Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于AI火情分析消防设备控制方法与系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:上海伟梦物联网科技有限公司

摘要:本发明涉及一种基于AI火情分析消防设备控制方法与系统,属于消防设备智能安全控制领域。其中,该方法包括获取火情监测视频流、实时火情监测数据,预设火情监测图像标准集和火情监测数据标准集并构建火情监测网格模型和火情监测阈值模型,将所述火情监测视频流中每一帧火情监测图像通过火情监测网格模型,得到火情监测图像状态标签,根据所述实时火情监测数据通过火情监测阈值模型得到火情监测异常值,根据所述火情监测图像状态标签和所述火情监测异常值输出消防设备运行指令。通过构建火情分析模型快速识别火情发生,精确输出消防设备运行指令。

主权项:1.一种基于AI火情分析消防设备控制方法,其特征在于,所述消防设备控制方法的实施包括以下步骤:S1:通过前端成像仪获取火情监测视频流,通过前端传感器获取实时火情监测数据,所述实时火情监测数据包括烟雾浓度数据和温度数据;S2:预设火情监测图像标准集和火情监测数据标准集并构建火情监测网格模型和火情监测阈值模型,所述火情监测网格模型基于火情监测特征值构建,根据所述火情监测特征值通过SSD算法和VGG神经网络生成火情监测卷积层,所述火情监测卷积层由五层火情监测卷积层组成,将所述火情监测卷积层根据所述火情监测特征值提取火情监测特征图并构建特征金字塔结构模型,所述火情监测阈值模型包括火情监测烟雾浓度差阈值模型和火情监测温度差阈值模型;S201:根据所述火情监测图像标准集通过机器训练构建火情监测网格模型;S201-1:所述火情监测图像标准集为历史火情监测图像的图片集,包括火情监测图像训练集和火情监测图像测试集;S201-2:根据所述火情监测图像标准集通过特征识别得到所述火情监测特征值,根据所述火情监测特征值通过SSD算法将VGG神经网络的最后两个全连接层合并后额外增加四层网络生成所述火情监测卷积层,所述火情监测卷积层由五层火情监测卷积层组成;S201-3:将所述火情监测卷积层根据所述火情监测特征值提取火情监测特征图;S201-4:根据所述火情监测特征图构建所述特征金字塔结构模型;S201-5:通过所述特征金字塔结构模型提取所述历史火情监测图像的多层火情监测特征图,并在所述多层火情监测特征图的每个像素点生成多层火情监测特征边界框,所述多层火情监测特征边界框包括多层火情监测特征先验框和多层火情监测特征真实框;S201-6:在所述多层火情监测特征图中预设所述多层火情监测特征图像素点对应的多层火情监测特征先验框位置,对所述多层火情监测特征先验框位置进行检测得到多层火情监测特征先验框位置预测值;S201-7:将所述多层火情监测特征先验框位置预测值和所述多层火情监测特征先验框位置转换为多层火情监测真实框位置;S201-8:对所述多层火情监测特征边界框与所述多层火情监测特征真实框位置进行交并比计算得到火情监测图像先验框目标检测;S201-9:根据所述多层火情监测特征图的尺寸和分辨率读取所述多层火情监测特征图像素点,并逐一复制所述多层火情监测特征图像素点得到多层火情像素点数据;通过多层火情像素点数据和所述多层火情像素点RGB建立初始火情监测网格模型得到火情发生区域网格面积,公式为: ,其中,S为火情发生区域网格面积,M为预设的二维矩阵,TT为所述多层火情像素点中存在火焰的像素点个数的分散点图,(i,j)为像素点RGB的取值;S201-10:通过所述火情监测图像训练集训练所述初始火情监测网格模型,并通过所述火情监测图像测试集测试训练后火情监测网格模型得到火情监测网格模型;S202:根据所述火情监测数据标准集构建火情监测阈值模型;S3:将所述火情监测视频流中每一帧火情监测图像通过所述火情监测网格模型,得到火情监测图像状态标签,所述火情监测图像状态标签包括火情监测图像正常状态标签和火情监测图像异常状态标签;S4:根据所述实时火情监测数据通过火情监测阈值模型得到火情监测异常值;S5:根据所述火情监测图像状态标签和所述火情监测异常值输出消防设备运行指令。

全文数据:

权利要求:

百度查询: 上海伟梦物联网科技有限公司 一种基于AI火情分析消防设备控制方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。