買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉深圳市源流科技有限公司申請的專利一種基于煙霧圖像聯(lián)合特征分析的火災預警方法和系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119181197B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411675865.8，技術(shù)領域涉及：G08B17/10；該發(fā)明授權(quán)一種基于煙霧圖像聯(lián)合特征分析的火災預警方法和系統(tǒng)是由張廣程設計研發(fā)完成，并于2024-11-22向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于煙霧圖像聯(lián)合特征分析的火災預警方法和系統(tǒng)在說明書摘要公布了：本發(fā)明提出了一種基于煙霧圖像聯(lián)合特征分析的火災預警方法和系統(tǒng)，應用于室內(nèi)場景下的火災預警，該方法基于煙霧傳感器陣列和紅外傳感器陣列采集室內(nèi)環(huán)境的煙霧濃度分布數(shù)據(jù)和紅外熱圖，基于攝像頭采室內(nèi)環(huán)境的可見光圖像；采用3D卷積神經(jīng)網(wǎng)絡提取煙霧濃度分布的時空特征，使用2D卷積神經(jīng)網(wǎng)絡提取可見光圖像的紋理和形狀特征，以及紅外熱圖的溫度分布特征；對三種特征進行加權(quán)融合，生成聯(lián)合特征表示；將融合后的聯(lián)合特征表示為基于時間順序的特征序列，基于訓練好的多層感知機分類模型，得到當前時間窗口的火災風險等級；該方法提高預警的準確性、及時性和全面性，能夠更好地應對各種復雜場景下的火災風險。

本發(fā)明授權(quán)一種基于煙霧圖像聯(lián)合特征分析的火災預警方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種基于煙霧圖像聯(lián)合特征分析的火災預警方法，應用于室內(nèi)場景下的火災預警，包括以下步驟： S1，設置各個傳感器陣列和攝像頭的數(shù)據(jù)采集頻率相同，基于煙霧傳感器陣列和紅外傳感器陣列采集室內(nèi)環(huán)境的煙霧濃度分布數(shù)據(jù)和紅外熱圖，基于攝像頭采室內(nèi)環(huán)境的可見光圖像； S2，采用3D卷積神經(jīng)網(wǎng)絡提取煙霧濃度分布的時空特征，使用2D卷積神經(jīng)網(wǎng)絡提取可見光圖像的紋理和形狀特征，以及紅外熱圖的溫度分布特征；對三種特征進行加權(quán)融合，生成聯(lián)合特征表示； 步驟S2中，3D卷積神經(jīng)網(wǎng)絡的輸入為連續(xù)p幀煙霧濃度分布數(shù)據(jù)，p的取值范圍為10到30，2D卷積神經(jīng)網(wǎng)絡的輸入為單幀可見光圖像或紅外熱圖； 所述3D卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)包括：3個3D卷積層，每層后接BatchNormalization批標準化函數(shù)和ReLU激活函數(shù)，2個3D最大池化層和1個全連接層；輸入為T幀煙霧濃度分布數(shù)據(jù)，輸出為256維特征向量； 3D卷積操作的數(shù)學表達式為： ； 其中，表示輸出特征圖在位置處第個輸出通道的值；表示輸入數(shù)據(jù)在位置處第個輸入通道的值；表示3D卷積核的權(quán)重，表示卷積核的空間位置，表示第個輸出通道的偏置項，分別表示卷積核空間維中的高度、寬度和深度，表示輸入數(shù)據(jù)的通道總數(shù)； 2D卷積神經(jīng)網(wǎng)絡采用ResNet-50結(jié)構(gòu)，包括：1個7x7卷積層，16個殘差塊，每個殘差塊包含3個卷積層、1個全局平均池化層和1個全連接層；輸入為可見光圖像或紅外熱圖，輸出為512維特征向量； S3，將融合后的聯(lián)合特征表示為基于時間順序的特征序列，基于訓練好的多層感知機分類模型，得到當前時間窗口的火災風險等級； 步驟S3中，基于時間順序的特征序列長度為L，L的取值范圍為5到15； 在模型訓練階段，使用帶有標簽的數(shù)據(jù)集來優(yōu)化權(quán)重和偏置參數(shù)，所述標簽是已知的火災風險等級，與輸入特征序列相關聯(lián)，通過反向傳播算法和梯度下降優(yōu)化，最小化預測風險等級與實際風險等級之間的誤差； 多層感知機分類模型包括：輸入層、2個隱藏層和輸出層；輸入層包含1024個神經(jīng)元，第一隱藏層包含512個神經(jīng)元，第二隱藏層包含256個神經(jīng)元，2個隱藏層均采用ReLU激活函數(shù)，輸出層包含4個神經(jīng)元，分別對應4個風險等級，采用Softmax激活；火災風險等級分為四級：無風險、低風險、中風險和高風險； ； 表示輸入特征向量；表示隱藏層的輸出；表示最終輸出的風險等級概率分布；表示各層的權(quán)重矩陣；表示各層的偏置向量。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人深圳市源流科技有限公司，其通訊地址為：518055 廣東省深圳市南山區(qū)桃源街道長源社區(qū)長源一街85號長源京基御景峯大廈1座1601(一照多址企業(yè))；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。