基于边缘计算和深度学习的消防灭火系统

本发明涉及物联网智慧消防，具体地，涉及一种基于边缘计算和深度学习的消防灭火系统。

背景技术：

1、为了加强消防安全管理水平，提高对火灾的自防自救能力以及火灾发生的响应能力，保护人身、财产安全，需要依照法律法规和国家有关规定，定期对各单位的消防安全管理水平进行评价，对于没有达到标准的单位进行整治。为了使消防产业更科技化、数字化，促进产业转型升级，需着力推动智慧消防产业，通过智能化改造实现“互联网+智慧消防”发展需求。

2、但是，在物联网服务中，由于数据传输和网络性能的局限性，现有的采用集中式云计算结构对物联网设备进行大量数据处理与分析时，显得效率较低。

3、因此，急需要提供一种能够快速有效地实现智慧消防、智能灭火的消防灭火系统。

技术实现思路

1、本发明的目的是提供一种基于边缘计算和深度学习的消防灭火系统，该基于边缘计算和深度学习的消防灭火系统操作方便，能够精准检测火情，大大提升消防灭火的效率。

2、为了实现上述目的，本发明提供了一种基于边缘计算和深度学习的消防灭火系统，该基于边缘计算和深度学习的消防灭火系统包括终端应用、边缘模块、探测模块和消防装置；其中，

3、探测模块通过引发器与消防装置相连接，用于探测到火情时发出控制指令触发消防装置灭火；并且，探测模块与边缘模块相连接，以将检测到的数据上传至边缘模块，由边缘模块传输到深度学习模型mask-rcnn进行火灾识别及反馈；

4、终端应用分别与探测模块和消防装置相连接，用于展示消防装置的设备状态以及火灾现场信息，并且，设置为能够远程手动控制消防装置启动灭火。

5、优选地，消防装置上设有用于记录数据的二维码，数据包括设备编号、设备地点以及设备安装时间。

6、优选地，消防装置包括灭火弹和喷淋器，其中，灭火弹为悬挂式氮气灭火弹。

7、优选地，探测模块包括火焰探测器、mq2烟雾探测器、dht11温度探测器、漏电探测器和视频探测器，并且设置为当火焰探测器监测到火焰信息时，同时dht11温度探测器判断温度、mq2烟雾探测器判断烟雾浓度是否达到阈值，如达到阈值则发出控制指令，本地自动触发灭火装置，并将视频探测器监测到的图像连同火焰、烟雾、温度数据上传至边缘模块。

8、优选地，边缘模块设置为能够利用边缘计算对温度、火焰、烟雾数据进行处理，利用深度学习模型mask-rcnn对视频图像进行火灾识别，并进行智能研判，包括：

9、若火势可控，且事发地点无人员活动，则自动控制灭火弹触发进行灭火；

10、若火势可控，事发地点有人员在场，则控制喷淋器进行灭火；

11、若火势过大，则自动控制灭火弹和喷淋器进行灭火，并自动触发紧急报警。

12、优选地，利用深度学习模型mask-rcnn进行火灾识别包括：首先，将视频图像输入到预训练好的resnet网络中，获取到特征图像；其次，对特征图像当中的每一个点设置感兴趣区域roi；然后，在rpn网络中对感兴趣区域进行分类和回归操作，筛选出一部分感兴趣区域；接着，对筛选出的感兴趣区域roi做roi align操作；最后，对roi进行分类，回归，生成mask，输出预测结果和得分率，检测到火焰报警。

13、优选地，深度学习模型mask-rcnn的损失函数为l＝lcls+lloc+lmask，其中，l为mask-rcnn的损失函数总和，lcls为分类损失，用于衡量模型对目标类别的分类准确性，lloc为定位损失，用于衡量模型对目标边界框的定位准确性，lmask为掩码损失，用于衡量模型对目标实例的像素级分割准确性。

14、优选地，终端应用包括电脑终端和手机终端，并设置为当电脑终端和手机终端接收到火情报警时，用户可在终端进行远程手动操作启动消防装置灭火。

15、优选地，消防装置设置为能够向终端应用反馈启动时间和设备信息。

16、优选地，终端应用内嵌入有路径规划算法，用于规划最短救援路径以供消防员救援过程当中按照最短路径前往救援。

17、根据上述技术方案，本发明通过探测模块实时探测各种传感器数据及视频监控数据，并将数据上传到边缘模块处理，利用深度学习模型智能研判火情，远程控制消防装置灭火。并且引入了边缘计算及深度学习，边缘计算解决了传统云服务器因距离物联网设备及用户距离远等问题，深度学习模型辅助火灾识别使得火灾监测精准，消防灭火效率大大提升。

18、本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种基于边缘计算和深度学习的消防灭火系统，其特征在于，所述基于边缘计算和深度学习的消防灭火系统包括终端应用、边缘模块、探测模块和消防装置；其中，

2.根据权利要求1所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，所述消防装置上设有用于记录数据的二维码，所述数据包括设备编号、设备地点以及设备安装时间。

3.根据权利要求2所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，所述消防装置包括灭火弹和喷淋器，其中，所述灭火弹为悬挂式氮气灭火弹。

4.根据权利要求3所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，所述探测模块包括火焰探测器、mq2烟雾探测器、dht11温度探测器、漏电探测器和视频探测器，并且设置为当所述火焰探测器监测到火焰信息时，同时所述dht11温度探测器判断温度、所述mq2烟雾探测器判断烟雾浓度是否达到阈值，如达到阈值则发出控制指令，本地自动触发所述灭火装置，并将所述视频探测器监测到的图像连同火焰、烟雾、温度数据上传至所述边缘模块。

5.根据权利要求4所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，所述边缘模块设置为能够利用边缘计算对温度、火焰、烟雾数据进行处理，利用深度学习模型mask-rcnn对视频图像进行火灾识别，并进行智能研判，包括：

6.根据权利要求5所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，利用深度学习模型mask-rcnn进行火灾识别包括：首先，将视频图像输入到预训练好的resnet网络中，获取到特征图像；其次，对特征图像当中的每一个点设置感兴趣区域roi；然后，在rpn网络中对感兴趣区域进行分类和回归操作，筛选出一部分感兴趣区域；接着，对筛选出的感兴趣区域roi做roi align操作；最后，对roi进行分类，回归，生成mask，输出预测结果和得分率，检测到火焰报警。

7.根据权利要求1所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，所述终端应用包括电脑终端和手机终端，并设置为当所述电脑终端和手机终端接收到火情报警时，用户可在终端进行远程手动操作启动所述消防装置灭火。

8.根据权利要求7所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，所述消防装置设置为能够向所述终端应用反馈启动时间和设备信息。

9.根据权利要求7所述的基于边缘计算和深度学习的消防灭火系统，其特征在于，所述终端应用内嵌入有路径规划算法，用于规划最短救援路径以供消防员救援过程当中按照最短路径前往救援。

技术总结本发明公开了一种基于边缘计算和深度学习的消防灭火系统，包括终端应用、边缘模块、探测模块和消防装置；其中，所述探测模块通过引发器与所述消防装置相连接，用于探测到火情时发出控制指令触发所述消防装置灭火；并且，所述探测模块与所述边缘模块相连接，以将检测到的数据上传至所述边缘模块，由所述边缘模块传输到深度学习模型Mask‑RCNN进行火灾识别及反馈；所述终端应用分别与所述探测模块和所述消防装置相连接，用于展示所述消防装置的设备状态以及火灾现场信息，并且，设置为能够远程手动控制所述消防装置启动灭火。该基于边缘计算和深度学习的消防灭火系统操作方便，能够精准检测火情，大大提升消防灭火的效率。技术研发人员：汪玉叶,陈付龙,陈士县,姜晨雨,李倩,田孝坤,方健平,童心悦受保护的技术使用者：安徽师范大学技术研发日：技术公布日：2024/3/31