申请/专利权人：西安博康电子有限公司

申请日：2024-01-08

公开（公告）日：2024-04-09

公开（公告）号：CN117516708B

主分类号：G01J1/42

分类号：G01J1/42;G01J3/28;G06F18/213;G06N3/0464;G06N3/08;G06F18/24;G06F18/25;G08B17/12

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本申请涉及一种火焰探测方法及火焰探测器，该方法包括；利用信号获取模块获取多源火灾数据，并转换为相应的数字信号；将数字信号输入深度学习模型提取不同尺度的特征向量，并依次进行融合计算和特征重构，得到探测结果；输出探测结果；信号获取模块包括多光谱光电转换模组和信号采集模块。其中，通过获取多源火灾数据并进行分析与处理，能够有效的克服单一信息源和离散化信息造成的火灾信息片面与缺失的问题，改善数据的可靠性，并结合深度学习算法模型对数据特征向量提取、融合与重构，实现早期、长距离的火焰探测，并可探测移动火情，满足火灾探测需求。

主权项：1.一种火焰探测方法，其特征在于，包括如下步骤：利用信号获取模块获取多源火灾数据，并转换为相应的数字信号；其中，利用信号获取模块获取多源火灾数据，并转换为相应的数字信号，包括：利用多光谱光电转换模组分别获取可见光光谱数据和近红外光谱数据；将所述可见光光谱数据和所述近红外光谱数据分别转换为可见光数字信号和近红外数字信号；将所述数字信号输入深度学习模型提取不同尺度的特征向量，并依次进行融合计算和特征重构，得到探测结果；其中，将所述数字信号输入深度学习模型提取不同尺度的特征向量，并依次进行融合计算和特征重构，得到探测结果，包括：分别将所述可见光数字信号和所述近红外数字信号输入卷积神经网络，得到对应的不同尺度的特征向量，并确定特征向量极值；对所述不同尺度的特征向量进行融合计算，得到融合结果；基于所述融合结果对所述特征向量重构，确定探测结果；其中，分别将所述可见光数字信号和所述近红外数字信号输入卷积神经网络，得到不同尺度的特征向量，并确定特征向量极值，包括：分别将所述可见光数据信号和所述近红外光数字信号输入卷积神经网络，并利用线性整流函数生成相应的两组特征向量；两组所述特征向量分别经过反卷积层，得到两组不同尺度的特征向量，并利用极值法确定特征向量极值；所述特征提取过程包括：构造尺度空间；采用高斯差分找到极值点，获取关键点；对关键点进行筛选，去除对比度较低的关键点和不稳定的边缘响应点；利用关键点邻域数据值的梯度方向分布特性作为每个关键点方向参数；最后生成不同尺度的特征向量；输出所述探测结果；其中，所述信号获取模块包括多光谱光电转换模组和信号采集模块。

全文数据：

权利要求：

百度查询： 西安博康电子有限公司 火焰探测方法及火焰探测器

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