【技术实现步骤摘要】
本专利技术涉及火灾报警，具体涉及一种基于边缘计算的火灾报警系统。
技术介绍
1、现代社会，摄像头对安防预警，灾害报警方面的作用越来越重大。传统的预警报警机制是通过人工对摄像头采集画面进行监控，往往效率低，人工成本高，通常并不能全天候的进行监控。
2、近些年，随着人工智能的发展，越来越多的人力工作移交给人工智能进行自动化控制。安防和灾害的预警报警也不例外，即把摄像头的图像数据通过网络传输到后台，后台通过数据模型推理，判断当前画面是否需要发出警报。通过人工智能代替人工甄别，实现了全天候预警报警。但由于图像数据传输数量较大，需要稳定的网络环境，较高带宽，对硬件环境有一定要求。其次当多路图像接入后台，后台需要同时去推理结果，一方面对后台的硬件要求苛刻，成本较高，另一方面推理过程带来的延迟较大，不利于灾害的应急响应。
3、传统火灾报警系统以集中式架构为主很少考虑实施远程数据传输或复杂的分布式报警，并且常用的rs485和工业总线协议适合短距离通信难以胜任大规模物联网需求，并且早期火灾报警系统并未与物联网技术深度结合，更多是作为独立的安全监控子系统，未考虑与远程服务器或多设备之间的智能交互。
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供一种基于边缘计算的火灾报警系统，以解决目前图像数据需要通过介质传输到后端进行推理，对于一些无网络环境无法做到火灾报警的问题。
2、本专利技术提供的一种基于边缘计算的火灾报警系统，包括：
3、图像采集模块，用
4、物联网云，基于mqtt协议自所述图像采集模块获取所述火灾图像；所述图像采集模块在所述物联网云上设置主题，并将所采集的图像上传至所述物联网云，所述物联网云将图像发送至所有订阅者；
5、信息监控中心，订阅所述图像采集模块设立的主题，并接收所述物联网云分发的和主题关联的数据。
6、由上述技术方案可知，本专利技术提供的一种基于边缘计算的火灾报警系统，通过mqtt协议进行数据传输和设备交互，可便于和其他传感器融合，增强系统的功能性和稳定性，解决了传统有限系统的灵活性和扩展性不足的问题。
7、可选地，在基于mqtt协议将所述火灾图像传输至所述物联网云之前，所述图像采集模块还对所述火灾图像进行预处理，包括：
8、对所述火灾图像按照分辨率大小进行分类，分类类别包括低分辨率图像和中高分辨率图像；
9、针对所述低分辨率图像进行预处理以增强图像质量，获得第一目标图像；
10、针对所述中高分辨率图像进行裁剪操作，以获取目标区域，获得第二目标图像；
11、分别对所述第一目标图像、所述第二目标图像进行结果融合，输出图像融合数据。
12、由上述技术方案可知，图像采集模块进行边缘计算，减少数据传输率，并减轻后台计算负担，适用于网络条件受限的场景。
13、可选地，所述图像采集模块针对所述低分辨率图像进行预处理，包括：
14、基于frscnn模型对所述低分辨率图像进行处理，以提高图像分辨率；
15、基于sobel算子进行边缘增强，突出信息轮廓；
16、模拟不同场景下的图像，获得多样性图像样本。
17、可选地，所述图像采集模块还用于基于所述多样性图像样本进行模型推理，包括：
18、基于yolov5n模型多尺度提取经过预处理所述低分辨率图像的特征；
19、基于第一检测框预测图像中的位置目标；
20、基于nms抑制保留置信度高于预设阈值的所述第一检测框，输出所述第一检测框关联的坐标、类别标签和置信度。
21、可选地，所述图像采集模块对所述高分辨率图像进行裁剪操作，包括：
22、对所述高分辨率图像进行目标检测，并基于第二检测框进行标记；
23、提取所述第二检测框中的火灾特征区域，并进行高分辨率推理；
24、对经高分辨率推理的所述火灾特征区域细化分类，以确定火灾类型和强度。
25、可选地，所述图像采集模块将所述第一目标图像和所述第二目标图像进行结果融合，包括：
26、对存在重叠的所述第一检测框和所述第二检测框进行去重；
27、当所述第一检测框和所述第二检测框检测到不同目标，输出加权融合的分类结果；
28、当所述第一检测框和所述第二检测框检测到相同目标，但关联的分类结果不同时，输出置信度最高的分类结果。
29、可选地，所述图像采集模块根据数据类型分配qos等级，具体为：
30、qos 0：环境变量的周期性更新、设备健康状态；
31、qos 1：图像采集模块检测到火灾后发布的报警数据、设备故障状态、图像采集模块检测到火灾时上传的视频片段或关键帧；
32、qos 2：火灾确认指令。
33、可选地，所述图像采集模块还用于根据网络状态和设备负载动态调整qos等级，包括：
34、当网络负载高或带宽不足时，将qos 1的数据类型降为qos 0；
35、当关键事件发生时，将报警数据的qos 1等级提升至qos 2。
36、可选地，所述信息监控中心还用于实现大数据可视化，包括：
37、确定多个图像采集模块的图像风险评估等级；
38、根据图像置信度和图像风险评估等级，获得风险得分；
39、风险得分=w1×图像置信度+w2×图像风险评估等级；其中，w1，w2为预确定的权重。
40、采用上述技术方案，本申请具有如下有益效果：
41、本专利技术提供的一种基于边缘计算的火灾报警系统，通过mqtt协议进行数据传输和设备交互，可便于和其他传感器融合，增强系统的功能性和稳定性，解决了传统有限系统的灵活性和扩展性不足的问题；
42、本专利技术通过图像采集模块进行边缘计算，减少数据传输率，并减轻后台计算负担，适用于网络条件受限的场景。
本文档来自技高网...【技术保护点】
1.一种基于边缘计算的火灾报警系统，其特征在于，包括：
2.根据权利要求1所述的基于边缘计算的火灾报警系统，其特征在于，在基于MQTT协议将所述火灾图像传输至所述物联网云之前，所述图像采集模块还对所述火灾图像进行预处理，包括：
3.根据权利要求2所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采集模块针对所述低分辨率图像进行预处理，包括：
4.根据权利要求3所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采集模块还用于基于所述多样性图像样本进行模型推理，包括：
5.根据权利要求3所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采集模块对所述高分辨率图像进行裁剪操作，包括：
6.根据权利要求3所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采集模块将所述第一目标图像和所述第二目标图像进行结果融合，包括：
7.根据权利要求5所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采集模块根据数据类型分配QoS等级，具体为：
8.根据权利要求7所述的基于边缘计算的火灾报警系统，其特
9.根据权利要求1所述的基于边缘计算的火灾报警系统，其特征在于，所述信息监控中心还用于实现风险评估可视化，包括：
...【技术特征摘要】
1.一种基于边缘计算的火灾报警系统，其特征在于，包括：
2.根据权利要求1所述的基于边缘计算的火灾报警系统，其特征在于，在基于mqtt协议将所述火灾图像传输至所述物联网云之前，所述图像采集模块还对所述火灾图像进行预处理，包括：
3.根据权利要求2所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采集模块针对所述低分辨率图像进行预处理，包括：
4.根据权利要求3所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采集模块还用于基于所述多样性图像样本进行模型推理，包括：
5.根据权利要求3所述的基于边缘计算的火灾报警系统，其特征在于，所述图像采...
【专利技术属性】
技术研发人员：程家幸，房晓辉，赵赛，陈鹏，张强，
申请(专利权)人：扬州科曼德智能科技有限公司，
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。