【技术实现步骤摘要】
本专利技术属于火灾识别，具体是一种基于ai图像的火灾识别报警方法及火灾探测器。
技术介绍
1、在当前的图像识别
，尤其是在火灾监测这一关键应用中，传统的方法面临着诸多挑战。首先，构建一个高效且准确的图像识别模型是一个复杂且资源密集型的任务。这一过程不仅要求大量的数据收集与标注工作，还需要强大的计算资源和专业的技术人员进行长时间的模型训练与优化。即便如此，训练完成的模型在实际部署到用户现场时，往往会因为实地环境的复杂性、光照条件的变化、遮挡物存在等不可控因素，导致识别精度显著下降，进而出现误报或漏报的情况，严重影响火灾监测的准确性和可靠性。
2、此外，当模型在用户端表现出不足时，对其进行调整和优化变得尤为困难。一方面，用户可能不具备专业的技术知识和资源来直接修改模型；另一方面，即便有技术人员介入，由于需要再次进行现场数据采集、模型训练等一系列繁琐步骤，调整过程不仅耗时较长，而且效率低下，难以满足用户在紧急情况下对快速响应和高精度监测的迫切需求。
3、鉴于上述问题，市场上迫切需要一种更加灵活、高效且适应性强的火灾监测解决方案；基于此，本专利技术提供了一种基于ai图像的火灾识别报警方法及火灾探测器。
技术实现思路
1、为了解决上述方案存在的问题，本专利技术提供了一种基于ai图像的火灾识别报警方法及火灾探测器。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于ai图像的火灾识别报警方法，方法包括：
4、步骤一：由
5、步骤二：获取用户的火灾监测需求，根据所述火灾监测需求识别需要进行火灾监测的目标区域；从所述模型库中匹配符合所述火灾监测需求的火灾识别模型，标记为主识别模型。
6、进一步地，从模型库中匹配符合火灾监测需求的主识别模型的方法包括：
7、根据所述火灾监测需求识别用户的监测要求，采集所述目标区域的场景信息；将所述场景信息和监测要求输入到所述模型库中与各模型信息进行匹配，获得匹配的各火灾识别模型，标记为待选识别模型；
8、对各所述待选识别模型进行筛选，获得主识别模型。
9、进一步地，对各待选识别模型进行筛选的方法包括：
10、识别所述场景信息与各所述待选识别模型相匹配的应用场景，获取各所述场景信息的精确度；
11、对所述场景信息与各所述待选识别模型进行场景变化适应分析，获得各所述待选识别模型对应的场景适应值，所述场景适应值的取值范围为[1，10]；
12、将精确度标记为μ，将场景适应值标记为ca；
13、根据公式计算各所述待选识别模型的筛选值；
14、式中：pa为筛选值；b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；
15、选择所述筛选值最大的待选识别模型为主识别模型。
16、步骤三：在所述目标区域安装监测设备，根据所述监测设备在所述目标区域进行火灾验证模拟，获得各失准数据。
17、进一步地，根据监测设备在目标区域进行火灾验证模拟的方法为：
18、根据所述场景信息设置各火灾模拟条件；根据各所述火灾模拟条件在所述目标区域进行火灾模拟，获得各所述火灾模拟条件对应的监测模拟图像；
19、通过所述主识别模型对各所述监测模拟图像进行分析，获得各所述火灾模拟条件对应的火灾识别结果；对各所述火灾识别结果进行校核，获得校核结果，所述校核结果包括识别正确和识别失准；
20、将所述校核结果为识别失准对应的火灾模拟条件、监测图像和火灾识别结果整合为失准数据。
21、进一步地，根据场景信息设置各火灾模拟条件的方法包括：
22、汇总各场景原因，所述场景原因为导致火灾识别失准的原因；对两两场景原因进行等同评估，获得两两场景原因对应的等同评估结果，所述等同评估结果包括视为等同和不视为等同；根据各等同评估结果对各所述场景原因进行筛选，获得各初选原因；
23、预估各所述初选原因的模拟成本和在所述目标区域的发生概率；
24、根据公式计算对应的原因值；
25、式中：rv为原因值；b3、b4均为比例系数，取值范围为0≤b3≤1，0<b4≤1；yb为模拟成本；η为发生概率；
26、根据各所述原因值对各所述初选原因进行筛选，获得各目标原因；根据各所述目标原因设置火灾模拟条件。
27、进一步地，对两两场景原因进行等同评估的方法包括：
28、建立等同评估模型，等同判断模型的表达式为：
29、；
30、式中：s为输入数据，输入数据为进行等同评估的两个场景原因；输出数据为等同判断值dt(s)，等同判断值为1或0；
31、通过所述等同判断模型对两两场景原因进行分析，获得两两场景原因对应的等同判断值；
32、当等同判断值为1时，等同评估结果为视为等同；
33、当等同判断值为0时，等同评估结果为不视为等同。
34、步骤四：根据各所述失准数据进行临时火灾监测补充，并设置相应的火灾综合识别方案。
35、进一步地，根据各失准数据进行临时火灾监测补充的方法包括：
36、识别各所述失准数据的失准原因，对各所述失准原因进行分析，获得各所述失准原因对应的各解决方式；定义组合标准，所述组合标准为解决各失准原因对火灾识别的影响；根据所述组合标准和各所述解决方式形成各待选组合方式；
37、对各所述待选组合方式进行筛选，获得目标组合方式，按照所述目标组合方式进行临时火灾监测补充。
38、步骤五：对所述目标区域进行实时监测，获得监测数据，按照所述火灾综合识别方案对所述监测数据进行处理，获得火灾识别结果，将所述火灾识别结果向用户进行展示。
39、步骤六：由平台方根据各所述失准数据对所述主识别模型进行调整，将调整后的主识别模型在用户处进行更新，并取消临时火灾监测补充。
40、进一步地，将调整后的主识别模型在模型库中进行储存。
41、对目标区域进行实时监测，获得对应的监测数据。
42、一种火灾探测器，包括监测模块、分析模块和传输模块；
43、所述监测模块对目标区域进行监测，获得监测数据；
44、所述分析模块用于对监测数据进行分析，获得火灾识别结果；
45、所述传输模块用于进行数据传输。
46、与现有技术相比，本专利技术的有益效果是：
47、本专利技术通过构建一个集中管理的模型库平台，实现了火灾识别模型的集中存储、快速部署与动态调整。具体而言，平台方负责收集、建立并维护一个包含多种场景适应性的火灾识别模型库，这些模型经过严格测试和优化，具备较高的识别精度和泛化能力。当用户提出本文档来自技高网...
【技术保护点】
1.一种基于AI图像的火灾识别报警方法，其特征在于，方法包括：
2.根据权利要求1所述的一种基于AI图像的火灾识别报警方法，其特征在于，从模型库中匹配符合火灾监测需求的主识别模型的方法包括：
3.根据权利要求2所述的一种基于AI图像的火灾识别报警方法，其特征在于，对各待选识别模型进行筛选的方法包括：
4.根据权利要求2所述的一种基于AI图像的火灾识别报警方法，其特征在于，根据监测设备在目标区域进行火灾验证模拟的方法为：
5.根据权利要求4所述的一种基于AI图像的火灾识别报警方法，其特征在于，根据场景信息设置各火灾模拟条件的方法包括：
6.根据权利要求5所述的一种基于AI图像的火灾识别报警方法，其特征在于，对两两场景原因进行等同评估的方法包括：
7.根据权利要求1所述的一种基于AI图像的火灾识别报警方法，其特征在于，根据各失准数据进行临时火灾监测补充的方法包括：
8.根据权利要求1所述的一种基于AI图像的火灾识别报警方法，其特征在于，将调整后的主识别模型在模型库中进行储存。
9.一种火灾
...【技术特征摘要】
1.一种基于ai图像的火灾识别报警方法，其特征在于，方法包括：
2.根据权利要求1所述的一种基于ai图像的火灾识别报警方法，其特征在于，从模型库中匹配符合火灾监测需求的主识别模型的方法包括：
3.根据权利要求2所述的一种基于ai图像的火灾识别报警方法，其特征在于，对各待选识别模型进行筛选的方法包括：
4.根据权利要求2所述的一种基于ai图像的火灾识别报警方法，其特征在于，根据监测设备在目标区域进行火灾验证模拟的方法为：
5.根据权利要求4所述的一种基于ai图像的火灾识别报警方法，其特征在于，根据场景信息设...
【专利技术属性】
技术研发人员：管松，郭猛猛，付嘉俊，钟波，
申请(专利权)人：安徽省川佰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。