[发明专利]一种基于云-边智能的井下危险源检测方法

权利要求书

1.一种基于云-边智能的井下危险源检测方法，其特征在于，包括以下步骤：

步骤1、云边参数优化

选用SSD网络模型作为检测模型，并将提取目标初步特征的VGG-16网络换成MobileNet网络，SSD网络模型与MobileNet网络组成的MobileNet-SSD目标检测模型，减少模型提取深度特征部分的网络深度，将数据集图片进行翻转、裁剪，去除多余物体，局部放大目标；

步骤2、煤矿的云-边检测体系

将摄像头及多传感器部署在边缘设备上，在边缘侧实现实时检测，多传感器包括温度传感器、烟雾传感器和CO传感器；

具体按照以下步骤实施：

S21、将步骤1中MobileNet-SSD目标检测模型进行训练，并将训练好的模型移植在边缘摄像头上；

S22、视频处理模块调用摄像头获取视频帧，然后将获取的图片传递给图像分析和检测模块；

S23、将S22中获取的图片传输到Cambricon1H8边缘智能设备的动态随机存取存储器中，程序调用嵌入在Cambricon1H8边缘智能设备中的神经网络模型来处理图片并识别图片中的烟火，然后将烟火的位置传递到OSD检测目标叠加模块；

S24、程序每0.5秒识别一次图像，仅当在三个连续的图片上识别出烟火时，才认为当前有火焰或者烟雾产生；

S25、温度传感器、烟雾传感器和CO传感器辅助摄像头检测，实时检测异常情况；

步骤3、边缘侧多传感器融合的危险源感知

对步骤2中摄像头及多传感器检测到的信息进行动态加权融合处理，判断是否有火焰产生；

步骤4、多网络融合网络

将步骤2、步骤3多设备检测的信息多网络融合无线传输到上位机。

2.根据权利要求1所述的一种基于云-边智能的井下危险源检测方法，其特征在于，所述步骤3具体按照以下步骤实施：

S31、定义动态加权判决算法，如下所示：

F＝[a₁,a₂,a₃,a₄][b₁,b₂,b₃,b₄]^T

其中a₁、a₂、a₃、a₄分别为摄像头、温度传感器、烟雾传感器、CO传感器检测到的结果，a₁、a₂、a₃、a₄的取值为1或0，其中当a₁＝0时表示摄像头未检测到火焰，当a₁＝1时表示摄像头检测到火焰；当a₂＝0时表示井下温度在正常工作范围内，当a₂＝1时表示井下温度已经超过正常情况；当a₃＝0时表示井下没有烟雾或者烟雾浓度忽略不计，当a₃＝1时表示井下烟雾浓度异常；当a₄＝0时表示井下CO的浓度在正常的范围内，当a₄＝1时表示井下CO的浓度异常；b₁、b₂、b₃、b₄为实验得出的权重参数，b₁、b₂、b₃、b₄的值加起来和为1；

S32、针对摄像头检测到有火焰时，设置参数b₁、b₂、b₃、b₄分别为0.75、0.12、0.05、0.08，设置阈值F_e为0.80；

S33、将步骤2中检测到的结果分别乘上权重加权求和，得到值F与阈值F_e比较大小，当FF_e时，表示检测到危险源烟火，当FF_e时，表示未检测到危险源；

S34、针对摄像头没有检测到火焰但传感器检测到异常情况时，设置参数b₂、b₃、b₄分别为0.4、0.2、0.4，设置阈值F_e为0.6；

S35、将步骤2中检测到的结果分别乘上权重加权求和，得到值F与阈值F_e比较大小，当F≥F_e时，表示检测到危险源烟火，当FF_e时，表示未检测到危险源；

S36、根据步骤S33或步骤S35得出的判决结果，判断是否发出危险警报。

3.根据权利要求1所述的一种基于云-边智能的井下危险源检测方法，其特征在于，所述步骤4具体按照以下步骤实施：

S41、使用ZigBee网络，多个传感器终端节点、摄像头终端节点、巡检机器人的通信节点无线连接到ZigBee协调器；

S42、将S41中的ZigBee协调器无线连接到嵌入式智能网关，嵌入式智能网关与路由器连接；

S43、上位机通过路由器产生的WiFi，接收到传感器、摄像头检测到的信息以及巡检机器人反馈回来的巡检。