[发明专利]基于神经网络与图像识别技术的火灾探测方法及系统

权利要求书

1.一种基于神经网络与图像识别技术的火灾探测方法，其特征在于，包括以下步骤：

步骤S1:获取火灾探测传感器的传感器信息，并进行归一化处理；

步骤S2:将归一化后的传感器信息输入BP神经网络进行融合，得到火情概率；

步骤S3:根据现场图像，采用图像识别模型进行明火识别，识别到火焰则输出为1，否则为0；

步骤S4:根据BP神经网络得到火情概率和图像识别模型的识别结果，进行火情判断，得到最终的火情判断情况。

2.根据权利要求1所述的基于神经网络与图像识别技术的火灾探测方法，其特征在于，所述火灾探测传感器包括温度传感器、烟雾传感器和CO传感器。

3.根据权利要求1所述的基于神经网络与图像识别技术的火灾探测方法，其特征在于，所述火情概率包括明火概率，阴燃火概率以及无火概率。

4.根据权利要求3所述的基于神经网络与图像识别技术的火灾探测方法，其特征在于，所述步骤S4具体为：根据BP神经网络得到火情概率和图像识别模型的识别结果进行火情判别；

正常情况下，根据BP神经网络得到火情概率进行火情判断，

若出现下列情况，有火概率和无火概率接近，且概率都在0.4-0.5左右；明火概率与阴燃火概率接近，且概率都在0.4-0.5左右；则辅助图像识别模型的识别结果进行火情判断。

5.根据权利要求1所述的基于神经网络与图像识别技术的火灾探测方法，其特征在于，所述BP神经网络模型分为输入层，隐藏层以及输出层；所述输入层包括三个输入节点，分别为温度，烟雾，一氧化碳传感器归一化数值，隐藏层包括N个节点，N的值可以通过训练获得，输出层包括明火概率，阴燃概率以及无火概率三个节点；并通过使用特征传感器数值以及获得的相对应的火情概率，训练出该BP神经网络不同层之间的连接权值。

6.根据权利要求1所述的基于神经网络与图像识别技术的火灾探测方法，其特征在于，所述图像识别模型采用基于深度学习的机器视觉技术YOLO v3算法。

7.一种基于神经网络与图像识别技术的火灾探测系统，其特征在于，包括温度传感器、烟雾传感器、CO传感器、图像传感器、信号处理单元、图像数据处理单元、和火情判断单元；所述信号处理单元与温度传感器、烟雾传感器、CO传感器分别连接；所述图像传感器与图像数据处理单元连接；所述火情判断单元与信号处理单元、图像数据处理单元分别连接。