摘 要：室內(nèi)火花探測(cè)與噴水自動(dòng)控制方法直接對(duì)火花圖像進(jìn)行識(shí)別，未對(duì)疑似火花區(qū)域面積變化率進(jìn)行計(jì)算，導(dǎo)致方法火花探測(cè)效果差，本文提出基于多傳感器融合的室內(nèi)火花探測(cè)與噴水自動(dòng)控制方法。基于多傳感器融合計(jì)算疑似火花區(qū)域的面積變化率，利用圖像識(shí)別技術(shù)對(duì)火花進(jìn)行自動(dòng)識(shí)別，根據(jù)識(shí)別結(jié)果制定相應(yīng)的智能化噴水控制策略，實(shí)現(xiàn)室內(nèi)火花探測(cè)與噴水自動(dòng)控制功能。試驗(yàn)結(jié)果表明，該研究方法在識(shí)別火花樣本方面更準(zhǔn)確，能夠更好地檢測(cè)實(shí)際存在的火花。

關(guān)鍵詞：多傳感器融合；室內(nèi)火花探測(cè)；噴水自動(dòng)控制；安全性監(jiān)控；火災(zāi)預(yù)防技術(shù)

中圖分類號(hào)：G 642" " " " " 文獻(xiàn)標(biāo)志碼：A

單一的傳感器在探測(cè)火花時(shí)存在局限性。光學(xué)傳感器對(duì)光照條件的變化較敏感，而熱傳感器則可能受到環(huán)境溫度的干擾。此外，傳統(tǒng)的噴水控制系統(tǒng)往往缺乏智能決策能力，無(wú)法根據(jù)火花的實(shí)際情況進(jìn)行精確控制，容易造成資源浪費(fèi)或控制不足。多傳感器融合技術(shù)為火花探測(cè)提供新的思路。通過(guò)融合不同傳感器的信息，可以有效提高探測(cè)的準(zhǔn)確性和可靠性。文獻(xiàn)[1]探討圖像火災(zāi)探測(cè)技術(shù)在綜合管廊中的應(yīng)用。圖像火災(zāi)探測(cè)技術(shù)通過(guò)攝像頭捕捉實(shí)時(shí)畫(huà)面，利用圖像處理算法識(shí)別火焰特征，從而對(duì)火災(zāi)進(jìn)行及時(shí)探測(cè)。但是對(duì)具體算法、傳感器類型、數(shù)據(jù)處理方法等關(guān)鍵技術(shù)細(xì)節(jié)的描述不夠深入。文獻(xiàn)[2]提出基于火災(zāi)探測(cè)技術(shù)的分散式氣體滅火裝置設(shè)計(jì)方案。該方案通過(guò)布置多個(gè)火災(zāi)探測(cè)器，實(shí)時(shí)監(jiān)測(cè)電氣柜內(nèi)的溫度、煙霧等參數(shù)，一旦發(fā)現(xiàn)火災(zāi)隱患，立即啟動(dòng)滅火裝置進(jìn)行滅火。但是缺乏對(duì)多種技術(shù)的綜合性分析和比較。

因此，本文提出基于多傳感器融合的室內(nèi)火花探測(cè)與噴水自動(dòng)控制方法。通過(guò)融合多種傳感器的信息，實(shí)現(xiàn)對(duì)火花的準(zhǔn)確探測(cè)功能；利用智能化控制策略，實(shí)現(xiàn)對(duì)噴水系統(tǒng)的精確控制功能。

1 基于多傳感器融合的室內(nèi)火花探測(cè)與噴水自動(dòng)控制方法設(shè)計(jì)

1.1 基于多傳感器融合計(jì)算疑似火花區(qū)域面積變化率

在室內(nèi)安全監(jiān)控領(lǐng)域，準(zhǔn)確、快速地識(shí)別并定位疑似火花區(qū)域?qū)︻A(yù)防火災(zāi)至關(guān)重要。利用多傳感器對(duì)室內(nèi)環(huán)境進(jìn)行實(shí)時(shí)監(jiān)測(cè)[3]。多傳感器捕捉不同物理參數(shù)的變化，對(duì)傳感器數(shù)據(jù)進(jìn)行融合處理，可以得到一個(gè)綜合的疑似火花區(qū)域識(shí)別結(jié)果，過(guò)程如下。

當(dāng)對(duì)圖像或固定間隔的圖像序列幀之間的差異進(jìn)行計(jì)算時(shí)，能夠有效地識(shí)別運(yùn)動(dòng)區(qū)域?？紤]視頻序列中連續(xù)幀之間的變化，可以設(shè)定Ft+n（x，y）和Ft（x，y）分別代表視頻流中相隔n幀的2幅圖像[4]。這里，F(xiàn)t+n（x，y）表示在時(shí)間t+n時(shí)的圖像，而Ft（x，y）表示在時(shí)間t時(shí)的圖像。為了凸顯出這2幀圖像之間的差異，計(jì)算其差值，得到差分圖像Dt（x，y）。這個(gè)計(jì)算過(guò)程遵循以下關(guān)系式，如公式（1）所示。

Dt（x，y）=|Ft+n（x，y）-Ft（x，y）|" " " （1）

對(duì)差分圖像Dt（x，y）進(jìn)行二值化處理，獲取運(yùn)動(dòng)區(qū)域圖像。在這個(gè)過(guò)程中，閾值T至關(guān)重要，須根據(jù)圖像中的光照變化、陰影影響以及噪聲水平來(lái)合理設(shè)定。閾值T能夠有效地區(qū)分運(yùn)動(dòng)區(qū)域與背景區(qū)域。不同圖像的閾值仍然接近0，像素值大于T閾值的區(qū)域是地面運(yùn)動(dòng)區(qū)域，像素值較小的區(qū)域被視為背景。通過(guò)公式（2）來(lái)實(shí)現(xiàn)二值化處理，將差分圖像中的每個(gè)像素值與閾值T進(jìn)行比較，從而得到二值化后的圖像，如公式（2）所示。

（2）

通常，火花特征幀之間的變化并不顯著，因此選擇合適的間隔幀數(shù)N顯得尤為重要。由于火花具有緩慢擴(kuò)散的特性，通過(guò)上述方法捕捉火花運(yùn)動(dòng)的邊緣信息，有助于準(zhǔn)確定位火花邊緣位置。

火花的分布特征也呈現(xiàn)一種獨(dú)特的模式。主要分布在火源周圍的頂部和兩側(cè)區(qū)域，并且這些區(qū)域會(huì)隨著火勢(shì)的發(fā)展而不斷變化[5]。在火花衍生的起始階段，火光區(qū)域會(huì)逐漸擴(kuò)大，初始階段其增長(zhǎng)速度相對(duì)較慢。在特定階段，氣泡的生成速度會(huì)迅速增加。到了后期階段，由于火勢(shì)的減弱或其他因素的影響，火光面積會(huì)逐漸減少。

為了更精確地分析火勢(shì)的變化情況，計(jì)Mi為第i幀圖像的疑似火花區(qū)域面積，基于多傳感器融合計(jì)算其動(dòng)態(tài)變化率如公式（3）所示。

（3）

火花的產(chǎn)生與發(fā)展是一個(gè)漸進(jìn)的過(guò)程，其相關(guān)參數(shù)R的值會(huì)隨著時(shí)間的推移而逐漸變化，呈現(xiàn)一種連續(xù)且平穩(wěn)的態(tài)勢(shì)。

1.2 火花圖像識(shí)別

通過(guò)多傳感器融合獲取的數(shù)據(jù)計(jì)算疑似火花區(qū)域的面積變化率，進(jìn)而利用圖像識(shí)別技術(shù)對(duì)火花進(jìn)行自動(dòng)識(shí)別。本文的識(shí)別方案為了消除視頻圖像中可能存在的噪聲和其他干擾因素，對(duì)視頻圖像序列進(jìn)行去噪平滑處理[6]。這個(gè)步驟的目的是提升圖像的質(zhì)量，為后續(xù)的分析提供更可靠的數(shù)據(jù)基礎(chǔ)，如公式（4）所示。

（4）

式中：G（x，y）為高斯函數(shù)；（x，y）為圖像中的像素坐標(biāo)；σ為高斯核的標(biāo)準(zhǔn)差，控制平滑的程度。

為了進(jìn)一步提高識(shí)別的準(zhǔn)確性，對(duì)候選疑似火花區(qū)域的顏色、紋理特征進(jìn)行分析。顏色特征可以反映火花在圖像中的色彩表現(xiàn)，而紋理特征可以描述火花區(qū)域的表面結(jié)構(gòu)和細(xì)節(jié)。對(duì)候選區(qū)域進(jìn)行小波高頻和低頻能量的分析。通過(guò)對(duì)比高頻和低頻能量的變化，可以進(jìn)一步判斷該區(qū)域是否包括火花，小波變換的公式涉及對(duì)圖像進(jìn)行多尺度、多方向的分解。以離散小波變換為例，如公式（5）所示。

W（i，k）=R∑f（n）ψj，k（n） " " " " " " " " " " （5）

式中：W（i，k） 為小波系數(shù)；f（n）為輸入信號(hào)；ψj，k（n） 為小波基函數(shù)；j和k分別為尺度和位置。

綜合以上步驟，最終判斷火花區(qū)域，其算法流程如圖1所示。

根據(jù)上述火花圖像識(shí)別流程圖，提取圖2中疑似火花的區(qū)域。在深入觀察圖2后，可以清晰地看到，火花特征的判斷表現(xiàn)得相當(dāng)出色，沒(méi)有出現(xiàn)任何漏報(bào)的情況。

在火花圖像識(shí)別的過(guò)程中，不僅依賴圖像質(zhì)量的提升，而且還通過(guò)細(xì)致的特征分析來(lái)提高識(shí)別的準(zhǔn)確性。顏色特征分析能夠精準(zhǔn)捕捉火花在圖像中的獨(dú)特色彩，而紋理特征分析深入探索了火花區(qū)域的微觀結(jié)構(gòu)和動(dòng)態(tài)變化。通過(guò)小波變換技術(shù)，更精細(xì)地捕捉火花的高頻和低頻能量特征，從而進(jìn)一步驗(yàn)證疑似火花區(qū)域的真實(shí)性。這種綜合多特征分析的識(shí)別方法，不僅提高了識(shí)別的準(zhǔn)確率，而且也增強(qiáng)了系統(tǒng)的魯棒性，使系統(tǒng)在復(fù)雜環(huán)境下依然能夠穩(wěn)定、準(zhǔn)確地識(shí)別火花區(qū)域。

1.3 制定智能化噴水控制策略

根據(jù)上述火花識(shí)別流程，制定一個(gè)相應(yīng)的智能化噴水控制策略，可以結(jié)合識(shí)別結(jié)果，利用控制算法和邏輯判斷來(lái)實(shí)現(xiàn)，具體內(nèi)容如下。

在上述火花識(shí)別的基礎(chǔ)上，根據(jù)環(huán)境數(shù)據(jù)計(jì)算當(dāng)前環(huán)境條件下的噴水需求，噴水需求指數(shù)如公式（6）所示。

Nw=W（i，k）Ta+Sb-Hg " " " （6）

式中：T為溫度；S為煙霧濃度；H為濕度；a、b和g為根據(jù)歷史數(shù)據(jù)和專家經(jīng)驗(yàn)確定的權(quán)重系數(shù)。

公式（6）在綜合考慮溫度、煙霧濃度和濕度等因素后再計(jì)算噴水需求指數(shù)。

根據(jù)噴水需求指數(shù)制定噴水策略，包括噴水的強(qiáng)度、范圍和持續(xù)時(shí)間。

噴水強(qiáng)度計(jì)算如公式（7）所示。

Iw=ktNt " " " " " " " "（7）

式中：k為噴水強(qiáng)度與噴水需求指數(shù)之間的轉(zhuǎn)換系數(shù)。

公式（7）將噴水需求指數(shù)轉(zhuǎn)換為實(shí)際的噴水強(qiáng)度。

噴水持續(xù)時(shí)間計(jì)算如公式（8）所示。

Dt=Ntr " " " " " " " " （8）

式中：r為噴水速率，表示單位時(shí)間內(nèi)噴水的量。

公式（8）根據(jù)噴水需求指數(shù)和噴水速率計(jì)算噴水持續(xù)時(shí)間。根據(jù)制定的噴水策略，啟動(dòng)噴水裝置，按照計(jì)算的噴水強(qiáng)度和持續(xù)時(shí)間進(jìn)行噴水。在噴水過(guò)程中，系統(tǒng)持續(xù)監(jiān)測(cè)環(huán)境數(shù)據(jù)，根據(jù)實(shí)際情況調(diào)整噴水策略。

通過(guò)以上流程，智能化噴水控制系統(tǒng)能夠根據(jù)實(shí)際環(huán)境條件計(jì)算噴水需求，制定合適的噴水策略，并精準(zhǔn)地執(zhí)行噴水操作，以達(dá)到預(yù)期的控制效果。

2 試驗(yàn)論證

為了驗(yàn)證基于多傳感器融合的室內(nèi)火花探測(cè)與噴水自動(dòng)控制方法的探測(cè)效果，建立一個(gè)合適的實(shí)驗(yàn)平臺(tái)，并與文獻(xiàn)方法[1]和文獻(xiàn)方法[2]進(jìn)行對(duì)比，試驗(yàn)如下。

2.1 試驗(yàn)準(zhǔn)備

試驗(yàn)準(zhǔn)備階段主要涵蓋了2個(gè)關(guān)鍵環(huán)節(jié)。1）建立1組全面的火焰數(shù)據(jù)樣本集。2）設(shè)置合理的可見(jiàn)光火焰檢測(cè)算法性能評(píng)估參數(shù)。

在基于多傳感器融合的室內(nèi)火花探測(cè)對(duì)比試驗(yàn)中，考慮火焰的分辨率和大小對(duì)可見(jiàn)火焰檢測(cè)算法性能的影響。為了系統(tǒng)地探究這些因素的影響，選取火焰圖像作為正樣本，該圖像來(lái)自公開(kāi)可用的CVP和火焰數(shù)據(jù)集，具有不同的火焰分辨率和大小特點(diǎn)。同時(shí)，為了形成對(duì)比，從C數(shù)據(jù)集中選擇火焰圖像作為負(fù)樣本，該圖像不包括火焰元素。

在樣本劃分方面，采用隨機(jī)抽樣的方法，將80%的正樣本和負(fù)樣本組成訓(xùn)練集，用于訓(xùn)練可見(jiàn)火焰檢測(cè)算法。剩余的20%樣本組成測(cè)試集，用于評(píng)估算法的性能。具體的劃分情況見(jiàn)表1。

在基于多傳感器融合的室內(nèi)火花探測(cè)對(duì)比試驗(yàn)中，使用標(biāo)簽來(lái)標(biāo)記樣本。其中，標(biāo)記為“1”的代表陽(yáng)性樣本，即包括火花的圖像；而標(biāo)記為“0”的代表陰性樣本，即不包括火花的圖像。

為充分展現(xiàn)3種方法之間的性能差異，選擇召回率（Recall Rate，RR）作為算法性能評(píng)價(jià)的關(guān)鍵參數(shù)。召回率的計(jì)算如公式（9）所示。

（9）

式中：TP為算法正確識(shí)別的火花樣本數(shù)量，即真正例（True Positive）；FP為算法錯(cuò)誤地將非火花樣本識(shí)別為火花樣本的數(shù)量，即假正例（ Positive）。

選擇Windows 10作為測(cè)試系統(tǒng)。在算法規(guī)劃方面，采用Keras深度學(xué)習(xí)框架。算法的網(wǎng)絡(luò)模型初始學(xué)習(xí)率設(shè)置為1.001。將第1節(jié)的方法應(yīng)用到測(cè)試系統(tǒng)中，需要設(shè)置參數(shù)，相關(guān)參數(shù)如下。1）視頻處理參數(shù)。幀間隔為5幀（視頻幀率為30f/s，幀間隔約為0.17s），閾值為20（灰度值范圍0～255）。2）高斯平滑參數(shù)。標(biāo)準(zhǔn)差σ設(shè)置為1.5。3）火花識(shí)別參數(shù)。小波變換參數(shù)選擇Haar小波基函數(shù)，進(jìn)行3層小波分解。4）顏色特征閾值。在HSV顏色空間中，設(shè)置H（色調(diào)）范圍為[0， 10]和[165， 180]（對(duì)應(yīng)于紅色到橙色的范圍），S（飽和度）大于50，V（亮度）大于100。5）紋理特征閾值?；谛〔ㄗ儞Q的高頻能量與低頻能量之比，設(shè)定閾值為0.3（表示高頻能量占比超過(guò)低頻能量的30%）。6）噴水控制參數(shù)。設(shè)定溫度權(quán)重a=0.3，煙霧濃度權(quán)重b=0.4，濕度權(quán)重c=0.2，疑似火花區(qū)域面積變化率權(quán)重d=0.1，噴水強(qiáng)度轉(zhuǎn)換系數(shù)k=10（單位：L/min/單位噴水需求指數(shù)），噴水速率v=50L/min（初始設(shè)定）。

引入AM RetinexNet圖像改進(jìn)算法來(lái)優(yōu)化圖像處理步驟。隨后，在優(yōu)化后的圖像上進(jìn)行網(wǎng)絡(luò)訓(xùn)練。為了全面評(píng)估算法的性能，分別使用了文獻(xiàn)方法[1]、文獻(xiàn)方法[2]以及本文提出的方法進(jìn)行檢測(cè)，并將火焰檢測(cè)結(jié)果整理在表2中。

2.2 對(duì)比試驗(yàn)

由表2可知，本文方法在3次試驗(yàn)中均具有較高的召回率，方法性能更優(yōu)。與文獻(xiàn)方法[1]和文獻(xiàn)方法[2]相比，本文方法的召回率均有所提升，這表明本文方法在識(shí)別火花樣本方面更準(zhǔn)確，能夠更好地檢測(cè)實(shí)際存在的火花。

3 結(jié)語(yǔ)

隨著科技的不斷進(jìn)步、智能化技術(shù)的快速發(fā)展，基于多傳感器融合的室內(nèi)火花探測(cè)與噴水自動(dòng)控制方法已經(jīng)成為保障室內(nèi)安全的重要技術(shù)手段。本文對(duì)該方法進(jìn)行深入探討，旨在提升室內(nèi)安全監(jiān)控的智能化水平，有效預(yù)防和應(yīng)對(duì)火災(zāi)等安全隱患。通過(guò)多傳感器融合技術(shù)的應(yīng)用，實(shí)現(xiàn)對(duì)室內(nèi)火花的準(zhǔn)確探測(cè)，提高了探測(cè)的準(zhǔn)確性和可靠性。噴水自動(dòng)控制方法的引入，使滅火工作更高效和精準(zhǔn)。本文所探討的基于多傳感器融合的室內(nèi)火花探測(cè)與噴水自動(dòng)控制方法為提升室內(nèi)安全監(jiān)控水平提供了新的思路和解決方案。

參考文獻(xiàn)

[1]曾小峰，姚雷雷，劉師偉，等.圖像火災(zāi)探測(cè)技術(shù)在綜合管廊中的應(yīng)用探究[J].智能建筑與智慧城市，2023（9）： 139-141.

[2]謝丹，李越，洪偉藝，等.變電站電氣柜火災(zāi)探測(cè)及分散式氣體滅火裝置設(shè)計(jì)[J].消防科學(xué)與技術(shù)，2023，42（8）： 1126-1130.

[3]林輝，萬(wàn)小軍.基于火花探測(cè)器的工業(yè)電爐變電站火災(zāi)探測(cè)及定位系統(tǒng)[J].工業(yè)加熱，2023，52（6）：58-62.

[4]王喆，李享，楊棟梁，等.基于YOLOv5s的城鎮(zhèn)森林交界域火災(zāi)探測(cè)模型[J].中國(guó)安全科學(xué)學(xué)報(bào)，2023，33（6）：152-158.

[5]李開(kāi)遠(yuǎn)，袁宏永，陳濤，等.基于TDLAS的光學(xué)探針式初期火災(zāi)探測(cè)系統(tǒng)[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2023， 63（6）： 910-916.

[6]馮俊宗，何光層，代航，等.基于數(shù)據(jù)融合技術(shù)的無(wú)人值守變電站火災(zāi)探測(cè)算法研究 [J].消防科學(xué)與技術(shù)，2022， 41（9）：1281-1286.