烟雾检测模型的训练方法、烟雾检测设备及系统与流程

1.本发明涉及检测技术领域，具体涉及一种烟雾检测模型的训练方法、烟雾检测设备及系统。


背景技术：

2.火灾是目前比较常见的对人类生命财产安全有威胁的灾害之一，小到个人家庭、建筑大楼起火，大到森林火灾。例如家庭用电、用火不当造成的火灾、家用电器设备出现故障造成的火灾、森林雷电引发的自然火灾。因此，如果能够及时发现火灾并进行报警是非常重要的，目前可以通过光感传感器、烟雾传感器、温度传感器等这一类设备来实现火灾的预警。
3.随着计算机视觉技术的不断发展，也有通过烟雾识别算法对摄像头采集的图像进行分析判断是否存在烟雾，进一步判断是否出现火灾，从而在火灾初期便能够及时进行火灾预警。
4.然而，常用的烟雾识别算法需要实时对图像分析处理进行特征提取后进行是否存在烟雾的判断，存在计算量大、算法结构复杂、效率低、反应速度较慢的问题，对设备处理性能要求较高。基于此，申请人提出了本发明的技术方案。


技术实现要素：

5.本发明的目的是提供了一种烟雾检测模型的训练方法、烟雾检测设备及系统，在模型训练过程中所采用的是样本图像的像素信息作为svm模型的输入量，训练得到结构简单且准确率较高的烟雾检测模型，并且烟雾检测模型在进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。
6.为实现上述目的，本发明提供了一种烟雾检测模型的训练方法，包括：构建训练集，所述训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含n张样本图像以及对应的表征烟雾浓度的分类标签，n为大于1的整数；以所述样本图像的像素信息作为svm模型的输入量、以表征烟雾浓度的分类标签作为所述svm模型的输出量，利用构建的所述训练集对svm模型进行训练；以训练得到的所述svm模型作为烟雾检测模型。
7.本发明还提供了一种烟雾检测方法，包括：将接收到的烟雾图像的像素信息输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值；所述烟雾检测模型基于上述的烟雾检测模型的训练方法构建；基于预设的烟雾值范围与烟雾浓度类型的对应关系，获取所述烟雾图像的烟雾浓度类型。
8.本发明还提供了一种烟雾检测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够上述的烟雾检测方法。
9.本发明还提供了一种烟雾检测系统，包括：图像采集装置、以及连接所述图像采集
装置的上述的烟雾检测设备；所述图像采集装置用于采集烟雾图像，并将采集的所述烟雾图像实时发送到所述烟雾检测设备。
10.本发明实施例提供了一种烟雾检测模型的训练方法，首先构建用于进行模型训练的训练集，构建的训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含n张样本图像以及对应的表征烟雾浓度的分类标签(n为大于1的整数)，随后以所述样本图像的像素信息作为svm模型的输入量、以表征烟雾浓度的分类标签作为所述svm模型的输出量，利用所构建的所述训练集对svm模型进行训练，训练得到的所述svm模型便可以作为用来进行烟雾检测的烟雾检测模型；在模型训练过程中所采用的是样本图像的像素信息作为svm模型的输入量，训练得到结构简单且准确率较高的烟雾检测模型，并且烟雾检测模型在进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。
11.在一个实施例中，表征高烟雾浓度的分类标签为0.8，表征低烟雾浓度的分类标签为0.2，表征无烟雾的分类标签为0。
12.在一个实施例中，所述样本图像的像素信息包括一维化后的各个像素的rbg值。
13.在一个实施例中，在基于预设的烟雾值与烟雾浓度的对应关系，获取所述烟雾图像的烟雾浓度类型之后，还包括：存储各所述烟雾图像与所述烟雾图像的相关信息，所述相关信息包括：所述烟雾图像的烟雾值、所述烟雾图像的烟雾浓度类型以及所述烟雾图像的采集时间。
14.在一个实施例中，在所述将接收到的烟雾图像输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值之后，所述烟雾检测方法还包括：以当前的所述烟雾图像为起点，向前统计预设数量的所述烟雾图像对应的烟雾值，并将统计的预设数量的所述烟雾图像对应的烟雾值通过显示装置进行显示。
15.在一个实施例中，所述烟雾检测设备还包括：连接于所述处理器的显示装置；所述处理器还用于在所述将接收到的烟雾图像输入到烟雾检测模型中，输出所述烟雾图像对应的烟雾值之后，以当前的所述烟雾图像为起点，向前统计预设数量的所述烟雾图像对应的烟雾值，并将统计的预设数量的所述烟雾图像对应的烟雾值通过显示装置进行展示。
16.在一个实施例中，烟雾检测系统还包括：与所述烟雾检测设备通信连接的上位机；所述烟雾检测设备还用于存储各所述烟雾图像以及所述烟雾图像的相关信息，并将存储的各所述烟雾图像以及各所述烟雾图像的相关信息发送到所述上位机；所述相关信息包括：所述烟雾图像的烟雾值、所述烟雾图像的烟雾浓度类型以及所述烟雾图像的采集时间；所述上位机用于存储接收到的各所述烟雾图像以及各所述烟雾图像的相关信息；所述上位机还用于提供查询界面，并基于在所述查询界面接收到的输入查询信息，展示所述查询信息对应的烟雾图像列表；所述查询界面包括：基于图像采集时间的查询和/或基于图像的烟雾值的查询。
附图说明
17.图1是根据本发明第一实施例中的烟雾检测模型的训练方法的具体流程图；
18.图2是根据本发明第二实施例中的烟雾检测方法的具体流程图；
19.图3是根据本发明第三实施例中的烟雾检测方法的具体流程图；
20.图4是根据本发明第三实施例中的预设数量的烟雾图像对应的烟雾值在显示装置中显示的示意图；
21.图5是根据本发明第三实施例中的标记有烟雾值与烟雾浓度类型的烟雾图像的示意图；
22.图6是根据本发明第四实施例的烟雾检测设备的示意图；
23.图7是根据本发明第五实施例的烟雾检测设备的示意图；
24.图8是根据本发明第六实施例的烟雾检测系统的示意图；
25.图9是根据本发明第六实施例的烟雾检测系统的上位机的查询界面的示意图，其中查询界面为基于图像的烟雾值的查询；
26.图10是是根据本发明第六实施例的烟雾检测系统的上位机的查询界面的示意图，其中查询界面为基于图像采集时间的查询。
具体实施方式
27.以下将结合附图对本发明的各实施例进行详细说明，以便更清楚理解本发明的目的、特点和优点。应理解的是，附图所示的实施例并不是对本发明范围的限制，而只是为了说明本发明技术方案的实质精神。
28.在下文的描述中，出于说明各种公开的实施例的目的阐述了某些具体细节以提供对各种公开实施例的透彻理解。但是，相关领域技术人员将认识到可在无这些具体细节中的一个或多个细节的情况来实践实施例。在其它情形下，与本技术相关联的熟知的装置、结构和技术可能并未详细地示出或描述从而避免不必要地混淆实施例的描述。
29.除非语境有其它需要，在整个说明书和权利要求中，词语“包括”和其变型，诸如“包含”和“具有”应被理解为开放的、包含的含义，即应解释为“包括，但不限于”。
30.在整个说明书中对“一个实施例”或“一实施例”的提及表示结合实施例所描述的特定特点、结构或特征包括于至少一个实施例中。因此，在整个说明书的各个位置“在一个实施例中”或“在一实施例”中的出现无需全都指相同实施例。另外，特定特点、结构或特征可在一个或多个实施例中以任何方式组合。
31.如该说明书和所附权利要求中所用的单数形式“一”和
“”
包括复数指代物，除非文中清楚地另外规定。应当指出的是术语“或”通常以其包括“或/和”的含义使用，除非文中清楚地另外规定。
32.在以下描述中，为了清楚展示本发明的结构及工作方式，将借助诸多方向性词语进行描述，但是应当将“前”、“后”、“左”、“右”、“外”、“内”、“向外”、“向内”、“上”、“下”等词语理解为方便用语，而不应当理解为限定性词语。
33.本发明第一实施方式涉及一种烟雾检测模型的训练方法，用于对基于svm的烟雾检测模型进行训练，训练得到烟雾检测模型，该烟雾检测模型能够预配置到相应的烟雾检测设备中，以使烟雾检测设备能够对接收到的烟雾图像进行烟雾检测。其中，烟雾检测设备可以为笔记本电脑、台式主机等。
34.本实施方式的烟雾检测模型的训练方法的具体流程如图1所示。
35.步骤101，构建训练集，训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含n张样本图像以及对应的表征烟雾浓度的分类标签，n为大于1的整数。
36.具体而言，基于不同的烟雾浓度类型设定相应的训练样本组，即每种烟雾浓度类型的分类对应于一组训练样本，每组训练样本中包括n张样本图像，以及用于表征该组训练样本的烟雾浓度类型的分类标签，n为大于1的整数。训练集可以表征为{(x1，y1)，(x2，y2)，
…
，(xn，yn)}，xi表示第i张样本图像的像素信息，yi表示第i个样本图像对应的表征烟雾浓度的分类标签，1≤i≤3n，且i为整数。
37.举例来说，烟雾浓度类型包括三种，分别为高浓度、低浓度以及无烟雾；高浓度-烟雾浓度类型的分类标签为0.8、低浓度-烟雾浓度类型的分类标签为0.2、无烟雾-烟雾浓度类型的分类标签为0。
38.构建的训练集中包括：高浓度烟雾浓度类型的500张样本图像，分类标签为0.8；低浓度烟雾浓度类型的500张样本图像，分类标签为0.2；无烟雾烟雾浓度类型的500张样本图像，分类标签为0。训练集中的样本图像来源于需要进行烟雾检测的应用场景，应用场景中设置有摄像头，该摄像头用于采集该应用场景的图像，即训练集中的样本图像为摄像头采集的应用场景的图像，由此后续训练得到的烟雾检测模型能够应用于在该应用场景下进行烟雾检测。
39.步骤102，以样本图像的像素信息作为svm模型的输入量、以表征烟雾浓度的分类标签作为svm模型的输出量，利用构建的训练集对svm模型进行训练。
40.步骤103，以训练得到的svm模型作为烟雾检测模型。
41.具体而言，选取支持向量机(support vector machines，svm)来训练出一个烟雾检测模型，svm模型是在分类与回归分析中分析数据的监督式学习模型与相关的学习算法。
42.在对svm模型进行训练时，以样本图像的像素信息作为svm模型的输入量、以样本图像对应的烟雾浓度类型的分类标签作为svm模型的输出量，依次获取样本图像的像素信息与相应的分类标签输入到svm模型进行模型训练。其中，一维化后的样本图像的像素信息作为svm模型的输入量，即样本图像的像素信息包括一维化后的各个像素的rbg值，以包括20个像素的样本图像为例，该样本图像的像素信息包括：(r1，g1，b1，r2，g2，b2，
……
，r20，g20，b20)。
43.svm模型的目标是寻找一个分离超平面，以将训练集中的样本实例分到不同的类，分离超平面的方程式为yi＝w*xi+b，xi表示第i张样本图像的像素信息，yi表示第i个样本图像对应的表征烟雾浓度的分类标签，w表示分离超平面的法向量，b表示分离超平面的偏移量。对于线性可分的训练集，通过间隔最大化的方法获取最优的分离超平面。
44.本实施例中，svm模型的目标函数为：max
b,w
margin(b,w)。
45.约束条件为：yi(w
t
xi+b)》0；
[0046][0047]
其中，disatance(xi,b,w)表示样本图像xi在空间中映射的点到分离超平面的距离。
[0048]
通过数学推导，得到简化后的svm模型的目标函数为：
[0049]
约束条件为：yi(w
t
xi+b)≥1，其中1≤i≤3n。
[0050]
基于上述目标函数与约束条件，利用训练集中的实例对svm模型进行训练，训练得到的svm模型即为可以用来进行烟雾检测的烟雾检测模型。
[0051]
本实施例提供了一种烟雾检测模型的训练方法，首先构建用于进行模型训练的训练集，构建的训练集包括：对应于多种烟雾浓度类型的多组训练样本，每组训练样本包含n张样本图像以及对应的表征烟雾浓度的分类标签(n为大于1的整数)，随后以样本图像的像素信息作为svm模型的输入量、以表征烟雾浓度的分类标签作为svm模型的输出量，利用所构建的训练集对svm模型进行训练，训练得到的svm模型便可以作为用来进行烟雾检测的烟雾检测模型；在模型训练过程中所采用的是样本图像的像素信息作为svm模型的输入量，训练得到结构简单且准确率较高的烟雾检测模型，并且烟雾检测模型在进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。
[0052]
本发明的第二实施例涉及一种烟雾检测方法，应用于烟雾检测设备，烟雾检测设备可以为笔记本电脑、台式主机等。烟雾检测设备中预配置有相应的烟雾检测模型，烟雾检测模型为基于第一实施例中的烟雾检测模型的训练方法构建的模型。
[0053]
本实施例的烟雾检测方法的具体流程如图2所示。
[0054]
步骤201，将接收到的烟雾图像的像素信息输入到烟雾检测模型中，输出烟雾图像对应的烟雾值；烟雾检测模型基于第一实施例中的烟雾检测模型的训练方法构建。
[0055]
具体而言，烟雾检测设备连接到用于采集烟雾图像的图像采集装置(例如为摄像头)，图像采集装置按照预设周期进行烟雾图像的拍摄，例如每秒拍摄3张烟雾图像，图像采集装置会将采集的烟雾图像实时发送到烟雾检测设备，烟雾检测设备在接收到每张烟雾图像后，提取该烟雾图像的像素信息，并将烟雾图像的像素信息输入到烟雾检测模型中，随后烟雾检测模型输出该烟雾图像对应的烟雾值。其中，若在烟雾检测模型训练时所使用的像素信息为一维化后的像素的rgb值，则烟雾检测设备会在提取烟雾图像的各像素的rgb值，对各像素的rgb值进行一维化后再输入到烟雾检测模型中。
[0056]
需要说明的是，烟雾检测设备中预配置的烟雾检测模型在模型训练过程中所使用的应用场景，与烟雾监测模型在实际烟雾检测过程中所使用的应用场景是相同。
[0057]
步骤202，基于预设的烟雾值范围与烟雾浓度类型的对应关系，获取烟雾图像的烟雾浓度类型。
[0058]
具体而言，烟雾检测设备中预设有烟雾值范围与烟雾浓度类型的对应关系，举例来说，烟雾浓度类型包括三种，分别为高浓度、低浓度以及无烟雾，无烟雾-烟雾浓度类型对应的烟雾值范围为[0，0.2)、低浓度-烟雾浓度类型对应的烟雾值范围为[0.2，0.8)、高浓度-烟雾浓度类型对应的烟雾值范围为[0.8，+∞)。基于此，烟雾检测设备在得到每个烟雾图像的烟雾值后，便能够查询上述的烟雾值范围与烟雾浓度类型的对应关系，得到该烟雾图像所属的烟雾浓度类型。
[0059]
在一个例子中，烟雾检测设备可以在检测到的连续的多张烟雾图像所指示的烟雾浓度类型由无烟雾变化为低浓度时，发出警报信息进行提醒；或者，烟雾检测设备可以在检测到的连续的多张烟雾图像的烟雾值逐渐增大时，发出警报信息进行提醒；又或者烟雾检测设备可以在检测到某张烟雾图像的烟雾值达到预设的烟雾值阈值时，发出警报信息进行提醒。
[0060]
本实施例提供了一种应用了上述烟雾检测模型的烟雾检测方法，将接收到的烟雾图像的像素信息输入到烟雾检测模型中，以烟雾检测模型的输出作为烟雾图像对应的烟雾
值，随后基于预设的烟雾值范围与烟雾浓度类型的对应关系，获取烟雾图像的烟雾浓度类型，即在利用烟雾检测模型进行烟雾检测时，仅需读取烟雾图像的像素信息即可，计算量小，效率高，反应速度快，对设备处理性能要求较低。
[0061]
本发明的第三实施例涉及一种烟雾检测方法，本实施方式相对于第二实施方式而言，主要改进之处在于：增加了数据存储与数据展示。
[0062]
本实施例的烟雾检测方法的具体流程如图3所示。
[0063]
步骤301，将接收到的烟雾图像的像素信息输入到烟雾检测模型中，输出烟雾图像对应的烟雾值；烟雾检测模型基于第一实施例中的烟雾检测模型的训练方法构建。与第二实施例中的步骤201大致相同，在此不再赘述。
[0064]
步骤302，基于预设的烟雾值范围与烟雾浓度类型的对应关系，获取烟雾图像的烟雾浓度类型。与第二实施例中的步骤202大致相同，在此不再赘述。
[0065]
步骤303，以当前的烟雾图像为起点，向前统计预设数量的烟雾图像对应的烟雾值，并将统计的预设数量的烟雾图像对应的烟雾值通过显示装置进行显示。
[0066]
具体而言，烟雾检测设备在得到当前的烟雾图像的烟雾值后，以当前的烟雾图像为起点，往前统计预设数量的烟雾图像对应的烟雾值，烟雾检测设备还连接到显示装置，其可以将统计的预设数量的烟雾图像对应的烟雾值在显示装置中进行显示，例如为图表、折线图等图形化的显示方式，以显示方式为折线图为例，预设数量为50，请参考图4，横坐标为接收到的烟雾图像的张数(从左往右按时间顺序排列)，纵坐标为烟雾图像的烟雾值。其中，烟雾检测设备会在每次接收到烟雾图像，并计算出该烟雾图像对应的烟雾值后更新显示装置上所显示的预设数量的烟雾图像对应的烟雾值。显示装置可以为与烟雾检测设备一体的显示装置，也可以是烟雾检测设备外接的显示装置。
[0067]
在一个例子中，显示装置上还可以同时显示当前的烟雾图像，并在烟雾图像上标记该烟雾图像的烟雾值与烟雾浓度类型，如图5所示，图5中以空白的烟雾图像为例，烟雾浓度类型(class)为高浓度(high)，烟雾值(index)为0.93476。
[0068]
步骤304，存储各烟雾图像与烟雾图像的相关信息，相关信息包括：烟雾图像的烟雾值、烟雾图像的烟雾浓度类型以及烟雾图像的采集时间。
[0069]
具体而言，烟雾检测设备在得到每个烟雾图像的烟雾值以及该烟雾图像的烟雾浓度类型后，会对烟雾图像以及烟雾图像的相关信息进行存储，例如按照烟雾图像采集时间进行存储，或者按照烟雾图像的烟雾浓度类型进行存储等；以便于后续进行烟雾图像及其相关信息的查看。烟雾图像的相关信息包括：烟雾图像的烟雾值、烟雾图像的烟雾浓度类型以及烟雾图像的采集时间。其中，在存储烟雾图像时，也可以在烟雾图像上标记处该烟雾图像的烟雾值与该烟雾图像的烟雾浓度类型。
[0070]
本实施例中，能够在计算出当前图像的烟雾值后，以当前的烟雾图像为起点，向前统计预设数量的烟雾图像对应的烟雾值，并将统计的预设数量的烟雾图像对应的烟雾值通过显示装置进行显示；便于用户实时监控应用场景的烟雾状况，适用于各类人群使用。
[0071]
本发明的第四实施例涉及一种烟雾检测设备，雾检测设备可以为笔记本电脑、台式主机等。烟雾检测设备中预配置有相应的烟雾检测模型，烟雾检测模型为基于第一实施例中的烟雾检测模型的训练方法构建的模型。
[0072]
请参考图6，烟雾检测设备包括至少一个处理器1；以及，与至少一个处理器1通信
连接的存储器2；其中，存储器2存储有可被至少一个处理器1执行的指令，指令被至少一个处理器1执行，以使至少一个处理器1能够执行第二实施例中的烟雾检测方法。
[0073]
其中，存储器2和处理器1采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器1和存储器2的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器1。
[0074]
处理器1负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器2可以被用于存储处理器1在执行操作时所使用的数据。
[0075]
本发明的第五实施例涉及一种烟雾检测设备，本实施方式相对于第四实施方式而言，主要改进之处在于：请参考图7，烟雾检测设备还包括：连接于处理器1的显示装置3，处理器1与显示装置3也可以通过总线连接。
[0076]
处理器1还用于在将接收到的烟雾图像输入到烟雾检测模型中，输出烟雾图像对应的烟雾值之后，以当前的烟雾图像为起点，向前统计预设数量的烟雾图像对应的烟雾值，并将统计的预设数量的烟雾图像对应的烟雾值通过显示装置2进行展示。
[0077]
具体的，处理器1在得到当前的烟雾图像的烟雾值后，以当前的烟雾图像为起点，往前统计预设数量的烟雾图像对应的烟雾值，处理器1还连接到显示装置3，其可以将统计的预设数量的烟雾图像对应的烟雾值在显示装置3中进行显示，例如为图表、折线图等图形化的显示方式，以显示方式为折线图为例，预设数量为50，请参考图4，横坐标为接收到的烟雾图像的张数(从左往右按时间顺序排列)，纵坐标为烟雾图像的烟雾值。其中，烟雾检测设备会在每次接收到烟雾图像，并计算出该烟雾图像对应的烟雾值后更新显示装置3上所显示的预设数量的烟雾图像对应的烟雾值。
[0078]
在一个例子中，处理器1还用于在存储器2中存储各烟雾图像与烟雾图像的相关信息，相关信息包括：烟雾图像的烟雾值、烟雾图像的烟雾浓度类型以及烟雾图像的采集时间。
[0079]
本发明的第六实施例涉及一种烟雾检测系统，请参考图8，烟雾检测系统包括：图像采集装置10、以及连接图像采集装置10的第四或者第五实施例中的烟雾检测设备20。
[0080]
图像采集装置10用于采集烟雾图像，并将采集的烟雾图像实时发送到烟雾检测设备20，以供烟雾检测设备20对接收到的烟雾图像进行烟雾检测，烟雾检测的具体过程与前述类似，在此不再赘述。其中，图像采集装置10例如布设在需要进行烟雾检测的应用场景中的摄像头。
[0081]
本实施例中，基于烟雾检测过程对烟雾检测设备20的性能要求较低，从而可以减小烟雾检测设备20的体积，进一步的还可以将烟雾检测设备20与图像采集设备10集成到一体，形成一体化的烟雾检测系统。
[0082]
在一个例子中，烟雾检测系统还包括：上位机30，上位机30与烟雾检测设备20通信连接，上位机30可以部署在服务器上，上位机30与烟雾检测设备20无线通信连接。
[0083]
烟雾检测设备20还用于存储各烟雾图像以及烟雾图像的相关信息，并将存储的各烟雾图像以及各烟雾图像的相关信息发送到上位机30。具体的，烟雾检测设备20在得到每个烟雾图像的烟雾值以及该烟雾图像的烟雾浓度类型后，会对烟雾图像以及烟雾图像的相关信息进行存储，并将存储的烟雾图像以及烟雾图像的相关信息发送到上位机30；相关信息包括：烟雾图像的烟雾值、烟雾图像的烟雾浓度类型以及烟雾图像的采集时间。
[0084]
上位机30用于存储接收到的各烟雾图像以及各烟雾图像的相关信息。具体的，上位机30在接收到烟雾检测设备20所发送的烟雾图像及其相关信息时，会对烟雾图像及其相关信息进行储存。
[0085]
上位机30还用于提供查询界面，并基于在查询界面接收到的输入查询信息，展示输入查询信息对应的烟雾图像列表；查询界面包括：基于图像采集时间的查询和/或基于图像的烟雾值的查询。具体的，在用户访问上位机30时，可以提供查询界面，查询界面包括基于图像采集时间的查询和/或基于图像的烟雾值的查询，当接收到用户在查询界面输入的查询信息后，展示查询信息对应的烟雾图像列表。即通过上位机30提供数据查询服务，方便历史数据的查询与备份。
[0086]
请参考图9，查询界面为基于图像的烟雾值的查询，在接收到用户在烟雾值输入框中输入烟雾值并触发查询按钮时，则会搜索出该烟雾值的所有的烟雾图像，并将搜索得到烟雾图像形成列表进行展示，列表中烟雾图像的排序方式可以为按照时间倒序排列。
[0087]
请参考图10，查询界面为基于图像采集时间的查询，在接收到用户在开始时间框与结束时间框输入或选择相应的日期以及时间，并触发查询按钮时，搜索开始时间与结束时间所形成的时间段内所包含的所有的烟雾图像，并将搜索得到烟雾图像形成列表进行展示，列表中烟雾图像的排序方式可以为按照时间倒序排列。
[0088]
以上已详细描述了本发明的较佳实施例，但应理解到，若需要，能修改实施例的方面来采用各种专利、申请和出版物的方面、特征和构思来提供另外的实施例。
[0089]
考虑到上文的详细描述，能对实施例做出这些和其它变化。一般而言，在权利要求中，所用的术语不应被认为限制在说明书和权利要求中公开的具体实施例，而是应被理解为包括所有可能的实施例连同这些权利要求所享有的全部等同范围。