本发明涉及物联网,具体地说是国产环境下基于物联网+ai的火灾巡检系统及方法。
背景技术:
1、具有自主知识产权的全国产软硬件有了较快的发展,尤其是近年来我国涌现了众多具有自主知识产权的基础软硬件产品。龙芯、飞腾、北大众志等具有自主知识产权的高端通用芯片蓬勃发展,技术水平达到了同类产品的世界先进水平。
2、基于全国产环境的物联网+ai已经在很多地区投入使用,在生产环境中,物联网和ai分析都扮演着重要的角色,在一些森林,油管巡检等还是通过人来巡检,人力成本高,信息传递不迅速等现象,为此提出了一种国产环境下基于物联网+ai的火灾巡检系统。
3、如何对森林、草原、油管、电网线路等进行实时监控,提高火灾发现能力并及时进行预警,是需要解决的技术我呢提。
技术实现思路
1、本发明的技术任务是针对以上不足,提供国产环境下基于物联网+ai的火灾巡检系统及方法,来解决如何对森林、草原、油管、电网线路等进行实时监控,提高火灾发现能力并及时进行预警的技术问题。
2、第一方面,本发明一种国产环境下基于物联网+ai的火灾巡检系统,应用于配置有国产cpu和国产操作系统的国产物联网环境,所述系统包括物联网平台以及接入所述物联网平台的物联网设备,所述物联网平台配置有设备管理模块、规则引擎模块、ai检测模块、预警模块以及存储模块;
3、所述设备管理模块用于对接入的物联网设备进行管理,配置物联网设备的连接方式和设备属性,基于连接方式配置上传数据的传输方式,并基于设备属性配置上传数据的数据模型;
4、所述规则引擎模块用于将物联网设备上传的数据流转至所述ai检测模块,所述ai检测模块用于基于物联网设备上传的数据进行火灾分析形成预警信息,并通过规则引擎模块将所述预警信息流转至所述预警模块;
5、所述预警模块用于配置预警方式,基于配置的预警方式上报预警信息。
6、作为优选,所述连接方式支持物联网设备与物联网平台之间通过mqtt、coap以及lwm2m标准物联网协议进行传输,并支持支持物联网设备与物联网平台之间通过rtmp、rtsp、hls协议进行传输。
7、作为优选,所述预警方式包括以短息、邮件和微信的方式上报预警信息。
8、作为优选,所述物联网设备包括摄像机,所述摄像机用于采集图像;
9、所述ai检测模块中配置有烟雾检测模型和火灾场景识别模型,所述烟雾检测模型用于以物联网设备采集的图像为输入进行烟雾和火焰识别,输出具有烟雾和火焰的图像,所述火灾场景识别模型用于以具有烟雾和火焰的图像为输入进行火灾场景识别,输出预警信息。
10、作为优选,所述火灾检测模型为基于yolov5网络结构构建的yolov5模型,所述ai检测模块用于基于训练后的yolov5模型对输入的图像进行烟雾和火焰识别,输出具有烟雾和火焰的图像,并进行图像截取,将截取后具有烟雾和火焰的图像输入所述火灾场景识别模型;
11、所述火灾场景识别模型为基于seq2one网络结构构件的seq2one模型,所述ai检测模块用于基于训练后的seq2one模型对输入的图像进行火灾场景分析,得到预警信息。
12、第二方面,本发明一种国产环境下基于物联网+ai的火灾巡检方法,用于通过如第一方面任一项所述的国产环境下基于物联网+ai的火灾巡检系统进行火灾巡检,所述方法包括如下步骤:
13、对接入的物联网设备进行管理,配置物联网设备的连接方式和设备属性,基于连接方式配置上传数据的传输方式,并基于设备属性配置上传数据的数据模型;
14、将物联网设备上传的数据流转至ai检测模块,基于物联网设备上传的数据、通过ai检测模块进行火灾分析形成预警信息,并通过规则引擎模块将所述预警信息流转至预警模块;
15、通过预警模块配置预警方式,基于配置的预警方式上报预警信息。
16、作为优选,所述连接方式支持物联网设备与物联网平台之间通过mqtt、coap以及lwm2m标准物联网协议进行传输,并支持支持物联网设备与物联网平台之间通过rtmp、rtsp、hls协议进行传输。
17、作为优选,所述预警方式包括以短息、邮件和微信的方式上报预警信息。
18、作为优选,物联网设备包括摄像机,通过摄像机采集图像;
19、所述ai检测模块中配置有烟雾检测模型和火灾场景识别模型;
20、以物联网设备采集的图像为输入、通过烟雾检测模型进行烟雾和火焰识别,输出具有烟雾和火焰的图像;
21、以具有烟雾和火焰的图像为输入、通过火灾场景识别模型用于进行火灾场景识别,输出预警信息。
22、作为优选,所述火灾检测模型为基于yolov5网络结构构建的yolov5模型,所述ai检测模块用于基于训练后的yolov5模型对输入的图像进行烟雾和火焰识别,输出具有烟雾和火焰的图像,并进行图像截取,将截取后具有烟雾和火焰的图像输入所述火灾场景识别模型;
23、所述火灾场景识别模型为基于seq2one网络结构构件的seq2one模型,所述ai检测模块用于基于训练后的seq2one模型对输入的图像进行火灾场景分析,得到预警信息。
24、本发明的国产环境下基于物联网+ai的火灾巡检系统及方法具有以下优点:
25、1、在基于国产cpu和国产操作系统的国产环境下,实现了火灾预警,具有安全可靠性;
26、2、使用yolov5模型(单阶段目标检测算法),相较于双阶段目标检测算法与语义分割算法,该算法极大的提高了检测速度,同时对yolov5目标检测算法截取的图片进行再截取,减小了背景干扰,提高了检测精度。
1.一种国产环境下基于物联网+ai的火灾巡检系统,其特征在于,应用于配置有国产cpu和国产操作系统的国产物联网环境,所述系统包括物联网平台以及接入所述物联网平台的物联网设备,所述物联网平台配置有设备管理模块、规则引擎模块、ai检测模块、预警模块以及存储模块;
2.根据权利要求1所述的国产环境下基于物联网+ai的火灾巡检系统,其特征在于,所述连接方式支持物联网设备与物联网平台之间通过mqtt、coap以及lwm2m标准物联网协议进行传输,并支持支持物联网设备与物联网平台之间通过rtmp、rtsp、hls协议进行传输。
3.根据权利要求1所述的国产环境下基于物联网+ai的火灾巡检系统,其特征在于,所述预警方式包括以短息、邮件和微信的方式上报预警信息。
4.根据权利要求1、2或3所述的国产环境下基于物联网+ai的火灾巡检系统,其特征在于,所述物联网设备包括摄像机,所述摄像机用于采集图像;
5.根据权利要求4所述的国产环境下基于物联网+ai的火灾巡检系统,其特征在于,所述火灾检测模型为基于yolov5网络结构构建的yolov5模型,所述ai检测模块用于基于训练后的yolov5模型对输入的图像进行烟雾和火焰识别,输出目标图像,并进行图像截取,将截取后的目标图像输入所述火灾场景识别模型;
6.一种国产环境下基于物联网+ai的火灾巡检方法,其特征在于,用于通过如权利要求1-5任一项所述的国产环境下基于物联网+ai的火灾巡检系统进行火灾巡检,所述方法包括如下步骤:
7.根据权利要求6所述的国产环境下基于物联网+ai的火灾巡检方法,其特征在于,所述连接方式支持物联网设备与物联网平台之间通过mqtt、coap以及lwm2m标准物联网协议进行传输,并支持支持物联网设备与物联网平台之间通过rtmp、rtsp、hls协议进行传输。
8.根据权利要求6所述的国产环境下基于物联网+ai的火灾巡检方法,其特征在于,所述预警方式包括以短息、邮件和微信的方式上报预警信息。
9.根据权利要求6、7或8所述的国产环境下基于物联网+ai的火灾巡检方法,其特征在于,物联网设备包括摄像机,通过摄像机采集图像;
10.根据权利要求9所述的国产环境下基于物联网+ai的火灾巡检方法,其特征在于,所述火灾检测模型为基于yolov5网络结构构建的yolov5模型,所述ai检测模块用于基于训练后的yolov5模型对输入的图像分别进行烟雾和火焰识别,输出目标图像,并进行图像截取,将截取后的目标图像输入所述火灾场景识别模型;