专利名称：一种吸气式激光图像感烟火灾探测装置的制作方法
技术领域：
本实用新型属于火灾探测技术领域，特别是涉及激光图像感烟火灾探测装置。
背景技术：
烟雾是火灾的早期特征之一，感烟火灾探测是火灾探测的一个重要领域。点型感烟火灾探测器具有结构简单、成本低廉、应用量大、分布面广等特点，是目前火灾自动报警系统中的主要探测装置之一，点型感烟火灾探测器包括光电感烟探测器和离子感烟探测器两种类型，光电感烟探测器又包括散射光型和减光型两种。据中国光学学会主办的《应用激光》2001年第2期(Vol.21，No.2，pp.79-81)介绍，点型感烟火灾探测器由于受其探测机理和结构设计上的局限性，在火灾探测灵敏度及可靠性方面存在以下缺陷①离子感烟探测器抗气流干扰能力不强，且易受环境温度、湿度和气压变化的影响，同时由于其电离室内采用了放射性物质，会对环境和人体产生不利影响，其应用受到一定的限制；②光电感烟探测器对阴燃产生的大颗粒烟雾粒子敏感，而离子感烟探测器则对明火产生的小颗粒烟雾粒子敏感；当把探测器设定在某一灵敏度级别时，则小颗粒烟雾要达到更高的浓度时才能报警，易导致漏报；若把灵敏度调至更高，则会增加误报的几率；③烟雾的颜色有明(灰白)和暗(黑色)的区别，散射光型光电感烟探测器对灰白色烟敏感，而对黑色烟不敏感；减光型光电感烟探测器则对黑色烟有较好的响应，而对灰白色烟不敏感；加上火灾烟雾的成分、颗粒大小等差异，现有的点型感烟火灾烟雾探测技术对不同燃烧物或相同燃烧物的明火和阴燃烟雾的灵敏度不一致；④在实际应用中，点型感烟火灾探测器易受灰尘、电磁等非火灾因素的干扰，易发生误报。
发明内容
本实用新型提供一种对不同燃烧物或相同燃烧物的明火和阴燃烟雾灵敏度较一致且可靠性较高的吸气式激光图像感烟火灾探测装置以克服现有火灾探测器的上述缺陷。
这种吸气式激光图像感烟火灾探测装置，其特征在于包括激光器3、消光器5、烟雾探测室7、CCD摄像机11、图像采集卡13、图像信号处理器14构成，烟雾探测室7的器壁上有一透明窗2，激光器3装在透明窗2的外侧，烟雾探测室7的上部与一进气管1相联，烟雾探测室7的下部有一排气口与抽气泵12相接，抽气泵12的出口通过排气管9连接到机箱外，CCD摄像机11设在烟雾探测室7底部观察窗10的下部；在烟雾探测室7的前部器壁上激光束光路经过处有一通向消光器5的小孔4；所述激光器3的安装位置使激光经过透镜准直后，与烟气流动方向相垂直，并从小孔4进入消光器5；图像采集卡13插在图像信号处理器14的插槽上，CCD摄像机11的信号输出端与图像采集卡13的输入口相连，图像信号处理器14的输出信号连接到报警控制器15的输入端。
所述消光器5内可设有一圆锥体6，该圆锥体6与激光光束同轴，其锥顶尖部8指向小孔4，使经过透镜准直后的激光光束从小孔4进入消光器5内射向圆锥体6的尖部8，激光在消光器5内经过无数次反射、衰减直至被完全吸收；所述消光器5也可以是带有一个小入口孔的空心球形结构。
使用时，开动抽气泵将待测烟雾或气溶胶吸入烟雾探测室中，将激光入射到烟雾探测室中，穿过烟雾，再入射到消光器内衰减直至被完全吸收；当烟雾探测室中有烟雾粒子时，烟雾粒子在激光作用下，产生散射光，CCD摄像机拍摄烟雾粒子的散射图像，经图像采集卡转换为数字信号，送入图像信号处理器进行分析、处理；图像信号处理器将烟雾粒子的散射图像中的强度、投影特征、欧拉数、复杂度、纹理能量度量、方向性度量和粗细度作为烟雾识别神经网络的输入，由烟雾识别神经网络对烟雾探测室中的烟雾气溶胶进行分类、判断，识别出是“火灾烟雾”时，报警控制器驱动火灾联动报警设备；判断为“非火灾因素”时则不报警。
本实用新型是一种基于对气溶胶进行分类识别的激光图像感烟火灾探测技术；由于采用了激光感烟和主动抽气分析技术，提高了探测的灵敏度，并使报警时间得以提前；由于采用了CCD成像和图像分析处理技术，使得提取烟雾探测室中不同燃烧物或相同燃烧物的明火和阴燃烟雾粒子的散射图像特征成为可能；由于采用了烟雾识别神经网络方法，能准确地对火灾烟雾和非火灾气溶胶进行分类识别，避免了环境因素的干扰，具有很高的可靠性；从而实现了对不同燃烧物或相同燃烧物的明火和阴燃烟雾灵敏度较一致的目标，能准确识别出灰尘等非火灾因素的干扰，达到稳定可靠的火灾探测报警。本实用新型火灾探测装置适用于从洁净空间到恶劣复杂环境场所的早期、灵敏、快速、可靠的火灾自动探测报警。
烟雾识别神经网络输入的散射图像的主要参数有烟雾粒子散射图像的强度(图像灰度)分析和相关分析、激光光束垂直方向上的投影特征、粒子图像的欧拉数和复杂度以及序列图像的时间相关性。
烟雾粒子散射图像的强度(图像灰度)依据米(Mie)散射理论进行分析，投影计算把二维的散射图像变换为一维数组，依据散射图像的投影对图像进行粗略分类，并给出灰尘等大颗粒粒子的粒径；粒子图像的欧拉数是指白区域数与空穴数的差，结合图像区域的复杂度计算分析出图像中是否有小粒子、粒子的分布密度等；用时间序列的散射图像具有的相关性，分析烟雾粒子的浓度和运动状况。
程序中参数的计算如下欧拉数EUL4＝V-(E1+E2)+R (1)EUL8＝V-(E1+E2)-(D1+D2)+T-R (2)式中，EUL4为4邻域欧拉数；EUL8为8邻域欧拉数；V为分析区域像素总数；E1为2个过阈值像素横连接数；E2为2个过阈值像素纵连接数；D1为2个过阈值像素对角连接数；D2为2个过阈值像素反对角连接数；T为3个过阈值像素L型连接数；R为4个过阈值像素2×2的邻接数。
复杂度CMP＝L2/S (3)式中，CMP为复杂度；L为区域的轮廓长；S为区域的面积。
纹理能量度量ENERGY=Σu=0M-1Σv=0M-1|F(u,v)|......(4)]]>式中，ENERGY为纹理能量度量，它反映窗口内纹理变化的总体情况；F(u，v)为二维图像的强度f(x，y)经富利叶变换后得到的频谱，即F(u，v)表示频谱图中坐标为(u，v)点的值；M为正方形图像块的长度，即图像块大小为M×M。
方向性度量DIR=Σu=0M-1Σv=0M-1tan-1(v/u)|F(u,v)|/ENERGY......(5)]]>式中，DIR为方向性度量，它是纹理方向角的加权和；F(u，v)为二维图像的频谱；u，v为坐标位置；ENERGY为纹理能量度量；M为正方形图像块的长度。
粗细度FIN=r4-r3r2-r1·Σθ=0π/2Σr=r3r4|F(r,θ)|Σθ=0π/2Σr=r1r2|F(r,θ)|....(4)]]>式中，FIN为粗细度，它反映颗粒大小；F(r，θ)为F(u，v)的极坐标形式；r1，r2为极坐标下判断范围的极径；r3，r4为极坐标下欲判断颗粒的极径；θ为极坐标下的极角。
本实用新型采用人工神经网络方法，将图像处理计算得到的烟雾粒子的散射图像中的强度、投影特征、欧拉数、复杂度、纹理能量度量、方向性度量和粗细度作为烟雾识别前馈神经网络的输入，并对不同类型的火灾烟雾都设置成某一灵敏度，神经网络通过对样本集进行学习训练后，对烟雾探测室中的烟雾气溶胶进行分类判断，识别出“火灾烟雾”或“非火灾因素”，从而实现对不同燃烧物或相同燃烧物的明火和阴燃烟雾灵敏度较一致和可靠性较高的火灾探测报警。
附图1为本实用新型一种吸气式激光图像感烟火灾探测装置的系统构成原理图。
附图2为本实用新型中设计的一种消光器的结构简图。
附图3为烟雾识别前馈神经网络结构示意图。
附图4为本实用新型的图像信号处理、判断和控制程序流程图。
具体实施方式
实施例1本实施例吸气式激光图像感烟火灾探测装置，由包括半导体激光器3、消光器5、烟雾探测室7、彩色CCD摄像机11、图像采集卡13、图像信号处理器14在内的零部件构成，烟雾探测室7的器壁上有一透明窗2，半导体激光器3装在透明窗2的外侧，烟雾探测室7的上部与一进气管1相联，烟雾探测室7的下部经一排气口与抽气泵12相接，抽气泵12的出口通过排气管9连接到机箱外，烟雾探测室7的内部经氧化处理，形成一层黑色亚光膜，以减少内部的漫反射，彩色CCD摄像机11设在烟雾探测室7底部观察窗10的下部，透明窗2和观察窗10均采用光学玻璃加工而成；在烟雾探测室7的前部器壁上激光束光路经过处有一通向消光器5的小孔4，小孔直径为5mm；所述半导体激光器3的波长为670nm，激光经过透镜准直后，形成一束直径为2mm、发散角很小的激光束，其安装位置使激光束与烟气流动方向相垂直，且从小孔4进入消光器5中；图像采集卡13插在图像信号处理器14的插槽上，彩色CCD摄像机11的信号输出端与图像采集卡13的输入口相连，图像信号处理器14的输出信号连接到报警控制器15的输入端。
本实施例采用的消光器5内设有一圆锥体6，该圆锥体6与激光光束同轴，其尖部8指向小孔4，在烟雾探测室7上与消光器5相连结的凸块，其内壁为一与圆锥体6同轴、同方向的凹圆锥面，消光器5与烟雾探测室7的凸块之间采用螺纹连接，并用O形密封圈16密封；激光器3发出的激光经过透镜准直后，穿过烟雾探测室7，从小孔4进入消光器5内，射向圆锥体6的尖部8，激光在消光器5内的圆锥体6和烟雾探测室7的连接凸块内的凹圆锥面之间经过无数次反射、衰减直至被完全吸收。
工作时，待测烟雾或气溶胶由抽气泵吸入烟雾探测室中，半导体激光器发出一束波长为670nm的激光，入射到烟雾探测室中，穿过烟雾，入射到消光器内与激光光束同轴的指向来光方向的圆锥体的尖部，使激光在消光器内经过无数次反射、衰减直至被完全吸收；当烟雾探测室中有烟雾粒子时，烟雾粒子在激光的作用下产生散射光，彩色CCD摄像机拍摄出烟雾粒子的散射图像，经图像采集卡转换为数字信号，送入图像信号处理器进行分析、处理；图像信号处理器将烟雾粒子的散射图像中的强度、投影特征、欧拉数、复杂度、纹理能量度量、方向性度量和粗细度作为烟雾识别神经网络的输入，由烟雾识别神经网络对烟雾探测室中的烟雾气溶胶进行分类、判断，识别出是“火灾烟雾”时，报警控制器驱动火灾联动报警设备；判断为“非火灾因素”时，则不驱动火灾联动报警设备。
本实施例采用了典型的三层前馈神经网络作为火灾烟雾识别神经网络模型，网络的输入I1、I2、I3、I4、---、Ii，分别对应烟雾粒子的散射图像中的强度、投影特征、欧拉数、复杂度、纹理能量度量、方向性度量和粗细度，输入值均归一化到[0，1]；输出为O1和O2，分别对应“火灾烟雾”和“非火灾因素”，输出值范围也是[0，1]；中间隐含层有j个神经元(M1，M2，…，Mj)，在输入层与隐含层之间有i×j条连线，其权值为w1ij，在隐含层与输出层之间有2×j条连线，其权值为w2jk。输入层与隐含层之间的权值w1ij和隐含层与输出层之间的的权值w2jk，由样本集经网络训练后确定。
权利要求1.一种吸气式激光图像感烟火灾探测装置，其特征在于包括激光器(3)、消光器(5)、烟雾探测室(7)、CCD摄像机(11)、图像采集卡(13)、图像信号处理器(14)构成，烟雾探测室(7)的器壁上有一透明窗(2)，激光器(3)装在透明窗(2)的外侧，烟雾探测室(7)的上部与一进气管(1)相联，烟雾探测室(7)的下部有一排气口与抽气泵(12)相接，抽气泵(12)的出口通过排气管(9)连接到机箱外，CCD摄像机(11)设在烟雾探测室(7)底部观察窗(10)的下部；在烟雾探测室(7)的前部器壁上激光束光路经过处有一通向消光器(5)的小孔(4)；所述激光器(3)的安装位置使激光经过透镜准直后，与烟气流动方向相垂直，并从小孔(4)进入消光器(5)；图像采集卡(13)插在图像信号处理器(14)的插槽上，CCD摄像机(11)的信号输出端与图像采集卡(13)的输入口相连，图像信号处理器(14)的输出信号连接到报警控制器(15)的输入端。
2.如权利要求1所述的吸气式激光图像感烟火灾探测装置，特征在于所述消光器(5)内设有一圆锥体(6)，该圆锥体(6)与激光光束同轴，其锥顶尖部(8)指向小孔(4)，使经过透镜准直后的激光光束从小孔(4)进入消光器(5)内射向圆锥体(6)的尖部(8)。
3.如权利要求1所述的吸气式激光图像感烟火灾探测装置，特征在于所述消光器(5)是带有一个小入口孔的空心球形结构。
专利摘要本实用新型吸气式激光图像感烟火灾探测装置,特征是用抽气泵将待测烟雾或气溶胶吸入烟雾探测室中,CCD摄像机拍摄烟雾粒子在激光作用下产生的散射图像,经图像采集卡转换为数字信号,送入图像信号处理器进行分析处理,将烟雾粒子的散射图像中的强度、投影特征、欧拉数、复杂度、纹理能量度量、方向性度量和粗细度输入烟雾识别神经网络进行分类、判断,识别出是“火灾烟雾”还是“非火灾因素”,控制报警控制器驱动火灾联动报警设备。本装置能避免环境因素的干扰,准确地对火灾烟雾和非火灾气溶胶进行分类识别,适用于从洁净空间到恶劣复杂环境场所的早期、灵敏、快速、可靠的火灾自动探测报警。
文档编号G01N21/53GK2516968SQ0127293
公开日2002年10月16日 申请日期2001年12月21日 优先权日2001年12月21日
发明者袁宏永, 赵建华, 陈涛, 疏学明, 苏国锋, 王进军, 刘申友, 刘炳海, 徐琼, 詹福如 申请人:中国科学技术大学