CN117292311B - 一种基于ai图像识别的消防火灾复燃预测*** - Google Patents
一种基于ai图像识别的消防火灾复燃预测*** Download PDFInfo
- Publication number
- CN117292311B CN117292311B CN202311149725.2A CN202311149725A CN117292311B CN 117292311 B CN117292311 B CN 117292311B CN 202311149725 A CN202311149725 A CN 202311149725A CN 117292311 B CN117292311 B CN 117292311B
- Authority
- CN
- China
- Prior art keywords
- fire
- risk
- image
- temperature
- point
- 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.)
- Active
Links
- 238000002485 combustion reaction Methods 0.000 title abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 75
- 230000007613 environmental effect Effects 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明涉及消防复燃预测领域,用于解决火灾监测***或设备缺少对复燃的监测和预警能力,容易出现复燃的问题,具体为一种基于AI图像识别的消防火灾复燃预测***;本发明中,进行多图像对比确定明火出现,通过红外温度图像确定明火的火焰温度,提升了对复燃的火点进行监测的灵敏性和准确性,通过公式量化分析处理环境因素的方式确定环境因素对火点复燃的促进作用,从而预测火点出现复燃的可能性,实现对复燃的预测能力,便于人员对有可能复燃的火点进行提前处理,通过对多个火点实施监测,并确定多个火点之间的关联性和相互干扰的能力,从而辅助人员进行火场整体统筹,进一步避免火点复燃和火情扩大的情况出现。
Description
技术领域
本发明涉及消防复燃预测领域,具体为一种基于AI图像识别的消防火灾复燃预测***。
背景技术
在各种灾害中,火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一,火灾是指在时间或空间上失去控制的燃烧所造成的灾害;新的标准中,将火灾定义为在时间或空间上失去控制的燃烧;
为了应对火灾,现有技术中具有许多能够对火情实施监控的方法和设备,能够做到发现火情即实施灭火作业或实施火灾报警作业,从而很大幅度的提升了对火灾的响应速度,然而现有技术中缺少对灭火效果进行持续监测及评估,无法对火灾扑灭后的火点进行复燃预测,存在火点二次复燃的可能,若发生复燃,将会对人民的生命财产安全造成二次伤害;
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明中,进行AI图像采集以及多图像对比确定闪烁的明火火焰确定明火出现,进行红外图像采集并通过红外温度图像确定明火的火焰温度,实现了对火点处的明火图像以及红外图像进行综合分析,提升了对复燃的火点进行监测的灵敏性和准确性,对环境因素进行采集,并通过公式量化分析处理的方式确定环境因素对火点复燃的促进作用,从而预测火点出现复燃的可能性,实现对复燃的预测能力,便于人员对有可能复燃的火点进行提前处理,通过对多个火点实施监测,并确定多个火点之间的关联性和相互干扰的能力,从而辅助人员进行火场整体统筹,进一步避免火点复燃和火情扩大的情况出现,解决火灾监测***或设备缺少对复燃的监测和预警能力,容易出现复燃的问题,而提出一种基于AI图像识别的消防火灾复燃预测***。
本发明的目的可以通过以下技术方案实现:
一种基于AI图像识别的消防火灾复燃预测***,包括图像明火识别单元、温度图像监测单元、环境综合监测单元、火点监测单元和关联范围分析单元,所述温度图像监测单元能够对火点位置进行红外温度图像采集,并对采集到的红外温度图像进行分析,根据不同区域的温度位置划分高危易燃区域和低危易燃区域,并将划分后的红外温度图像发送至火点监测单元;
所述图像明火识别单元能够对火点位置进行图像采集,并将采集到的图像进行明火分析,获取到明火位置,同时通过温度图像监测单元获取到红外温度图像,将红外温度图像和明火位置进行复核确认,并将复核后的明火位置发送至火点监测单元;
所述环境综合监测单元能够获取到火点周围环境信息,其中环境信息包括环境风速、环境湿度、可燃物数量,所述环境综合监测单元对火点周围环境信息进行分析,生成环境高危信号和环境低危信号,并将环境高危信号和环境低危信号发送至火点监测单元;
所述火点监测单元获取到红外温度图像、明火位置、环境高危信号和环境低危信号,并进行综合分析,生成火点复燃风险信号,并将火点复燃风险信号发送至关联范围分析单元;
所述关联范围分析单元获取到所有的火点复燃风险信号,并对多个火点之间的位置进行分析,生成火点复燃传播风险信号,并将火点复燃传播风险信号通过网络进行发送。
作为本发明的一种优选实施方式,所述温度图像监测单元获取到红外温度图像后,对红外温度图像中的温度进行数值分析,将红外温度图像中温度大于预设的温度阈值的位置标记为高危区域,将红外温度图像中温度小于等于预设的温度阈值的位置标记为低危区域;
所述温度图像监测单元在获取到一组红外温度图像后,将当前获取的红外温度图像与前一组获取的红外温度图像进行对比,计算两组红外温度图像上每个点的温度变化,并将温度升高的点记录为高危点,将温度降低或温度未发生变化的点记录为低危点;
所述温度图像监测单元将高危区域和高危点重合的位置记录为高危易燃区域,将其他位置记录为低危易燃区域。
作为本发明的一种优选实施方式,所述图像明火识别单元获取到火点位置的图像后,对图像进行颜色筛选,将符合明火图像的区域记录为可疑明火点,并对可疑明火点进行持续监测,具体监测过程为:
将多次获取到的可疑明火点位置处的图像进行重合,若两组图像中的可疑明火点处的图像存在不同,则将其记录为图像变动,若两组图像中的可疑明火点处的图像相同,则将其记录为图像静止;
若可疑明火点处记录为图像变动的次数超过预设的次数上限,则生成明火监测信号,并将可疑明火点位置记录为明火位置,若可疑明火点处记录的图像变动次数未超过预设的次数上限,则仍然记录为可疑明火点位置。
作为本发明的一种优选实施方式,所述图像明火识别单元获取到明火位置后,将明火位置所对应的图像与红外温度图像进行对比,并在红外温度图像中选取明火位置的对应位置,获取明火位置的对应位置的红外温度图像中所显示的温度,记录为火点温度,将火点温度与火点温度下限进行对比,若火点温度大于预设的火点温度下限,则仍然保留明火位置,若火点温度小于预设的火点温度下限,则将明火位置记录为可疑明火点位置。
作为本发明的一种优选实施方式,所述环境综合监测单元获取到环境风速后,将环境风速记录为F,将环境湿度记录为R,将可燃物数量记录为M,通过公式分析得到火点风险程度X,其中q为预设的系数,X、F、M均为无量纲数据,所述环境综合监测单元将火点风险程度X与预设的火点风险程度X0进行差值计算,并将差值计算的结果记录为环境风险Y,Y=(X-X0)3,当环境风险Y小于预设的环境风险阈值Y0时,生成环境低危信号,当环境风险Y大于预设的环境风险阈Y0时,生成环境高危信号,其中Y0大于0。
作为本发明的一种优选实施方式,所述火点监测单元获取到明火位置后,生成火灾复燃警告;
所述火点监测单元获取到环境高危信号后,将高危易燃区域生成火灾复燃高危警告,将低危易燃区域生成火灾复燃低危警告;
所述火点监测单元获取到环境低危信号后,将高危易燃区域生成火灾复燃低危警告,对低危易燃区域不作出反应。
作为本发明的一种优选实施方式,所述关联范围分析单元获取到环境风向,并将多个火点位置依照实际位置绘制平面图像,以每个火点位置沿环境风向方向绘制直线,记录为传播线,并计算每个火点位置距离传播线的直线距离,当火点位置距离传播线的直线距离小于预设的安全距离时,生成火点串联信号,当火点位置距离传播线的直线距离大于等于预设的安全距离时,不做出反应。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过对火点位置处进行AI图像采集和红外图像采集,通过多图像对比确定闪烁的明火火焰确定明火出现,通过红外温度图像确定明火的火焰温度,实现了对火点处的明火图像以及红外图像进行综合分析,提升了对复燃的火点进行监测的灵敏性和准确性。
2、本发明中,通过对环境因素进行采集,并通过公式量化分析处理的方式确定环境因素对火点复燃的促进作用,从而预测火点出现复燃的可能性,实现对复燃的预测能力,便于人员对有可能复燃的火点进行提前处理,防止火点复燃,二次出现火情。
3、本发明中,通过对多个火点实施监测,并确定多个火点之间的关联性和相互干扰的能力,***到复燃后的火点容易出现的火情发展方向,从而辅助人员进行火场整体统筹,进一步避免火点复燃和火情扩大的情况出现。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的***框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一:
请参阅图1所示,一种基于AI图像识别的消防火灾复燃预测***,包括图像明火识别单元、温度图像监测单元、环境综合监测单元、火点监测单元和关联范围分析单元,温度图像监测单元能够对火点位置进行红外温度图像采集,并对采集到的红外温度图像进行分析,温度图像监测单元获取到红外温度图像后,对红外温度图像中的温度进行数值分析,将红外温度图像中温度大于预设的温度阈值的位置标记为高危区域,将红外温度图像中温度小于等于预设的温度阈值的位置标记为低危区域;
温度图像监测单元在获取到一组红外温度图像后,将当前获取的红外温度图像与前一组获取的红外温度图像进行对比,计算两组红外温度图像上每个点的温度变化,并将温度升高的点记录为高危点,将温度降低或温度未发生变化的点记录为低危点;
温度图像监测单元将高危区域和高危点重合的位置记录为高危易燃区域,将其他位置记录为低危易燃区域,并将划分后的红外温度图像发送至火点监测单元;
图像明火识别单元能够对火点位置进行图像采集,图像明火识别单元获取到火点位置的图像后,对图像进行颜色筛选,具体的筛选方法参考专利号为CN201811248306.3的专利文献,具体为一种基于人工智能的火焰图像识别方法与流程,其流程为:将采集完的图像进行预处理,再将信息传递到单片机中,首先对火焰图像在静态及动态的过程中分别进行特征对比,静态的主要对比特征包括火焰平均灰度、火焰面积及火焰圆形度,动态的主要对比特征包括火焰高温区面积及质心偏移距离,其次基于火焰图像的颜色及火焰亮度进行对比,火焰的颜色主要包括颜色分量及火焰锋面,火焰亮度主要可以区分火焰的中心及火焰的边缘,通过上述对比可对火焰的图像进行初步判断,通过上述方法获取到明火位置,将符合明火图像的区域记录为可疑明火点,并对可疑明火点进行持续监测,将多次获取到的可疑明火点位置处的图像进行重合,若两组图像中的可疑明火点处的图像存在不同,则将其记录为图像变动,若两组图像中的可疑明火点处的图像相同,则将其记录为图像静止;
若可疑明火点处记录为图像变动的次数超过预设的次数上限,则生成明火监测信号,并将可疑明火点位置记录为明火位置,若可疑明火点处记录的图像变动次数未超过预设的次数上限,则仍然记录为可疑明火点位置;
同时通过温度图像监测单元获取到红外温度图像,将红外温度图像和明火位置进行复核确认,图像明火识别单元获取到明火位置后,将明火位置所对应的图像与红外温度图像进行对比,并在红外温度图像中选取明火位置的对应位置,获取明火位置的对应位置的红外温度图像中所显示的温度,记录为火点温度,将火点温度与火点温度下限进行对比,若火点温度大于预设的火点温度下限,则仍然保留明火位置,若火点温度小于预设的火点温度下限,则将明火位置记录为可疑明火点位置,图像明火识别单元将复核后的明火位置发送至火点监测单元。
实施例二:
请参阅图1所示,环境综合监测单元能够获取到火点周围环境信息,其中环境信息包括环境风速、环境湿度、可燃物数量,环境综合监测单元获取到环境风速后,将环境风速记录为F,将环境湿度记录为R,将可燃物数量记录为M,通过公式分析得到火点风险程度X,其中q为预设的系数,X、F、M均为无量纲数据,环境综合监测单元将火点风险程度X与预设的火点风险程度X0进行差值计算,并将差值计算的结果记录为环境风险Y,Y=(X-X0)3,当环境风险Y小于预设的环境风险阈值Y0时,生成环境低危信号,当环境风险Y大于预设的环境风险阈Y0时,生成环境高危信号,其中Y0大于0,环境综合监测单元并将环境高危信号和环境低危信号发送至火点监测单元;
火点监测单元获取到红外温度图像、明火位置、环境高危信号和环境低危信号,并进行综合分析,生成火点复燃风险信号,火点监测单元获取到明火位置后,生成火灾复燃警告;
火点监测单元获取到环境高危信号后,将高危易燃区域生成火灾复燃高危警告,将低危易燃区域生成火灾复燃低危警告;
火点监测单元获取到环境低危信号后,将高危易燃区域生成火灾复燃低危警告,对低危易燃区域不作出反应;
其中火灾复燃警告、火灾复燃高危警告和火灾复燃低危警告均为火点复燃风险信号,并将火点复燃风险信号发送至关联范围分析单元,
关联范围分析单元获取到所有的火点复燃风险信号,并对多个火点之间的位置进行分析,生成火点复燃传播风险信号,并将火点复燃传播风险信号通过网络进行发送,关联范围分析单元获取到环境风向,并将多个火点位置依照实际位置绘制平面图像,以每个火点位置沿环境风向方向绘制直线,记录为传播线,并计算每个火点位置距离传播线的直线距离,当火点位置距离传播线的直线距离小于预设的安全距离时,生成火点串联信号,火点串联信号表示两组火点在当前风向下存在相关联性,前一组火点复燃具有引燃下一组火点的风险,当火点位置距离传播线的直线距离大于等于预设的安全距离时,不做出反应。
本发明中,进行AI图像采集以及多图像对比确定闪烁的明火火焰确定明火出现,进行红外图像采集并通过红外温度图像确定明火的火焰温度,实现了对火点处的明火图像以及红外图像进行综合分析,提升了对复燃的火点进行监测的灵敏性和准确性,对环境因素进行采集,并通过公式量化分析处理的方式确定环境因素对火点复燃的促进作用,从而预测火点出现复燃的可能性,实现对复燃的预测能力,便于人员对有可能复燃的火点进行提前处理,通过对多个火点实施监测,并确定多个火点之间的关联性和相互干扰的能力,从而辅助人员进行火场整体统筹,进一步避免火点复燃和火情扩大的情况出现。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种基于AI图像识别的消防火灾复燃预测***,其特征在于,包括图像明火识别单元、温度图像监测单元、环境综合监测单元、火点监测单元和关联范围分析单元,所述温度图像监测单元能够对火点位置进行红外温度图像采集,并对采集到的红外温度图像进行分析,根据不同区域的温度位置划分高危易燃区域和低危易燃区域,并将划分后的红外温度图像发送至火点监测单元;
所述图像明火识别单元能够对火点位置进行图像采集,并将采集到的图像进行明火分析,获取到明火位置,同时通过温度图像监测单元获取到红外温度图像,将红外温度图像和明火位置进行复核确认,并将复核后的明火位置发送至火点监测单元;
所述环境综合监测单元能够获取到火点周围环境信息,其中环境信息包括环境风速、环境湿度、可燃物数量,所述环境综合监测单元对火点周围环境信息进行分析,生成环境高危信号和环境低危信号,并将环境高危信号和环境低危信号发送至火点监测单元;
所述火点监测单元获取到红外温度图像、明火位置、环境高危信号和环境低危信号,并进行综合分析,生成火点复燃风险信号,并将火点复燃风险信号发送至关联范围分析单元;
所述关联范围分析单元获取到所有的火点复燃风险信号,并对多个火点之间的位置进行分析,生成火点复燃传播风险信号,并将火点复燃传播风险信号通过网络进行发送;
图像明火识别单元获取到火点位置的图像后,对图像进行颜色筛选,将符合明火图像的区域记录为可疑明火点,并对可疑明火点进行持续监测,具体监测过程为:
将多次获取到的可疑明火点位置处的图像进行重合,若两组图像中的可疑明火点处的图像存在不同,则将其记录为图像变动,若两组图像中的可疑明火点处的图像相同,则将其记录为图像静止;
若可疑明火点处记录为图像变动的次数超过预设的次数上限,则生成明火监测信号,并将可疑明火点位置记录为明火位置,若可疑明火点处记录的图像变动次数未超过预设的次数上限,则仍然记录为可疑明火点位置;
所述图像明火识别单元获取到明火位置后,将明火位置所对应的图像与红外温度图像进行对比,并在红外温度图像中选取明火位置的对应位置,获取明火位置的对应位置的红外温度图像中所显示的温度,记录为火点温度,将火点温度与火点温度下限进行对比,若火点温度大于预设的火点温度下限,则仍然保留明火位置,若火点温度小于预设的火点温度下限,则将明火位置记录为可疑明火点位置;
所述环境综合监测单元获取到环境风速后,将环境风速记录为F,将环境湿度记录为R,将可燃物数量记录为M,通过公式分析得到火点风险程度X,,其中q为预设的系数,X、F、M均为无量纲数据,所述环境综合监测单元将火点风险程度X与预设的火点风险程度X0进行差值计算,并将差值计算的结果记录为环境风险Y,/>,当环境风险Y小于预设的环境风险阈值Y0时,生成环境低危信号,当环境风险Y大于预设的环境风险阈Y0时,生成环境高危信号,其中Y0大于0。
2.根据权利要求1所述的一种基于AI图像识别的消防火灾复燃预测***,其特征在于,所述温度图像监测单元获取到红外温度图像后,对红外温度图像中的温度进行数值分析,将红外温度图像中温度大于预设的温度阈值的位置标记为高危区域,将红外温度图像中温度小于等于预设的温度阈值的位置标记为低危区域;
所述温度图像监测单元在获取到一组红外温度图像后,将当前获取的红外温度图像与前一组获取的红外温度图像进行对比,计算两组红外温度图像上每个点的温度变化,并将温度升高的点记录为高危点,将温度降低或温度未发生变化的点记录为低危点;
所述温度图像监测单元将高危区域和高危点重合的位置记录为高危易燃区域,将其他位置记录为低危易燃区域。
3.根据权利要求1所述的一种基于AI图像识别的消防火灾复燃预测***,其特征在于,所述火点监测单元获取到明火位置后,生成火灾复燃警告;
所述火点监测单元获取到环境高危信号后,将高危易燃区域生成火灾复燃高危警告,将低危易燃区域生成火灾复燃低危警告;
所述火点监测单元获取到环境低危信号后,将高危易燃区域生成火灾复燃低危警告,对低危易燃区域不作出反应。
4.根据权利要求1所述的一种基于AI图像识别的消防火灾复燃预测***,其特征在于,所述关联范围分析单元获取到环境风向,并将多个火点位置依照实际位置绘制平面图像,以每个火点位置沿环境风向方向绘制直线,记录为传播线,并计算每个火点位置距离传播线的直线距离,当火点位置距离传播线的直线距离小于预设的安全距离时,生成火点串联信号,当火点位置距离传播线的直线距离大于等于预设的安全距离时,不做出反应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149725.2A CN117292311B (zh) | 2023-09-07 | 2023-09-07 | 一种基于ai图像识别的消防火灾复燃预测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149725.2A CN117292311B (zh) | 2023-09-07 | 2023-09-07 | 一种基于ai图像识别的消防火灾复燃预测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117292311A CN117292311A (zh) | 2023-12-26 |
CN117292311B true CN117292311B (zh) | 2024-06-07 |
Family
ID=89252671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311149725.2A Active CN117292311B (zh) | 2023-09-07 | 2023-09-07 | 一种基于ai图像识别的消防火灾复燃预测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117292311B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016038207A1 (de) * | 2014-09-13 | 2016-03-17 | Envites Energy Gesellschaft für Umwelttechnik und Energiesysteme mbH | Verfahren zum betrieb einer vorrichtung zur beherrschung eines brandes oder stoffaustrittes, insbesondere für lithiumbatterien |
CN106056824A (zh) * | 2016-08-01 | 2016-10-26 | 国网节能服务有限公司 | 一种生物质电厂料场火灾监测管理*** |
CN109598193A (zh) * | 2018-10-25 | 2019-04-09 | 安徽新浩信息科技有限公司 | 一种基于人工智能的火焰图像识别方法 |
CN112785809A (zh) * | 2020-12-31 | 2021-05-11 | 四川弘和通讯有限公司 | 一种基于ai图像识别火情复燃预测方法及*** |
CN114170755A (zh) * | 2021-11-04 | 2022-03-11 | 江苏鑫赛德智慧建设有限公司 | 一种火灾自动报警***安装施工方法 |
CN115400366A (zh) * | 2022-08-25 | 2022-11-29 | 中科海慧(北京)科技有限公司 | 一种基于遥感卫星数据处置森林火灾复燃的方法及*** |
CN116085213A (zh) * | 2023-01-05 | 2023-05-09 | 大唐都兰风力发电有限公司 | 一种风电机组智能预警方法及消防联动控制*** |
CN116229668A (zh) * | 2022-12-05 | 2023-06-06 | 江苏弘业环保科技产业有限公司 | 基于红外视频监测的火灾定位*** |
CN116612597A (zh) * | 2023-06-26 | 2023-08-18 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于数据分析的森林火灾监测预警*** |
-
2023
- 2023-09-07 CN CN202311149725.2A patent/CN117292311B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016038207A1 (de) * | 2014-09-13 | 2016-03-17 | Envites Energy Gesellschaft für Umwelttechnik und Energiesysteme mbH | Verfahren zum betrieb einer vorrichtung zur beherrschung eines brandes oder stoffaustrittes, insbesondere für lithiumbatterien |
CN106056824A (zh) * | 2016-08-01 | 2016-10-26 | 国网节能服务有限公司 | 一种生物质电厂料场火灾监测管理*** |
CN109598193A (zh) * | 2018-10-25 | 2019-04-09 | 安徽新浩信息科技有限公司 | 一种基于人工智能的火焰图像识别方法 |
CN112785809A (zh) * | 2020-12-31 | 2021-05-11 | 四川弘和通讯有限公司 | 一种基于ai图像识别火情复燃预测方法及*** |
CN114170755A (zh) * | 2021-11-04 | 2022-03-11 | 江苏鑫赛德智慧建设有限公司 | 一种火灾自动报警***安装施工方法 |
CN115400366A (zh) * | 2022-08-25 | 2022-11-29 | 中科海慧(北京)科技有限公司 | 一种基于遥感卫星数据处置森林火灾复燃的方法及*** |
CN116229668A (zh) * | 2022-12-05 | 2023-06-06 | 江苏弘业环保科技产业有限公司 | 基于红外视频监测的火灾定位*** |
CN116085213A (zh) * | 2023-01-05 | 2023-05-09 | 大唐都兰风力发电有限公司 | 一种风电机组智能预警方法及消防联动控制*** |
CN116612597A (zh) * | 2023-06-26 | 2023-08-18 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于数据分析的森林火灾监测预警*** |
Non-Patent Citations (3)
Title |
---|
The reburning thermal characteristics of residual structure of lignite pyrolysis;Xin, HH et la;ELSEVIER;20200101;全文 * |
化工场所火灾的复燃与防范;张云波;;消防技术与产品信息;20120815(08);全文 * |
基于ASTER影像的乌达火区遥感监测研究;李峰 等;煤矿安全;20161130;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117292311A (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462451B (zh) | 基于视频信息的秸秆焚烧检测报警*** | |
CN106485868B (zh) | 火情的监测方法、***和火情的监测服务器 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN113643495B (zh) | 一种用于火灾原因调查的智能辅助分析***及方法 | |
CN112002095A (zh) | 一种矿山洞内的火灾预警方法 | |
CN113936239A (zh) | 一种基于神经网络算法的智慧消防火情识别方法和*** | |
CN112785809B (zh) | 一种基于ai图像识别火情复燃预测方法及*** | |
CN109493561A (zh) | 一种基于图像处理的火灾监控*** | |
CN109410497B (zh) | 一种基于深度学习的桥洞空间安全监测与报警*** | |
CN111257507A (zh) | 一种基于无人机的气体浓度检测及事故预警*** | |
CN113160513A (zh) | 基于多传感器的火焰探测装置 | |
CN212782246U (zh) | 一种基于人工智能的烟火识别*** | |
CN114444386A (zh) | 一种基于bim和深度学习的火灾预警以及灾后楼板损伤预测方法、*** | |
CN116342999A (zh) | 超高压变电站开放空间火灾烟雾检测与识别方法 | |
CN114519304A (zh) | 一种基于分布式光纤测温的多目标火场温度预测方法 | |
CN117292311B (zh) | 一种基于ai图像识别的消防火灾复燃预测*** | |
CN116778192B (zh) | 一种基于空地设备协同的火灾安全预警*** | |
CN116206253A (zh) | 基于深度学习的工地动火行为检测判断方法及*** | |
CN115294718A (zh) | 一种基于多源数据融合的火灾预警*** | |
CN115331383A (zh) | 一种施工现场安全风险识别方法及*** | |
CN111882800B (zh) | 一种基于多维度数据联动的消防预警方法及*** | |
KR102524776B1 (ko) | 지하구 결함 탐지 시스템 | |
CN111414514B (zh) | 一种基于山东济南境内进行火焰检测的***及方法 | |
CN115862258B (zh) | 一种火灾监测与处置的***、方法、设备及存储介质 | |
CN115984067A (zh) | 一种用于城市地下空间关键区域的火灾监测预警*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |