[发明专利]基于深度学习的多波段红外热释电火焰探测器及探测方法

说明书

本发明公开了基于深度学习的多波段红外热释电火焰探测器及探测方法，包括：数据采集单元、信号处理单元及模型监测单元；数据采集单元，用于对环境数据进行采集及标注，得到标注环境数据，其中环境数据包括日光数据、人体数据及火焰数据；信号处理单元，用于对标注环境数据进行预处理及构建深度学习模型；模型监测单元，用于基于深度学习模型进行火灾监测，得到监测结果。通过以上技术方案，本发明充分利用卷积神经网络在图像处理方面的优势，能够提高对火焰识别的准确率。

技术领域

本发明属于火灾探测器技术领域，特别是涉及基于深度学习的多波段红外热释电火焰探测器及探测方法。

背景技术

火灾探测器是火灾探测系统最重要的组成部分之一，最常见的有光电感烟探测器、粒子感烟探测器、感温探测器和图像型火灾探测器等。光电和粒子型感烟探测器主要对烟雾颗粒进行探测并实现报警，而感温探测器主要通过感知温度变化进行火灾报警，这三种方法都存在一定的延迟，必须烟雾颗粒或者火灾造成的温度变化到达探测器才能够做出响应。图像型火灾探测器作为一种新型的特种火灾探测器技术还不够成熟，目前还存在一定的误报率和漏报率，不能很好的满足用户需求。

现有技术中红外火灾探测系统，记录一段时间内场地的不同视域中温度变化，以检测早期或晚期火灾，基于温度变化判断是即将发生火灾或其他相关情况的提示。但该探测系统仅是简单的根据温度变化进行是否发生火灾的判断，并未进行环境温度、其他热源等多种干扰情况下的判断分析，可能存在一定的误报。

发明内容

本发明的目的是提供一种基于深度学习的多波段红外热释电火焰探测器，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种基于深度学习的多波段红外热释电火焰探测器，包括：数据采集单元、信号处理单元及模型监测单元；

所述数据采集单元，用于对环境数据进行采集及标注，得到标注环境数据，其中所述环境数据包括日光数据、人体数据及火焰数据；

所述信号处理单元，用于基于深度学习模型对所述标注环境数据进行分析；

所述模型监测单元，用于基于所述深度学习模型进行火灾监测，得到监测结果。

优选地，所述数据采集单元包括：若干个红外热释电传感器和数据标注单元；

所述红外热释电传感器，用于检测环境中的电磁波波段，获得环境数据；

所述数据标注单元，用于对所述环境数据进行标注，得到标注环境数据。

优选地，所述电磁波段包括：日光数据的电磁波段、人体数据的电磁波段及火焰数据的电磁波段。

优选地，所述信号处理单元包括：信号预处理单元和信号分析单元；

所述信号预处理单元，用于对所述标注环境数据进行预处理，得到二维数据帧；

所述信号分析单元，用于基于训练好的深度学习模型对所述二维数据帧进行分析。

优选地，所述模型监测单元包括：报警输出单元和环境数据监测单元；

所述报警输出单元，用于输出报警信号；

所述环境数据监测单元，用于监测所述环境数据。

优选地，还包括报警显示单元和电源供给单元；

所示报警显示单元，用于将所述报警信号进行显示；

所述电源供给单元，用于对所述数据采集单元、所述信号处理单元、所述模型监测单元及所示报警显示单元进行供电。

另一方面，为了实现上述技术目的，本发明提供了一种基于深度学习的多波段红外热释电火焰探测器的探测方法，包括以下步骤：