公路隧道智能火灾检测系统设计

来源：计算机技术与发展杂志2022年第03期北京时间：

作者：吴宗胜;韩改宁;李红

摘要：随着中国基础建设的不断推进,高速公路覆盖范围不断扩大,隧道数量也越来越多,公路隧道发生事故导致的后果与影响往往较大,是极具破坏性和危险性的。 利用深度学习方法,该文设计了一个基于树莓派的智能公路隧道火灾监测报警系统。 该系统采用树莓派开发板和 Intel Movidius 神经计算棒( neural compute stick,NCS) 为硬件平台,连接视频监控摄像头、烟雾传感器、声光报警器和 4G 通信模块组成公路隧道火灾检测硬件系统,运用训练好的基于卷积神经网络(CNN)的隧道火灾图像识别模型,对隧道交通场景进行实时检测。 系统通过监控摄像头和烟雾传感器,同时检测隧道现场交通情况,能够及早准确识别火灾的发生,并实现即时现场报警与远程报警。 测试结果表明,在树莓派和神经计算棒的终端平台上运行深度学习的火灾检测算法,火灾识别精度达到 96% ,速度到达每秒 5 帧。 应用该系统在发生隧道火灾时对避免人员伤亡、降低财产损失具有重要意义。

关键词：隧道火灾;火灾检测;火灾报警;卷积神经网络;神经计算棒