基于计算机视觉及人工智能算法的隧道火焰侦测系统
技术领域
本发明涉及公路隧道运营管理
技术领域
，具体为基于计算机视觉及人工智能算法的隧道火焰侦测系统。背景技术
公路隧道建设与管理已进入并重期。在公路隧道运营管理中，隧道火灾是危害最大的一类安全事故。公路隧道火灾一旦发生，不仅会对隧道内司乘人员造成严重伤害，而且会对隧道衬砌结构、隧道路面和隧道设施产生巨大破坏。在公路隧道火灾发生初期，司乘人员能否安全疏散取决于2个时间因素，即火灾发展到对司乘人员构成危险所需的时间和司乘人员疏散到安全区域所需的时间。只有安全疏散时间大于疏散到安全区域所需的时间，才可以认为该公路隧道在火灾发生后对于司乘人员疏散是安全的。若能有效探测公路隧道火灾早期火焰并预警，则不仅有利于司乘人员安全疏散，而且有利于及时启动消防设备抑制火势蔓延，最大限度减少火灾造成的人员伤亡和财产损失。为了保障公路隧道的安全运营，对隧道内出现的所有可疑火焰进行及时识别并报警非常必要。
公路隧道火灾主要由隧道内电气线路或设备故障、车辆自身机电故障、汽车交通事故、车载可燃或易燃品起火等多种因素引发。传统的感温型火灾火焰探测器易受监控空间面积、高度、粉尘、气流速度等因素的影响，不利于隧道火灾初期火焰的及时有效探测。在现有隧道和地铁火灾报警系统中，应用最多的火灾探测器产品主要分为点型火焰探测器和线型感温火灾探测器两大类。点型火焰探测器根据光谱范围不同分为红外及紫外火焰探测器。原理都是通过检测火焰分布光谱判别是否存在着火点。应用在隧道中最大的问题是容易受到施工光源例如钠灯、汞灯和电焊弧的干扰而产生误报。线型感温火灾探测器包括缆式、空气管式和光纤感温探测器三种。其原理都是通过感受环境温度变化产生报警信号。应用在隧道及地铁中主要问题是无法在火灾发生初期进行有效报警。
随着人工智能技术的发展，图像算法技术的进步，视频图像的处理和理解逐渐成为计算机视觉的主流研究方向，基于视频的火焰检测技术也越来越多的被重视与研究，这种探测技术可以克服传统传感器探测距离有限，响应速度慢等局限性，只要火焰出现在视频监控区域，火焰检测程序就能够立即识别并输出报警信号，探测更为准确、快速。基于视频图像的探测技术是目前实现公路隧道早期火灾火焰探测最有效的技术之一。
随着我国交通工程建设和交通事业的发展，我国所建交通隧道的里程得到了迅速延长，由于不断增长的交通流量和路况改善以及运输物品的复杂性，增加了交通隧道的火灾和隧道异常事件发生的风险概率，对交通设施、人类的生产活动造成了巨大的威胁。隧道的智能化和信息化管理显得越来越重要。随着物联网设备和计算机技术的大力发展，隧道的智能化建设过程中，积累了海量的隧道各种状况的数据，对于这些数据如何进行有效的筛选、清洗、存储及分析等管理就显得尤为重要。对隧道建立一个集数据采集、处理、存储、计算分析以及应用展示一体的数据管理平台对于现阶段及未来的隧道智能化建设具有重大的指导意义。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于现有隧道火焰侦测系统中存在的问题，提出了本发明。
因此，本发明的目的是提供基于计算机视觉及人工智能算法的隧道火焰侦测系统，能够创建安全的隧道行车环境，确保隧道行车安全，降低隧道交通事故和人员伤亡。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
基于计算机视觉及人工智能算法的隧道火焰侦测系统，其包括火焰侦测系统和数据管理平台：
其中：
火焰侦测系统包括红外模组、紫外模组和摄像模组，所述红外模组采用了三个对红外线敏感的红外传感器，一个红外传感器作为火焰探测，另外两个红外传感器分别作为背景红外辐射的探测，所述紫外模组使用日盲型紫外传感器件(UV185～260nm)将火焰窄光谱信号转换为电脉冲信号，之后将信号输入计算芯片进行运算和处理，所述摄像模组为户外公路监控摄像硬件，运行基于CNN+LSTM的结构化数据时空模型火灾检测神经网络，急速自动识别火情，同时，自动录取一段视频或图像保存，并将数据通过专线、wifi、5G其中的一种手段发送数据信息化管理平台；
所述数据管理平台包括物联网模块、数据采集模块、计算分析模块、分析结果传输模块和运行状态监测模块，数据采集模块与火焰侦测系统电性连接，计算分析模块与数据采集模块电性连接，用于结果的分析预测，计算分析模块电性连接分析结果传输模块，分析结果传输模块用于将分析预测结果发送给公路安全监测终端，运行状态监测模块用于监测红外模组、紫外模组和摄像模组运行状态的监控。
作为本发明所述的基于计算机视觉及人工智能算法的隧道火焰侦测系统的一种优选方案，其中：所述数据管理平台系统的设计包括顶层整体架构设计及分布式系统设计，感知层现有硬件的数据的全部接入，以及增加的新型硬件的接入。
作为本发明所述的基于计算机视觉及人工智能算法的隧道火焰侦测系统的一种优选方案，其中：所述红外模组中的红外传感器选用点型红外探测器。
作为本发明所述的基于计算机视觉及人工智能算法的隧道火焰侦测系统的一种优选方案，其中：所述红外模组中的红外传感器采用可编程的运算法则，核对三个传感器接收到的数据比例和相互关系来确认火灾发生的概率。
作为本发明所述的基于计算机视觉及人工智能算法的隧道火焰侦测系统的一种优选方案，其中：所述紫外模组能够对于近距离的微弱火焰以及碳氢化合物燃烧火焰实现高速响应、高灵敏度的探测。
与现有技术相比，本发明的有益效果是：
(1)多传感器融合的复合式火焰探测系统集传统技术和现代技术的融合，达到多种传感器的探测性能互相弥补的目的，提高报警的准确性和响应速度；
(2)部署方便，分布距离远；可本地计算，也可数据传输于服务器端/云端计算，价格适中，可取代现有的单一模式探测器；
(3)集火焰探测和视频监控于一体，可进行视频可视化图像的推送，保存查询、校对及进一步深入分析研究。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
实施例1
基于计算机视觉及人工智能算法的隧道火焰侦测系统，包括火焰侦测系统和数据管理平台：
其中：
火焰侦测系统包括红外模组、紫外模组和摄像模组，所述红外模组采用了三个对红外线敏感的红外传感器，一个红外传感器作为火焰探测，另外两个红外传感器分别作为背景红外辐射的探测，所述紫外模组使用日盲型紫外传感器件(UV185～260nm)将火焰窄光谱信号转换为电脉冲信号，之后将信号输入计算芯片进行运算和处理，所述摄像模组为户外公路监控摄像硬件，运行基于CNN+LSTM的结构化数据时空模型火灾检测神经网络，急速自动识别火情，同时，自动录取一段视频或图像保存，并将数据通过专线、wifi、5G其中的一种手段发送数据信息化管理平台；
根据隧道火灾场景的特点，选用点型红外探测器+紫外探测器+可见摄像模组的方式来设计。其中红外探测器集成三波长探测方式，三波长探测通道为一主二辅，主通道工作谱带为4.0～4.6um波长，辅一通道工作谱带为5.1～6.0um，辅二通道工作谱带为0.7～1.1um。检测信号经过硬件电路放大和处理后，同时输入系统处理器进行数字滤波处理，并采用火焰识别算法对处理后的数据进行阈值、闪烁、相关量等逻辑分析，给出判断结果。紫外探测器选择选择180～260nm日盲型紫外传感器件，火焰窄光谱信号轨对轨采集/全脉冲分析技术(PPW)设计，避免了传统探测器的易受干扰的弱点。采用斜率递增信号检测技术(PAM)对探测场景进行监测，提高了探测器的稳定性及持续使用性。可见摄像模组选用常用的户外公路监控摄像硬件，其中算法是基于CNN(卷积神经网络)+LSTM(长短期记忆人工神经网络)的时空模型的深度学习神经网络
所述数据管理平台包括物联网模块、数据采集模块、计算分析模块、分析结果传输模块和运行状态监测模块，数据采集模块与火焰侦测系统电性连接，计算分析模块与数据采集模块电性连接，用于结果的分析预测，计算分析模块电性连接分析结果传输模块，分析结果传输模块用于将分析预测结果发送给公路安全监测终端，运行状态监测模块用于监测红外模组、紫外模组和摄像模组运行状态的监控。
具体的，所述数据管理平台系统的设计包括顶层整体架构设计及分布式系统设计，感知层现有硬件的数据的全部接入，以及增加的新型硬件的接入。
具体的，所述红外模组中的红外传感器选用点型红外探测器。
具体的，所述红外模组中的红外传感器采用可编程的运算法则，核对三个传感器接收到的数据比例和相互关系来确认火灾发生的概率。
具体的，所述紫外模组能够对于近距离的微弱火焰以及碳氢化合物燃烧火焰实现高速响应、高灵敏度的探测。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。
