一种全视场火情探测人工智能灭火系统
技术领域
本发明涉及人工智能技术领域，具体为一种全视场火情探测人工智能灭火系统。
背景技术
目前，随着社会科技的不断发展，人工智能系统是一种能模拟生物脑神经元在大脑中的真实链接，并对外来信号有自主分析能力的智能系统。然而，传统的火灾系统，一般由火灾探测器、区域报警器组成，由于探测器的智能性较差，往往发生误报、延报，导致系统的功能性大大降低，同时在消防队来之前，难以对火灾发生点进行预处理，延长了灭火时间。
为此，我们提出了一种全视场火情探测人工智能灭火系统来解决上述问题。
发明内容
针对现有技术的不足，本发明提供了一种全视场火情探测人工智能灭火系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种全视场火情探测人工智能灭火系统，包括用于接收信息的人工智能平台、还有与人工智能平台相连的火情探测模块、人机交互模块、灭火模块；
所述人工智能平台，用于接收各模块监测到的数据信息并进行分析处理，人工智能平台按照分析后的输出结果，根据人工智能联动策略和灭火模块的布局位置，分析出火灾发生点与最近的某个灭火模块的布局位置关联性，并可以控制灭火模块前往指定区域的火灾发生点进行灭火处理；
所述火情探测模块包括火焰图像采集设备以及烟气图像采集设备，所述火焰图像采集设备用于对采集的火焰图像进行预处理，并传递给人工智能平台进行几何特征的分析，所述烟气图像采集设备用于对采集的烟气图像进行预处理，并传递给人工智能平台进行几何特征的分析；
所述人机交互模块包括区域内分布式安装的扩音器和电子显示屏，所述扩音器用于对区域内可能存在的有关人员进行预警播报，并说明火灾发生点的具体位置，所述电子显示屏对区域内的火灾发生点进行标注，并显示具体的逃生路线；
所述灭火模块包括了多个用于灭火的消防机器人，消防机器人采用激光导航，通过激光测距的方法生成区域地图，在此基础上合理地规划消防机器人的灭火路线，它的顶端设置有一个可旋转的激光发射头和配套接收器，通过发射激光扫描自身到边界每个点的距离，从而生成灭火的具体路线，为后续赶到的多个消防机器人提供合理的灭火路线。
进一步优化本技术方案，所述火情探测模块中的火焰图像采集设备、烟气图像采集设备均基于全景布局进行区域分布式安装，所述火焰图像采集设备、烟气图像采集设备采用360°高清探头和高速转球摄像设备的组合来获取实时全视场的火焰图像和烟气图像。
进一步优化本技术方案，所述火焰图像和烟气图像的几何特征包括了火焰的面积、烟气轮廓的面积、火焰的边缘周长、烟气轮廓的边缘周长，所述火焰、烟气的面积基于多张静态图像的数据由人工智能平台加权平均进而得出，所述火焰、烟气的边缘周长基于多张静态图像的数据由人工智能平台加权平均进而得出，输出为分析后的火焰图像和烟气图像的几何数据。
进一步优化本技术方案，述火焰图像和烟气图像的几何数据通过圆形度的计算公式计算出火焰的圆形度和烟气的圆形度，并按照火焰的圆形度和烟气的圆形度不同的预设阀值，判断是否为火灾事故。
进一步优化本技术方案，所述烟气圆形度的预设阀值为3，若计算出烟气的圆形度大于3的图像则判定为火灾事故的烟气图像，反之则判定为非火灾事故的烟气图像，所述火焰圆形度的预设阀值为2，若计算出火焰的圆形度大于2的图像则判定为火灾事故的火焰图像，反之则判定为非火灾事故的火焰图像。
进一步优化本技术方案，所述灭火模块中的消防机器人包括了多个喷射口，喷射口的喷射方式采用射流型，根据不同的着火的危险品选用不同的喷射口进行针对性的灭火。
进一步优化本技术方案，所述多个喷射口连接了不同类型的灭火物品，例如水、二氧化碳、干粉等多种基于物理或化学原理的灭火物品。
进一步优化本技术方案，所述人工智能平台基于人工神经网络运算技术，模拟人类或动物大脑中神经细胞的活动方式，在每次灭火后，将相关的数据加入卷积神经网络模型参数，对模型进行训练，并将训练好的模型进行存储，形成系统预设的数据运算模型用于对数据进行分析处理，使得后续的卷积神经网络模型提高识别准确率。
与现有技术相比，本发明提供了一种全视场火情探测人工智能灭火系统，具备以下有益效果：
该全视场火情探测人工智能灭火系统，基于全视场的分布式布局的火情探测模块对火灾发生点进行判断，并通过人工智能与消防机器人的布局位置进行联动，可以快速的对火灾发生点进行灭火预处理，并根据着火危险品的类型，选择对应的灭火物品进行灭火，从而防止火灾的规模扩大。
附图说明
图1为本发明提出的一种全视场火情探测人工智能灭火系统的结构示意图。
具体实施方式
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
请参阅图1，一种全视场火情探测人工智能灭火系统，包括用于接收信息的人工智能平台、还有与人工智能平台相连的火情探测模块、人机交互模块、灭火模块；
所述人工智能平台，用于接收各模块监测到的数据信息并进行分析处理，人工智能平台按照分析后的输出结果，根据人工智能联动策略和灭火模块的布局位置，分析出火灾发生点与最近的某个灭火模块的布局位置关联性，并可以控制灭火模块前往指定区域的火灾发生点进行灭火处理；
所述火情探测模块包括火焰图像采集设备以及烟气图像采集设备，所述火焰图像采集设备用于对采集的火焰图像进行预处理，并传递给人工智能平台进行几何特征的分析，所述烟气图像采集设备用于对采集的烟气图像进行预处理，并传递给人工智能平台进行几何特征的分析；
所述人机交互模块包括区域内分布式安装的扩音器和电子显示屏，所述扩音器用于对区域内可能存在的有关人员进行预警播报，并说明火灾发生点的具体位置，所述电子显示屏对区域内的火灾发生点进行标注，并显示具体的逃生路线；
所述灭火模块包括了多个用于灭火的消防机器人，消防机器人采用激光导航，通过激光测距的方法生成区域地图，在此基础上合理地规划消防机器人的灭火路线，它的顶端设置有一个可旋转的激光发射头和配套接收器，通过发射激光扫描自身到边界每个点的距离，从而生成灭火的具体路线，为后续赶到的多个消防机器人提供合理的灭火路线。
具体的，所述火情探测模块中的火焰图像采集设备、烟气图像采集设备均基于全景布局进行区域分布式安装，所述火焰图像采集设备、烟气图像采集设备采用360°高清探头和高速转球摄像设备的组合来获取实时全视场的火焰图像和烟气图像。
具体的，所述火焰图像和烟气图像的几何特征包括了火焰的面积、烟气轮廓的面积、火焰的边缘周长、烟气轮廓的边缘周长，所述火焰、烟气的面积基于多张静态图像的数据由人工智能平台加权平均进而得出，所述火焰、烟气的边缘周长基于多张静态图像的数据由人工智能平台加权平均进而得出，输出为分析后的火焰图像和烟气图像的几何数据。
具体的，述火焰图像和烟气图像的几何数据通过圆形度的计算公式计算出火焰的圆形度和烟气的圆形度，并按照火焰的圆形度和烟气的圆形度不同的预设阀值，判断是否为火灾事故。
其中，圆形度的计算公式为面积乘上4π除以周长的平方，即e=（4π*面积）/（周长*周长）。
具体的，所述烟气圆形度的预设阀值为3，若计算出烟气的圆形度大于3的图像则判定为火灾事故的烟气图像，反之则判定为非火灾事故的烟气图像，所述火焰圆形度的预设阀值为2，若计算出火焰的圆形度大于2的图像则判定为火灾事故的火焰图像，反之则判定为非火灾事故的火焰图像。
具体的，所述灭火模块中的消防机器人包括了多个喷射口，喷射口的喷射方式采用射流型，根据不同的着火的危险品选用不同的喷射口进行针对性的灭火。
具体的，所述多个喷射口连接了不同类型的灭火物品，例如水、二氧化碳、干粉等多种基于物理或化学原理的灭火物品。
具体的，所述人工智能平台基于人工神经网络运算技术，模拟人类或动物大脑中神经细胞的活动方式，在每次灭火后，将相关的数据加入卷积神经网络模型参数，对模型进行训练，并将训练好的模型进行存储，形成系统预设的数据运算模型用于对数据进行分析处理，使得后续的卷积神经网络模型提高识别准确率。
本发明的有益效果是：该全视场火情探测人工智能灭火系统，基于全视场的分布式布局的火情探测模块对火灾发生点进行判断，并通过人工智能与消防机器人的布局位置进行联动，可以快速的对火灾发生点进行灭火预处理，并根据着火危险品的类型，选择对应的灭火物品进行灭火，从而防止火灾的规模扩大。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
