用于更广阔的监测区域。
2.本发明的数据传输与处理流程
本发明的传感器数据采集、传输与处理流程如图3所示,网络中的传感器节点(1~N)在取得采样数据后,分别在节点本地执行采样数据的压缩与过滤,然后通过网络将数据发送给汇聚节点。汇聚节点上运行时间序列线性分段模块、数据缓存模块、时间序列的在线异常检测模块。其中时间序列线性分段模块与时间序列的在线异常检测模块并行工作。时间序列线性分段模块将各个传感器的采样时间序列基于变化趋势进行划分,标记各个趋势段的起、止点后将数据存入数据缓存。时间序列的在线异常检测模块分析时间序列的变化形态,判断时间序列的异常状态,标记异常状态的起始点,然后发送给异常事件分析判断模块。异常事件分析判断模块从异常检测模块中得到异常事件起始点的标记后,在数据缓存中查找相关的时间序列数据段,基于时间序列变化形态的时空相关性分析判断存在异常事件的概率。
所述传感器采样数据包括各个气体传感器的未经标定的模拟输出引脚电压值,以及每次采样值对应的采样时间,形成采样值的时间序列。
所述数据压缩与过滤指在传感器节点上对采样的时间序列数据执行初步的噪声滤除与数据压缩操作。本发明使用卡尔曼滤波器进行采样值序列的压缩、过滤处理。
所述网络数据传输既包括由传感器节点直接向汇聚节点的数据传输,也包括由多个传感器节点按自组网的方式向汇聚节点多跳的逐一转发数据。
所述时间序列线性分段,为基于时间序列变化的基本趋势将时间序列划分为若干子段。所述基本趋势,包括上升、下降、平稳三种时间序列变化趋势,分别用相邻时间点上测值的变化斜率作为趋势分类的依据。在线性分段后,输出以线性分段点标记的多个时间序列子段。
所述数据缓存,为以线性分段点为起始点的时间序列子段。
所述时间序列的在线异常检测模块,用于从时间序列的变化特征中分析当前的传感器测值是否存在异常变化。本发明采用基于自回归模型的在线异常检测机制。所述自回归模型为传感器节点根据过去一段时间内的历史测值构造的未来测值与历史测值的自相关模型,当预测值与真实数据测值偏差度大于指定阈值时,将该测值对应的时间点作为时间序列的异常点,发送给异常事件分析判断模块。
所述异常事件分析判断模块,用于综合分析多个传感器节点相关的异常时间序列子段,结合各个异常子段在时间、空间上的相关性,推断引起数据异常的事件源,从而判断区域中是否存在易燃易爆液体的火患源。
3.火患异常事件的判断逻辑
本发明基于区域中多个传感器节点的测值时间序列在时间、空间维度上的相关性判断异常事件。当属于某个节点的时间序列子段被判断为异常,当该异常子段能在缓存模块中搜索到在时间、空间上与之相关的其他异常子段时,我们判断区域中存在易燃易爆液体的火患源。
所述时间、空间维度上的相关性包括:
1)有多个空间位置相邻的传感器节点在小的时间窗内同时探测到测值时间序列的异常变化。所述空间位置相邻,为基于维诺图划分算法(Voronoi Diagram)得到的空间上相邻的传感器节点;所述时间窗口,为根据经验模型指定的一段小的时间长度。
2)有至少一个节点探测到周期性出现的、在连续时间窗内的时间序列异常段。所述周期性变化,为同一个节点上时间序列的基本变化趋势的多次重复,如“上升—下降—上升—下降”,或“上升—平稳—下降—平稳—上升—平稳—下降”。
本发明采用分布式的传感器网络结构,传感器网络节点可基于市售的较低成本传感器节点开发平台实现,如Arduino、Raspberry Pi、telosb等;传感器探头采用市售的常见的可燃气体传感器探头,如MQ-6、TGS813、TGS2602、MS6100等,以汽油挥发气体传感器探头为主。因此***整体的部署成本较低。而由于采用分布式的传感器网络架构,数据传输基于传感网节点间的自组织多跳路由,因此具有较好的扩展性。由于具备低成本和高扩展性的优势,本发明的技术成果能应用在多种公共场所下,易于移植。
本发明基于丰富的实验数据,和气体扩散模型提出基于多个传感器测值在时间与空间维度上相关性的异常事件判断机制,具有极低的事件误报率,和较高的事件检测率。
以下为区域中环境气体浓度采集,与火患异常事件判断的实施例:
1)在场景中部署多个传感器节点和唯一的汇聚节点,使多个传感器节点通过ZigBee链路统一的将数据发往汇聚节点;
2)假设传感器A的测量值序列为其中1,2,…,n分别表示取得测值的时间点。节点A在对测值序列执行在线的卡尔曼滤波处理后,获得新的测值序列为
3)汇聚节点接收到来自于节点A的测值序列来自于节点B的测值序列等,将这些序列复制为两份分别发往在线异常检测模块与时间序列分段模块;
4)在线异常检测模块为每个传感器节点的估值序列构造自回归预测模型,基于k个历史测值预测未来l个测值。以节点A的测值序列为例,对于时刻t的测值ya(t),所述k个历史测值包括[ya(t-k+1),ya(t-k+2),…,ya(t)],预测得到未来l个估值表示为汇聚节点在每个时刻t计算过去m个时刻的估值与测值的欧氏距离,并按公式(1)计算相对偏差值:
当δ>δth,则将异常描述汇报给异常事件分析模块。所述δth为异常判断阈值,基于具体的实验数据获得。所述异常描述,包括该异常发生的节点编号(节点A),以及异常时间戳t。
5)时间序列分段模块在接收到由节点发来的测值序列后,基于测值序列变化的基本趋势将测值序列划分为若干子段。为获取测值序列的基本趋势,首先求取测值序列的局部最大值与局部最小值,称为测值序列的重要点。然后计算各个重要点之间的斜率,当斜率大于指定阈值时,基于该重要点将测值序列分段后存入数据缓存。
6)异常事件分析判断模块根据从在线异常检测模块中获得的异常点描述,从数据缓存中寻找包含该异常点的测值子段,然后从时间和空间维度上寻找是否存在和该异常子段相关的其他异常子段。所述从时间维度上寻找相关异常子段,即查找与异常子段相邻的其他子段,是否存在基本变化趋势的多次重复,如“上升—下降—上升—下降”,或“上升—平稳—下降—平稳—上升—平稳—下降”。所述从空间维度上存在相关异常子段,即查找与该异常子段所述节点相邻的其他节点,在一个指定时间窗内,是否同时出现异常。满足上述两类条件其中之一,则可判断区域中存在异常的可燃气体扩散,进而推断存在易燃易爆液体,实现火患检测。
Claims (4)
1.一种基于传感网嗅探的小型空间挥发性易燃液体检测***,其特征在于,包括:传感器网络,所述传感器网络包括传感器节点和网络汇聚节点,所述传感器节点包括传感器模块,传感器模块为可燃气体浓度探测模块,用来探测该传感器节点所处空间中的可燃气体浓度值,传感器节点在取得采样数据后,分别在节点本地执行采样数据的压缩与过滤,然后通过网络将数据发送给汇聚节点;
其中,汇聚节点包含:时间序列线性分段模块、数据缓存模块、时间序列的在线异常检测模块;
时间序列线性分段模块,用于将各个传感器的采样时间序列基于变化趋势进行划分,标记各个趋势段的起、止点后将数据存入数据缓存模块;
时间序列的在线异常检测模块,用于分析时间序列的变化形态,判断时间序列的异常状态,标记异常状态的起始点,然后发送给异常事件分析判断模块;
异常事件分析判断模块,用于从异常检测模块中得到异常事件起始点的标记后,在数据缓存模块中查找相关的时间序列数据段,基于时间序列变化形态的时空相关性分析判断存在异常事件的概率。
2.如权利要求1所述的基于传感网嗅探的小型空间挥发性易燃液体检测***,其特征在于,所述变化趋势,包括上升、下降、平稳三种时间序列变化趋势,分别用相邻时间点上测值的变化斜率作为趋势分类的依据;在线性分段后,输出以线性分段点标记的多个时间序列子段。
3.如权利要求1所述的基于传感网嗅探的小型空间挥发性易燃液体检测***,其特征在于,
所述时间序列的在线异常检测模块,采用基于自回归模型从时间序列的变化特征中分析当前的传感器测值是否存在异常变化,所述自回归模型为传感器节点根据过去一段时间内的历史测值构造的未来测值与历史测值的自相关模型,当预测值与真实数据测值偏差度大于指定阈值时,将该测值对应的时间点作为时间序列的异常点,发送给异常事件分析判断模块;
所述异常事件分析判断模块,用于基于区域中多个传感器节点的测值时间序列在时间、空间维度上的相关性判断异常事件,当属于某个节点的时间序列子段被判断为异常,当该异常子段能在数据缓存模块中搜索到在时间、空间上与之相关的其他异常子段时,判断区域中存在易燃易爆液体的火患源。
4.如权利要求1所述的基于传感网嗅探的小型空间挥发性易燃液体检测***,其特征在于,所述传感器网络为星型网络拓扑结构或自组织网络拓扑结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610836128.0A CN106448080B (zh) | 2016-09-20 | 2016-09-20 | 一种基于传感网嗅探的小型空间挥发性易燃液体检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610836128.0A CN106448080B (zh) | 2016-09-20 | 2016-09-20 | 一种基于传感网嗅探的小型空间挥发性易燃液体检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106448080A true CN106448080A (zh) | 2017-02-22 |
CN106448080B CN106448080B (zh) | 2019-03-22 |
Family
ID=58166883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610836128.0A Expired - Fee Related CN106448080B (zh) | 2016-09-20 | 2016-09-20 | 一种基于传感网嗅探的小型空间挥发性易燃液体检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106448080B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109444232A (zh) * | 2018-12-26 | 2019-03-08 | 苏州同阳科技发展有限公司 | 一种多通道智能化污染气体监测装置与扩散溯源方法 |
CN109711440A (zh) * | 2018-12-13 | 2019-05-03 | 新奥数能科技有限公司 | 一种数据异常检测方法和装置 |
CN110347544A (zh) * | 2018-04-08 | 2019-10-18 | 微软技术许可有限责任公司 | 异常智能监测处理技术 |
CN113624929A (zh) * | 2021-10-12 | 2021-11-09 | 成都千嘉科技有限公司 | 一种气体传感器全量程自动标定方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006320290A (ja) * | 2005-05-20 | 2006-11-30 | Nippon Telegr & Teleph Corp <Ntt> | 個体状態推定システム、個体状態推定方法 |
CN101267446A (zh) * | 2007-12-29 | 2008-09-17 | 中国科学院计算技术研究所 | 无线传感器网络的时域数据融合方法 |
EP1993053A1 (en) * | 2007-03-20 | 2008-11-19 | British Telecommunications Public Limited Company | Detecting abnormal events |
CN101945496A (zh) * | 2010-08-31 | 2011-01-12 | 戎非 | 无线分布式有毒或可燃气体传感器探测网络***及其监控方法 |
CN102280013A (zh) * | 2011-07-11 | 2011-12-14 | 江苏科技大学 | 基于无线传感器网络的海洋环境远程监测预警***及方法 |
CN103561418A (zh) * | 2013-11-07 | 2014-02-05 | 东南大学 | 基于时间序列的异常检测方法 |
CN104574898A (zh) * | 2014-12-08 | 2015-04-29 | 武汉工程大学 | 基于Zigbee的多传感器物联网监控方法及设备 |
CN105702029A (zh) * | 2016-02-22 | 2016-06-22 | 北京航空航天大学 | 一种分时段考虑时空关联性的快速路交通状态预测方法 |
CN205428125U (zh) * | 2016-03-15 | 2016-08-03 | 姚冰 | 公交车安全监测*** |
-
2016
- 2016-09-20 CN CN201610836128.0A patent/CN106448080B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006320290A (ja) * | 2005-05-20 | 2006-11-30 | Nippon Telegr & Teleph Corp <Ntt> | 個体状態推定システム、個体状態推定方法 |
EP1993053A1 (en) * | 2007-03-20 | 2008-11-19 | British Telecommunications Public Limited Company | Detecting abnormal events |
CN101267446A (zh) * | 2007-12-29 | 2008-09-17 | 中国科学院计算技术研究所 | 无线传感器网络的时域数据融合方法 |
CN101945496A (zh) * | 2010-08-31 | 2011-01-12 | 戎非 | 无线分布式有毒或可燃气体传感器探测网络***及其监控方法 |
CN102280013A (zh) * | 2011-07-11 | 2011-12-14 | 江苏科技大学 | 基于无线传感器网络的海洋环境远程监测预警***及方法 |
CN103561418A (zh) * | 2013-11-07 | 2014-02-05 | 东南大学 | 基于时间序列的异常检测方法 |
CN104574898A (zh) * | 2014-12-08 | 2015-04-29 | 武汉工程大学 | 基于Zigbee的多传感器物联网监控方法及设备 |
CN105702029A (zh) * | 2016-02-22 | 2016-06-22 | 北京航空航天大学 | 一种分时段考虑时空关联性的快速路交通状态预测方法 |
CN205428125U (zh) * | 2016-03-15 | 2016-08-03 | 姚冰 | 公交车安全监测*** |
Non-Patent Citations (1)
Title |
---|
姜斌 等: "基于GPRS/SMS空气污染远程监控***的设计与实现", 《计算机测量与控制》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110347544A (zh) * | 2018-04-08 | 2019-10-18 | 微软技术许可有限责任公司 | 异常智能监测处理技术 |
CN109711440A (zh) * | 2018-12-13 | 2019-05-03 | 新奥数能科技有限公司 | 一种数据异常检测方法和装置 |
CN109711440B (zh) * | 2018-12-13 | 2022-02-08 | 新奥数能科技有限公司 | 一种数据异常检测方法和装置 |
CN109444232A (zh) * | 2018-12-26 | 2019-03-08 | 苏州同阳科技发展有限公司 | 一种多通道智能化污染气体监测装置与扩散溯源方法 |
CN109444232B (zh) * | 2018-12-26 | 2024-03-12 | 苏州同阳科技发展有限公司 | 一种多通道智能化污染气体监测装置与扩散溯源方法 |
CN113624929A (zh) * | 2021-10-12 | 2021-11-09 | 成都千嘉科技有限公司 | 一种气体传感器全量程自动标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106448080B (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106448080A (zh) | 一种基于传感网嗅探的小型空间挥发性易燃液体检测*** | |
Okokpujie et al. | A smart air pollution monitoring system | |
US20210097624A1 (en) | Method and apparatus for increasing the density of data surrounding an event | |
Bahrepour et al. | Automatic fire detection: A survey from wireless sensor network perspective | |
Liu et al. | Forest fire monitoring, detection and decision making systems by wireless sensor network | |
US20200143648A1 (en) | Method and apparatus for tiered analytics in a multi-sensor environment | |
US20180356809A1 (en) | Prediction Of False Alarms In Sensor-Based Security Systems | |
WO2022165239A1 (en) | Sensor fusion for fire detection & air quality monitoring | |
Dragulinescu et al. | Smart Neighbourhood: LoRa-based environmental monitoring and emergency management collaborative IoT platform | |
Tao et al. | Architecture for monitoring urban infrastructure and analysis method for a smart-safe city | |
Jincy et al. | Classification mechanism for IoT devices towards creating a security framework | |
CN110070692A (zh) | 一种智能视觉消防监视***及方法 | |
US8860579B1 (en) | Illegal drug detector and method of its use | |
Ramteke et al. | Iot based forest fire detection system using raspberry pi and gsm | |
CN115903973A (zh) | 一种基于物联网的火灾探测及应急联动控制*** | |
Mekni | Design and Implementation of a Smart fire detection and monitoring system based on IoT | |
CN114170780B (zh) | 一种矿井采空区煤自燃可视化动态监测预警*** | |
Ishitha et al. | IoT based anti-poaching and fire alarm system for forest | |
CN115019480A (zh) | 一种用于监控声音和气体暴露的***及方法 | |
CN205840917U (zh) | 一种基于tdlas传感器的矿井瓦斯无线监测*** | |
CN108810843A (zh) | 城市空气质量智能监测*** | |
Mwedzi et al. | Machine learning applications for fire detection in a residential building | |
KR101916411B1 (ko) | 산업용 사물 인터넷에 기반한 공사 현장 안전을 위한 사고 예측 시스템 및 방법 | |
Desai et al. | SECURE-Semantics Empowered resCUe Environment | |
Seo et al. | Forest environment monitoring application of intelligence embedded based on wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190322 Termination date: 20210920 |