01 项目简介
传统火灾探测技术采用光电、离子、温度等传感器，价格低、普及率高，能够高精度地探测火灾的发生。传统方法比较适合室内等场所的火灾探测，但存在一些难以解决的缺陷， 例如探测范围窄、响应速度慢、容易中毒失效等。采用深度学习、计算机视觉等技术，解决高大空间、室外等场所的火灾安全监控，例如森林、工业园区等。
本项目采用深度学习、计算流量力学模拟等技术，研究火灾燃烧产物的视觉特点，针对烟雾半透明、火焰改变照明等，提出一种编解码卷积神经网络 (CNN)与Transformer模型相结合的火灾安全视觉表征与预警框架，解决了火灾中的可视目标烟雾与火焰的探测难题。CNN编解码网格结构可以解决局部相关特征、上下文信息的表征与提取。Transformer 模型的嵌入能很好地对不同位置对象进行长距离依赖关系建模，用于弥补CNN模型的不足，增强特征的鲁棒性。本项目设计的多尺度网络结构、残差连接、注意力机制等结构，可以提升烟雾目标的识别和定位精度。Transformer中的自注意力模型进一步提升目标的特征表达能力。
该项目可以用于室外、森林等场所的火灾探测，具有重要的研究和应用价值。此外，本项目还可以用于汽车尾气等监控，用于环境的高效监测。
02 应用领域
我国森林覆盖率比较高，远距离的火灾探测技术特别适合森林火灾的预警。该项目非常适合森林火灾的监控，具有广阔的经济效益和社会效应。
此外，在存在强气流等场所，如海上钻井平台、工业园区等，火灾燃烧产物容易被吹散，传统探测器无法报警，火灾视觉探测技术能很好地解决这类场合所的火灾安全监控。因此，该项目非常适合工业园区等场所的火灾安全监控。
03 合作方式
合作方式：许可转让或合作开发
价格：面议
联系方式：长按扫描二维码，填写您的需求
点击下方“阅读原文”填写技术需求表 ☺