一种降低消防报警误报率的研判方法与流程

1.本发明属于消防报警技术领域，具体涉及降低消防报警误报率的研判方法。


背景技术：

2.随着国内经济的加速发展，在防盗报警器领域，报警器的应用范围越来越广泛，从以前单一的防盗功能变成现在的防盗、监控、报警功能，目前在高档小区、厂房园区，商业区使用较多，随着市场的需求，单一的安防功能不能满足人们的需求，从而演变了更多样的产品，特别是探测的前端设备，越来越多，并且通信的方式多种多样，虽然现在很多系统完善对报警的分析功能，但是仍存在以下问题：1、前端设备的多样性，无法整合成统一数据；2、发生误报时无法进行二次确定；3、前端设备功能单一，无法进行多角度探测，若在一定的空间里设置若干个前端设备造成资源的浪费和成本的增加；针对以上问题，需要研发一种降低消防报警误报率的研判方法来解决现有的问题。


技术实现要素：

3.本发明的目的在于提供一种降低消防报警误报率的研判方法，以解决消防报警信息误报较多的问题。
4.为实现上述目的，本发明提供如下技术方案：一种降低消防报警误报率的研判方法，包括以下步骤：通过物联网关抓取物联传感设备数据；边缘计算平台将抓取的物联传感设备数据解析出原始报警数据，发送给消防报警辅助识别系统和物联设备健康状态研判系统；物联设备健康状态研判系统分析出设备状态数据和元数据发送给消防云平台 ，生成报警信息后人工再次判断警情信息；在人工判断警情信息时若警情是设备故障信息，则发送故障信息给物联设备健康状态研判训练系统，物联设备健康状态研判训练系统将设备健康状态条件优化后发送给物联设备健康状态研判系统；在人工判断警情信息时若警情是误报信息，则发送误报信息给消防报警信息识别训练系统，并将报警条件优化后发送给消防报警辅助识别系统；消防报警辅助识别系统将报警信息发送给消防云平台 。
5.优选的，所述物联网关抓取物联传感设备数据方法包括：物联传感设备数据通过nb-iot/lora发送数据给用户信息传输装置，用户信息传输装置再将数据发送给物联网关；物联传感设备数据通过rs485/232或者lora发送给物联网关；
物联网关将物联传感设备数据转码后进行网络传输。
6.优选的，所述边缘计算平台对数据的解析包括：识别分类与清洗，所述识别分类与清洗的方法包括：判断设备原始报警数据，是否为报警数据，若是报警数据则发送给消防报警输助识别系统，消防报警输助识别系统将报警数据发送给消防云平台 ；若不是报警数据，则判断是否为设备状态数据，若是设备状态数据则发送给物联设备健康状态研判系统；否则判断是否为设备元数据，若是设备元数据则发送给物联设备健康状态研判系统，否则丢弃。
7.优选的，所述消防报警辅助识别系统用于将原始报警数据在设定的时间间隔内，多次与比对报警数据比对，并与设备历史报警信息进行匹配，若判断火警为误报则调用周边报警设备辅助判断，同时调用周边视频监控设备，若判断为火警信息，则调用周边视频监控设备，视频监控设备将报警数据及辅助识别结果上传。
8.优选的，所述物联设备健康状态研判系统用于对物联传感设备状态数据和设备元数据进行数据标准化解析，判断是否为设备健康状态相关数据，若为健康状态相关数据并分析是否为设备的故障信息，若为设备的故障信息则对故障信息进行分析后，生成故障结果，发送到数据归集；若不是设备的故障信息则判断是否有对应元数据，若有元数据则将元数据与历史信息比对，分析健康状态下降趋势，生成设备健康状态结果数据，进行数据归集后对数据上传。
9.优选的，所述物联设备健康状态研判系统用于对物联传感设备状态数据和设备元数据进行数据标准化解析，判断是否为设备健康状态相关数据，若为健康状态相关数据并分析是否为设备故障，若为设备故障信息则对故障信息进行分析后，生成故障结果，发送到数据归集；若不是设备故障信息则判断是否有对应元数据，若有元数据则将元数据与历史信息比对，分析健康状态下降趋势，生成设备健康状态结果数据，进行数据归集后对数据上传。
10.优选的，所述消防云平台用于对报警数据、设备状态数据进行数据归集，在数据归集后进行数据应用和管理，并将数据发送给人工进行判断报警信息以及判断设备故障，所述人工判断报警信息为误报信息，则将误报信息反馈给消防报警信息识别训练系统，若为火警信息则发送给消防应急部门；若为故障信息则将此故障信息反馈给消防物联设备健康状态研判训练系统，并将故障信息发送给设备维护部门；所述物联设备健康状态研判训练系统用于优化设备健康状态条件；所述数据应用与管理将数据进行云储存。
11.优选的，所述消防报警信息识别训练系统用于采集误报数据，标注误报特征，将误报特征分类，对非共性特征，生成针对指定设备生成特定标注内容信息，并将标注内容信息导入ai学习系统；对于共性特征生成标注内容信息，发送给ai学习系统；ai学习系统生成训练后的模型文件，并通过ota同步至消防报警辅助识别系统。
12.优选的，所述消防物联设备健康状态研判系统用于采集设备状态数据，判断状态数据或者故障数据，若为状态数据，与设备状态数据比对，设备健康状态特征标注，生成标注内容信息；若为故障数据生成故障信息特征标注，生成标注内容信息，将标注内容导入ai学习系统，生成训练后的模型文件，ota同步至消防报警辅助识别系统。
13.优选的，所述物联传感设备包括火焰主动探测终端，所述火焰主动探测终端包括固定底座、支撑柱、巡航驱动电机、巡航齿轮、天线、电路板、壳体、红外传感器、光电二极管，所述固定底座为长方体结构，其上端面固定有圆柱形的支撑柱，所述支撑柱内中心位置设置有巡航驱动电机，且所述支撑柱与所述巡航驱动电机同轴分布，所述巡航驱动电机的输出杆伸出支撑柱并位于壳体内，所述壳体活动连接于所述支撑柱，所述壳体的内壁设置有齿轮，所述输出杆上设置有巡航齿轮，所述巡航齿轮与壳体的内壁齿轮相匹配，所述输出杆旋转时，驱动巡航齿轮转动，带动壳体转动，所述壳体内设置有电路板，所述巡航驱动电机与电路板相连接，电路板将驱动信号发送给巡航驱动电机，且所述电路板还与红外传感器、光电二极管相连接，所述红外传感器、光电二极管嵌设于壳体的前端，用于探测火焰信号，且所述壳体的上端面设置有天线，所述天线与所述电路板相连接，所述电路板设置有微处理器以及通讯模块，所述通讯模块与天线相连接。
14.优选的，所述壳体的横截面为长方形，其上端面的长度大于下端面长度，所述红外传感器、光电二极管的间距为壳体高度的1/3,且所述红外传感器距离上端面内壁的高度为壳体高度的1/3，所述光电二极管距离下端面内壁的高度为壳体高度的1/3。
15.本发明的技术效果和优点：该降低消防报警误报率的研判方法，使消防报警信息识别训练系统和消防物联设备健康状态研判训练系统与消防云平台 和消防一线工作人员联动，形成消防报警辅助识别系统与物联设备健康状态研判系统的自学习、自优化、自升级的能力，实现了消防报警辅助识别系统与物联设备健康状态研判系统对特定场景、特定设备的适应能力；相对于现有的常用技术，可以有效降低消防报警的误报率、实现消防物联设备健康状态的精准趋势预估，同时有对消防管理者提供决策辅助的能力；同时本技术通过火焰主动探测终端，实现了单位范围内主动探测的范围最大化，解决了传统探测设备只能探测特定方向的火源且无法实现设备利用的最大化处理的问题，在人工判断警情信息若判断是误报的情况下，主动调整探测的方向，快速实现辅助识别，提高了识别的准确率。
附图说明
16.图1为本发明实施例的流程图；图2为本发明火焰主动探测终端的用电部件连接示意图；图3为本发明火焰主动探测终端的结构示意图；图4为本发明物联网关抓取物联传感设备数据方法步骤示意图；图5为本发明边缘计算平台对数据的识别分类与清洗的方法步骤示意图；图6为本发明消防报警辅助识别系统的工作流程图；图7为本发明物联设备健康状态研判系统的工作流程图；图8为本发明消防云平台工作流程图；图9为本发明消防报警信息识别训练系统工作流程图；
图10为本发明消防物联设备健康状态研判系统工作流程图。
17.图中：11、固定底座；12、支撑柱；13、巡航驱动电机；14、巡航齿轮；15、天线；16、电路板；17、壳体；18、红外传感器；19、光电二极管。
具体实施方式
18.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.本发明提供了如图1中所示的一种降低消防报警误报率的研判方法，包括以下步骤：步骤1、通过物联网关抓取物联传感设备数据；如图4所示，所述物联网关抓取物联传感设备数据方法包括：物联传感设备数据通过nb-iot/lora发送数据给用户信息传输装置，用户信息传输装置再将数据发送给物联网关；物联传感设备数据通过rs485/232或者lora发送给物联网关；物联网关将物联传感设备数据转码后进行网络传输；本实施例中，物联网关为异质物联网关，承载消防行业内常见的多种信息传输方式，并在异质物联网关上实现数据转码；本实施例中，消防云平台为消防数字生态云平台；消防报警辅助识别系统、物联设备健康状态研判系统、物联设备健康状态研判训练系统、消防报警信息识别训练系统、消防报警辅助识别系统均基于现有的系统构建；步骤2、边缘计算平台将抓取的物联传感设备数据解析出原始报警数据，发送给消防报警辅助识别系统和物联设备健康状态研判系统；图5所示，所述边缘计算平台对数据的解析包括：识别分类与清洗，所述识别分类与清洗方法包括：判断设备原始报警数据，是否为报警数据，若是报警数据则发送给消防报警输助识别系统，消防报警输助识别系统将报警数据发送给消防云平台 ；若不是报警数据，则判断是否为设备状态数据，若是设备状态数据则发送给物联设备健康状态研判系统；否则判断是否为设备元数据，若是设备元数据则发送给物联设备健康状态研判系统，否则丢弃；物联设备健康状态研判系统判断若是设备状态数据和元数据，则发送给消防云平台 ；所述消防物联设备健康状态研判系统用于采集设备状态数据，判断状态数据或者故障数据，若为状态数据，与设备状态数据比对，设备健康状态特征标注，生成标注内容信息；若为故障数据生成故障信息特征标注，生成标注内容信息，将标注内容导入ai学习系统，生成训练后的模型文件，ota同步至消防报警辅助识别系统。
20.如图6所示，所述消防报警辅助识别系统用于将原始报警数据在设定的时间间隔内，多次与报警数据比对，本实施例中，在短间隔进行多次比对，并与设备历史报警信息进行匹配，若判断火警为误报则调用周边报警设备辅助判断，同时调用周边视频监控设备，若判断为火警信息，则调用周边视频监控设备，视频监控设备将报警数据及辅助识别结果上
传。
21.如图7所示，步骤3、物联设备健康状态研判系统分析出设备状态数据和元数据发送给消防云平台 ，生成报警信息后人工再次判断警情信息；所述物联设备健康状态研判系统用于对物联传感设备状态数据和设备元数据进行数据标准化解析，判断是否为设备健康状态相关数据，若为健康状态相关数据并分析是否为设备故障，若为设备的故障信息则对故障信息进行分析后，生成故障结果，发送到数据归集；若不是设备故障信息则判断是否有对应元数据，若有元数据则将元数据与历史信息比对，分析健康状态下降趋势，生成设备健康状态结果数据，进行数据归集后对数据上传。
22.步骤4、在人工判断警情信息时若警情是设备故障信息，则发送故障信息给消防物联设备健康状态研判训练系统，消防物联设备健康状态研判训练系统将设备健康状态条件优化后发送给物联设备健康状态研判系统；步骤5、在人工判断警情信息时若警情是误报信息，则发送误报信息给消防报警信息识别训练系统，并将报警条件优化后发送给消防报警辅助识别系统；消防报警辅助识别系统将报警信息发送给消防云平台 ；如图8所示，所述消防云平台用于对报警数据、设备状态数据进行数据归集，在数据归集后进行数据应用和管理，并将数据发送给人工进行判断报警信息以及判断设备故障，所述人工判断报警信息为误报信息，则将误报信息反馈给消防报警信息识别训练系统，若为火警信息则发送给消防应急部门；若为故障信息则将此故障信息反馈给消防物联设备健康状态研判训练系统，并将故障数据发送给设备维护部门；所述数据应用与管理将数据进行云储存。
23.所述消防报警信息识别训练系统用于采集误报数据，标注误报特征，将误报特征分类，对非共性特征，生成针对指定设备生成特定标注内容信息，并发送给标注内容导入ai学习系统；ai学习系统基于贝叶斯（ bayesian）、神经网络算法（neuralnetwork algorithm）、粒子群算法(particle swarm optimization)等高级算法，是人工智能（artificial intelligence）学习引擎；对于共性特征生成标注内容信息，发送给ai学习系统；ai学习系统生成训练后的模型文件，并通过ota同步至消防报警辅助识别系统。
24.具体的，本实施例中，边缘计算平台将原生的容器编排和调度能力拓展到边缘,并为边缘应用部署、云与边缘间的元数据同步、边缘设备管理等提供基础架构支持；本实施例中，消防物联设备健康状态研判训练系统基于深度学习系统，通过神经网络的学习能力优化设备健康状态条件；如图2、图3所示，所述物联传感设备包括火焰主动探测终端，所述火焰主动探测终端包括固定底座11、支撑柱12、巡航驱动电机13、巡航齿轮14、天线15、电路板16、壳体17、红外传感器18、光电二极管19，所述固定底座11为长方体结构，其上端面固定有圆柱形的支撑柱12，所述支撑柱12内中心位置设置有巡航驱动电机13，且所述支撑柱12与所述巡航驱动电机13同轴分布，所述巡航驱动电机13的输出杆伸出支撑柱12并位于壳体17内，所述壳体
17活动连接于所述支撑柱12，所述壳体17的内壁设置有齿轮，所述输出杆上设置有巡航齿轮14，所述巡航齿轮14与壳体17的内壁齿轮相匹配，所述输出杆旋转时，驱动巡航齿轮14转动，带动壳体17转动，所述壳体17内设置有电路板16，所述巡航驱动电机13与电路板16相连接，电路板16将驱动信号发送给巡航驱动电机13，且所述电路板16还与红外传感器18、光电二极管19相连接，所述红外传感器18、光电二极管19嵌设于壳体17的前端，用于探测火焰信号，且所述壳体17的上端面设置有天线15，所述天线15与所述电路板16相连接，所述电路板16设置有微处理器以及通讯模块，所述通讯模块与天线15相连接。所述壳体17的横截面为长方形，其上端面的长度大于下端面长度，所述红外传感器18、光电二极管19的间距为壳体17高度的1/3,且所述红外传感器18距离上端面内壁的高度为壳体17高度的1/3，所述光电二极管19距离下端面内壁的高度为壳体17高度的1/3。
25.如图9、图10所示，该降低消防报警误报率的研判方法，使消防报警信息识别训练系统和消防物联设备健康状态研判训练系统与消防云平台和消防一线工作人员联动，形成消防报警辅助识别系统与物联设备健康状态研判系统的自学习、自优化、自升级的能力，实现了消防报警辅助识别系统与物联设备健康状态研判系统对特定场景、特定设备的适应能力；相对于现有的常用技术，可以有效降低消防报警的误报率、实现消防物联设备健康状态的精准趋势预估，同时有对消防管理者提供决策辅助的能力；同时本技术通过火焰主动探测终端，实现了单位范围内主动探测的范围最大化，解决了传统探测设备只能探测特定方向的火源且无法实现设备利用的最大化处理的问题，在人工判断警情信息若判断是误报的情况下，主动调整探测的方向，快速实现辅助识别，提高了识别的准确率。
26.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。