一种基于深度学习的智能火灾检测方法与流程

本发明涉及数据处理，尤其涉及一种基于深度学习的智能火灾检测方法、装置、设备及介质。

背景技术：

1、油气站场景下存在着较大的火灾风险，因此对于火焰和烟雾的检测非常重要。目前油气站场景下使用火灾检测的方式有：1)烟雾报警器：通过烟雾遮挡光电传感器的方式检测烟雾，能够快速且低成本地检测到火灾初期的烟雾。2)红外线火灾探测器：利用红外线传感器检测火焰产生的红外辐射，检测到户外发生的火灾。3)烟火检测系统：通过图像处理技术分析监控摄像头拍摄的视频，识别视频中的火焰或烟雾，实现对加油站全区域的监控。

2、但是目前已有的火焰和烟雾检测技术都可能误报或漏报，一方面这会导致不必要的警报，另一方面在真正的火灾发生时未能及时发出警报，检测精度低。

技术实现思路

1、本发明实施例提供一种基于深度学习的智能火灾检测方法、装置、设备及介质，利用gan来自动学习特征生成烟雾火焰数据，进而训练检测模型，使用opencv技术对图像进行处理，提高火焰和烟雾检测的准确性和稳定性。

2、第一方面，本发明实施例提供一种基于深度学习的智能火灾检测方法，包括：

3、获取真实火焰、烟雾数据基于生成对抗网络得到待训练火焰和烟雾数据；

4、基于深度学习对所述待训练火焰和烟雾数据进行模型训练，得到烟雾、火焰模型；

5、获取摄像头采集的实时数据流基于所述烟雾、火焰模型得到检测结果。

6、在一实施例中，获取真实火焰、烟雾数据基于生成对抗网络得到待训练火焰和烟雾数据，具体步骤包括：

7、将噪声数据输入生成对抗网络，生成假数据；

8、将真实数据与假数据基于生成对抗网络的判别器进行判别，输出判别为真或者假的概率，并计算损失后进行反向传播和权重更新；

9、迭代训练网络，直到生成对抗网络的生成器能够生成与真实图像相似的高质量图像。

10、在一实施例中，基于深度学习对所述待训练火焰和烟雾数据进行模型训练，得到烟雾、火焰模型，具体步骤包括：

11、对所述待训练火焰和烟雾数据进行翻转、裁剪的数据增强预处理。

12、在一实施例中，获取摄像头采集的实时数据流基于所述烟雾、火焰模型得到检测结果，具体步骤包括：

13、获取实时数据流；

14、在预设时间内每隔预设帧数抽取图像，并对其进行求和取平均处理，得到背景图像；

15、获取摄像头实时采集的图像与所述背景图像做差处理，得到待检测图像；

16、将所述待检测图像输入所述烟雾、火焰模型进行判断得到检测结果。

17、在一实施例中，将所述待检测图像输入所述烟雾、火焰模型进行判断得到检测结果，具体步骤包括：

18、当检测到烟雾或火焰，则输出预警提示信息。

19、第二方面，本发明实施例提供了一种检测装置，应用于如第一方面所述的基于深度学习的智能火灾检测方法，包括数据生成模块、模型训练模块和检测模块；其中，

20、所述数据生成模块，用于获取真实火焰、烟雾数据基于生成对抗网络得到待训练火焰和烟雾数据；

21、所述模型训练模块，用于基于深度学习对所述待训练火焰和烟雾数据进行模型训练，得到烟雾、火焰模型；

22、所述检测模块，用于获取摄像头采集的实时数据流基于所述烟雾、火焰模型得到检测结果。

23、第三方面，本发明实施例提供了一种检测设备，存储器和处理器，所述处理器与所述存储器连接；其中，

24、所述存储器用于存储程序指令；

25、所述处理器用于调用所述存储器中的程序指令执行如第一方面所述的基于深度学习的智能火灾检测方法包括的部分或全部步骤。

26、第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的基于深度学习的智能火灾检测方法的部分或全部步骤。

27、本发明实施例中，获取真实火焰、烟雾数据基于生成对抗网络得到待训练火焰和烟雾数据；基于深度学习对所述待训练火焰和烟雾数据进行模型训练，得到烟雾、火焰模型；获取摄像头采集的实时数据流基于所述烟雾、火焰模型得到检测结果。利用生成对抗网络gan来自动学习特征生成烟雾火焰数据，进而训练检测模型，使用opencv技术对图像进行处理，有效解决火焰烟雾数据少和背景复杂的问题，提高火焰和烟雾检测的准确性和稳定性。

技术特征：

1.一种基于深度学习的智能火灾检测方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的智能火灾检测方法，其特征在于，获取真实火焰、烟雾数据基于生成对抗网络得到待训练火焰和烟雾数据，具体步骤包括：

3.如权利要求2所述的基于深度学习的智能火灾检测方法，其特征在于，基于深度学习对所述待训练火焰和烟雾数据进行模型训练，得到烟雾、火焰模型，具体步骤包括：

4.如权利要求3所述的基于深度学习的智能火灾检测方法，其特征在于，获取摄像头采集的实时数据流基于所述烟雾、火焰模型得到检测结果，具体步骤包括：

5.如权利要求4所述的基于深度学习的智能火灾检测方法，其特征在于，将所述待检测图像输入所述烟雾、火焰模型进行判断得到检测结果，具体步骤包括：

6.一种检测装置，应用于如权利要求1至5任一项所述的基于深度学习的智能火灾检测方法，其特征在于，包括数据生成模块、模型训练模块和检测模块；其中，

7.一种检测设备，其特征在于，包括：存储器和处理器，所述处理器与所述存储器连接；其中，

8.一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至5任一项的所述的基于深度学习的智能火灾检测方法的部分或全部步骤。

技术总结
本发明涉及数据处理技术领域，具体涉及一种基于深度学习的智能火灾检测方法、装置、设备及介质，其中，基于深度学习的智能火灾检测方法包括：获取真实火焰、烟雾数据基于生成对抗网络得到待训练火焰和烟雾数据；基于深度学习对所述待训练火焰和烟雾数据进行模型训练，得到烟雾、火焰模型；获取摄像头采集的实时数据流基于所述烟雾、火焰模型得到检测结果。利用生成对抗网络GAN来自动学习特征生成烟雾火焰数据，进而训练检测模型，使用OpenCV技术对图像进行处理，有效解决火焰烟雾数据少和背景复杂的问题，提高火焰和烟雾检测的准确性和稳定性。

技术研发人员：陈友明,陈思竹,郭莉莉,翟强
受保护的技术使用者：四川弘和数智集团有限公司
技术研发日：
技术公布日：2024/4/22