一种火灾危害度计算方法、系统、设备及介质技术方案

本发明专利技术公开了一种火灾危害度计算方法、系统、设备及介质，所述方法包括以下步骤：配置无人车检测模块；搭建检测数据集；设置目标检测算法、灾情分析算法和危害度评估算法；基于无人车检测模块、目标检测算法和检测数据集执行巡逻检测操作，得到检测结果；基于灾情分析算法、危害度评估算法和检测结果计算火灾危害度；本发明专利技术能够通过地面无人系统对大型区域进行按需的火情检测，且检测过程可根据需求灵活控制，搭配地面无人系统也不需要安装大批量的传感器，操作便捷，使用成本低，搭配检测算法和分析算法，实现火情检测的同时对火灾危害程度进行评估，并能够实时将结果反馈至云端，极大的提高了火灾检测的准确性、高效性和灵活性。高效性和灵活性。高效性和灵活性。

【技术实现步骤摘要】
一种火灾危害度计算方法、系统、设备及介质


[0001]本专利技术涉及图像处理
，具体的，本专利技术应用于火灾检测领域，特别是涉及一种火灾危害度计算方法、系统、设备及介质。

技术介绍

[0002]目前，在城市、社区、公共场所等大型区域中，对于火情、火灾都有极高的防控要求，再者，现有技术中对无人系统的研究众多，但是针对大型区域中的无人巡逻消防系统的相关研发却很少，大多数大型区域中的无人系统主要负责物流运输和垃圾清洁等业务，并不具备进行火灾防控的功能逻辑，那么如果能通过大型区域中的无人巡逻系统进行火灾检测防控，则会节省更多的人力资源消耗，以及提高火灾防控的智能化程度。
[0003]现有技术中，关于火灾检测方式主要分为如下三大类：
[0004]第一类，为利用火焰传感器，通过火焰传感器发送的数据来判断火灾是否发生以及检测火势的情况；
[0005]第二类，是利用图像检索处理的方式来判断火灾是否发生以及检测火势的情况；
[0006]第三类，是通过深度学习的方式来对采集到的实时影像进行处理，从而得出火灾检测结果；
[0007]以上这几类现有技术中，分别存在如下几方面的问题：
[0008]第一方面，利用火焰传感器检测火灾的方法中，其对于灾情报警的触发条件是比较苛刻的，同时设备的成本较高以及安装过程较为繁琐，不适于大批量的应用，其在大型区域中的适用性较低；
[0009]第二方面，基于图像检索处理的方式虽然可以检测出火焰，但这种方式仅限于检测，其无法实时反馈出火焰的动态信息，图像检索处理的实时循环性较低，影响火灾的动态检测，同时图像检索处理受设备和环境因素影响较大，易影响检测准确率；
[0010]第三方面，基于深度卷积神经网络进行火焰检测时，大多采用现有的数据集进行模型训练，这会降低火焰检测的范围，有一定局限性，同时基于深度视觉的火灾检测只可以检测出火情，其对于火灾的危害程度不能给出具体的评估，结果可用性较差，再者，目前的AI技术并没有在地面无人平台上进行充分使用，技术落地困难，可实施性差；
[0011]综上所述，现有的火灾检测方法，无法利用地面无人系统进行高效、灵活、精准、动态的火情检测以及火灾危害程度评估，适用性和可实施性较差。

技术实现思路

[0012]本专利技术的目的在于，针对现有技术中的上述问题，提供一种火灾危害度计算方法、系统、设备及介质，进而解决现有技术中的火灾检测方法，无法利用地面无人系统进行高效、灵活、精准、动态的火情检测以及火灾危害程度评估，适用性和可实施性较差的问题。
[0013]为解决上述技术问题，本专利技术的具体技术方案如下：
[0014]一方面，本专利技术提供一种火灾危害度计算方法，包括以下步骤：
[0015]初始配置：
[0016]配置无人车检测模块；搭建检测数据集；设置目标检测算法、灾情分析算法和危害度评估算法；
[0017]火灾检测：
[0018]基于所述无人车检测模块、所述目标检测算法和所述检测数据集执行巡逻检测操作，得到检测结果；
[0019]危害度计算：
[0020]基于所述灾情分析算法、所述危害度评估算法和所述检测结果计算火灾危害度。
[0021]作为一种改进的方案，所述搭建检测数据集，包括：
[0022]获取开源火焰数据集；
[0023]获取检测火焰数据集；
[0024]基于所述检测火焰数据集进行数据变换扩充处理，得到扩充数据集；
[0025]令所述开源火焰数据集和所述扩充数据集作为所述检测数据集。
[0026]作为一种改进的方案，所述巡逻检测操作，包括：
[0027]采用所述检测数据集对所述目标检测算法进行深度学习训练，得到火灾检测模型；
[0028]确认巡逻区域，获取巡逻指令，基于所述巡逻指令控制所述无人车检测模块对所述巡逻区域进行巡逻驾驶；
[0029]进行所述巡逻驾驶时，基于所述火灾检测模型进行火灾检测。
[0030]作为一种改进的方案，所述基于所述火灾检测模型进行火灾检测，包括：
[0031]判断是否存在检测指令；
[0032]若存在，则调用所述无人车检测模块基于所述火灾检测模型进行火灾目标检测，得到火灾情况结果，设定所述火灾情况结果为所述检测结果；
[0033]若非存在，则保持所述无人车检测模块的所述巡逻驾驶。
[0034]作为一种改进的方案，所述基于所述灾情分析算法、所述危害度评估算法和所述检测结果计算火灾危害度，包括：
[0035]调用所述灾情分析算法对所述检测结果进行火焰占比分析，得到分析结果；
[0036]调用所述危害度评估算法对所述分析结果进行区间归属分析，得到所述火灾危害度。
[0037]作为一种改进的方案，所述灾情分析算法，包括：
[0038]识别所述检测结果；
[0039]确认所述检测结果所对应的检测距离；
[0040]确认所述检测结果中的目标火焰；
[0041]计算所述目标火焰在所述检测结果中的占比值；
[0042]基于所述检测距离和所述占比值进行加权求和计算，得到所述分析结果。
[0043]作为一种改进的方案，所述危害度评估算法，包括：
[0044]设定安全等级与占比映射策略；
[0045]按照所述安全等级与占比映射策略识别所述分析结果的第一安全等级；
[0046]设定所述第一安全等级为所述火灾危害度；
[0047]调用所述无人车检测模块将所述火灾危害度回传至云端。
[0048]另一方面，本专利技术还提供一种火灾危害度计算系统，包括：
[0049]初始配置单元、火灾检测单元和危害度计算单元；
[0050]初始配置单元，用于配置无人车检测模块，搭建检测数据集，设置目标检测算法、灾情分析算法和危害度评估算法；
[0051]火灾检测单元，用于根据所述无人车检测模块、所述目标检测算法和所述检测数据集执行巡逻检测操作，得到检测结果；
[0052]危害度计算单元，用于根据所述灾情分析算法、所述危害度评估算法和所述检测结果计算火灾危害度。
[0053]另一方面，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述火灾危害度计算方法的步骤。
[0054]另一方面，本专利技术还提供一种计算机设备，所述计算机设备包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；其中：
[0055]所述存储器，用于存放计算机程序；
[0056]所述处理器，用于通过运行所述存储器上所存放的程序来执行所述火灾危害度计算方法的步骤。
[0057]本专利技术技术方案的有益效果是：
[0058]1、本专利技术所述的火灾危害度计算方法，可以实现通过地面无人系统对大型区域进行按需的火情检测，且检测过程可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火灾危害度计算方法，其特征在于，包括以下步骤：初始配置：配置无人车检测模块；搭建检测数据集；设置目标检测算法、灾情分析算法和危害度评估算法；火灾检测：基于所述无人车检测模块、所述目标检测算法和所述检测数据集执行巡逻检测操作，得到检测结果；危害度计算：基于所述灾情分析算法、所述危害度评估算法和所述检测结果计算火灾危害度。2.根据权利要求1所述的一种火灾危害度计算方法，其特征在于：所述搭建检测数据集，包括：获取开源火焰数据集；获取检测火焰数据集；基于所述检测火焰数据集进行数据变换扩充处理，得到扩充数据集；令所述开源火焰数据集和所述扩充数据集作为所述检测数据集。3.根据权利要求1所述的一种火灾危害度计算方法，其特征在于：所述巡逻检测操作，包括：采用所述检测数据集对所述目标检测算法进行深度学习训练，得到火灾检测模型；确认巡逻区域，获取巡逻指令，基于所述巡逻指令控制所述无人车检测模块对所述巡逻区域进行巡逻驾驶；进行所述巡逻驾驶时，基于所述火灾检测模型进行火灾检测。4.根据权利要求3所述的一种火灾危害度计算方法，其特征在于：所述基于所述火灾检测模型进行火灾检测，包括：判断是否存在检测指令；若存在，则调用所述无人车检测模块基于所述火灾检测模型进行火灾目标检测，得到火灾情况结果，设定所述火灾情况结果为所述检测结果；若非存在，则保持所述无人车检测模块的所述巡逻驾驶。5.根据权利要求1所述的一种火灾危害度计算方法，其特征在于：所述基于所述灾情分析算法、所述危害度评估算法和所述检测结果计算火灾危害度，包括：调用所述灾情分析算法对所述检测结果进行火焰占比分析，得到分析结果；调用所述危害度评估算法对所述分析结果进行区间归属分析，得到所述火灾危害度...

【专利技术属性】
技术研发人员：刘翼，范丽丽，孟祥林，
申请(专利权)人：江苏智能无人装备产业创新中心有限公司，
类型：发明
国别省市：