申请/专利权人：苏州如朋智能消防科技有限公司

申请日：2023-09-20

公开（公告）日：2024-03-22

公开（公告）号：CN117745053A

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/04;G06F16/29;G06F16/25;G06V10/774;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：目前现有的建筑内部都会配备消防灭火设备，但是为避免火灾真正的发生，建立准确的空间火灾危险预测模型对避免或者减轻火灾的影响至关重要。本研究提出了一种基于张量流深度神经网络（TensorFlowDeepNeuralNetworks，即TFDeepNN）和地理信息系统（GIS）的空间火灾危险建模的新建模方法。我们对空间内的温度、CO浓度、O2浓度、烟尘浓度以及烟雾图像进行特征融合，共同送入所构建的模型进行火灾危险预测，最后输出一张空间火灾危险图。其中，对于烟雾图像特征的提取，现有的基于卷积神经网络的火灾烟雾检测算法，存在烟雾特征提取结构过于复杂、烟雾多尺度特征融合方法过于繁琐、计算复杂度大以及应用场景单一等问题，为此，在新的建模方法基础之上融入了一种基于轻量化卷积神经网络的空间火灾烟雾检测算法。不仅提高烟雾特征提取的能力和速度，而且还实现了不同尺度烟雾特征的高效融合。

主权项：1.一种基于轻量级的TFDeepNN空间火灾风险预测方法，其特征包括：提出了利用TFDeepNN和GIS对空间内的火灾危险进行空间预测的方法。本实施案例的方法表示为提取特征，构建数据库，运用TFDeepNN模型进行训练，最终实现空间火灾风险预测。

全文数据：

权利要求：

百度查询： 苏州如朋智能消防科技有限公司 基于轻量级的TFDeepNN空间火灾风险预测

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD