1 吉林大学 电子科学与工程学院 集成光电子学国家重点联合实验室吉林大学实验区，长春 130012
2 吉林省红外气体传感技术工程研究中心，长春 130012
由于红外热释电探测器在低温环境下易发生温度漂移，导致非分散红外（NDIR）二氧化碳（CO2）农业火灾检测仪受低温影响较大。针对上述问题，本文设计了一种应用于-40 ℃低温环境的探测器温度控制系统。给出了NDIR农业火灾检测仪的原理，探究了热释电探测器温度漂移现象，在此基础上，设计了以STM32F103为核心的温度控制系统。将温度控制系统集成于火灾检测仪中，在-40 ℃环境温度下，将探测器温度从20 ℃起始温度控温，稳定在21 ℃的响应时间为16 s，温度波动的1σ值为0.012 6 ℃，响应时间和稳定性均满足低温环境下的控温需求。在控温条件下，对传感器进行了标定，将气体标定实验得到的吸收通道与参考通道电压信号的一次谐波幅值比和标准气体浓度值进行指数拟合，拟合优度达到了99.852%。利用纯氮气（N2）样品，对检测仪进行了25 min的稳定性测试，测得的浓度波动范围为-28.128 76×10-6~27.240 5×10-6。引入Allan方差进行评估，当积分时间为0.25 s时，检测下限为1.213 01×10-6；当积分时间为114.75 s时，理论上系统的检测下限可达到4.822 5×10-7。实验结果表明，该温度控制系统可以保证火灾检测仪在低温环境下的正常工作。
火灾检测 气体吸收 温度控制 BUCK电路 牛顿迭代法 增量式PID Fire detection Gas absorption Temperature control Buck circuit Newton iteration method Incremental PID
1 武汉科技大学 信息科学与工程学院，湖北 武汉 430081
2 武汉科技大学 教育部冶金自动化与检测技术工程研究中心，湖北 武汉 430081
针对现有烟火检测算法存在的漏检和误检问题，提出一种基于高效全局上下文网络（EGC-Net）的轻量级烟火检测新算法。该算法以轻量级目标检测网络YOLOX为基础网络，将改进的EGC-Net嵌入到YOLOX的主干特征提取网络与特征金字塔网络之间。EGC-Net由上下文建模、特征转换和特征融合3阶段结构组成，用于获得图像的全局上下文信息，建模烟火目标与其背景信息的远程依赖关系，并结合通道注意力机制学习更具判别力的视觉特征用于烟火检测。实验结果表明，本文提出的EGC-YOLOX烟火检测算法的图像级召回率为95.56%，图像级误报率为4.75%，均优于对比的其他典型轻量级算法，且速度满足实时检测的要求。该算法可在安防和消防领域推广，用于实时火灾监控和预警管理。
烟火检测 EGC-Net YOLOX 全局上下文 注意力机制 smoke and fire detection EGC-Net YOLOX global context attention mechanism
1 吉林大学 电子科学与工程学院 集成光电子学国家重点联合实验室吉林大学实验区，长春 130012
2 吉林省红外气体传感技术工程研究中心，长春 130012
基于非分散红外吸收光谱技术，利用CO气体分子在4.6 μm处的基频吸收带，采用宽带红外热光源和双通道热释电探测器，研制了一种用于早期火灾探测的红外CO传感系统。根据系统检测原理，对CO分子在红外波段的吸收谱线进行了选择；推导了光学矩阵理论，设计并优化了气室结构，优化后气室的吸收光程达到180 cm。对研制的锁相放大器进行标定，1σ检测下限为0.15 μV，背景噪声为38.89~43.23 μV。对传感系统的性能进行了实验测试。结果显示，CO的检测分辨率优于2.00×10-5，响应时间为35~38 s。对纯氮气（N2）样品进行了长达80 min的监测，其浓度波动范围为-1.42×10-5~1.51×10-5，当积分时间为0.25 s时，系统的检测下限为1.54×10-6；当积分时间为300 s时，系统的理论检测下限可达3.50×10-7。引入卡尔曼滤波算法来提高系统的稳定性，对纯氮气进行长达80 min的探测，引入该算法后系统的检测下限降低到原来的23%，同时，当积分时间为0.25 s时，检测下限降低到3.60×10-7。利用该传感系统，开展了棉花、纸张和木材的火灾阴燃实验，研究了CO浓度随阴燃时间的变化关系，验证了可通过CO浓度的变化来探测火灾发生的方法，证实了该传感系统呈现出良好的早期火灾探测能力。
传感系统 红外吸收光谱 矩阵光学 气体检测 火灾探测 Sensor system Infrared absorption spectrum Matrix optics Gas detection Fire detection
1 天津大学精密测试技术及仪器国家重点实验室，天津 300072
2 天津大学微光机电系统技术教育部重点实验室，天津 300072
3 天津大学智能与计算学部软件学院，天津 300072
基于视觉的火焰检测是一种灵活、低成本的火焰检测方式，但现阶段常用的火焰特征不能对火焰和干扰物进行有效的区分，有较大的误警率。本文基于目标轮廓的时序行为特征，将火焰的闪烁描述为一种有约束的非均匀形变过程，结合隐马尔可夫模型和传统几何特征对火焰和干扰物进行更准确地区分。实验表明，通过引入补充的火焰特征显著提高了火焰检测的准确率，有效减少了复杂环境下干扰物引起的虚警。
火焰检测 特征提取 主曲线 隐马尔可夫模型 fire detection, feature extraction, principal curv
1 西安科技大学安全科学与工程学院, 陕西 西安 710054
2 西安科技大学电气与控制工程学院, 陕西 西安 710054
针对传统火焰检测模型的检测准确度较低和速度慢等问题,提出一种优化的卷积神经网络和超像素分割算法的视频火焰区域检测方法。首先使用火焰图像数据集对模型进行训练和验证,采用卷积核堆叠替换的方法改进Inception模块的结构;其次采用小卷积核替换的方法改进网络的前端结构,并将Focal-Loss函数作为损失函数以提高模型的泛化能力;然后设计InceptionV1模型的参数复杂度优化实验,生成优化的火焰检测网络结构;最后将超像素分割算法提取的火焰超像素语义信息输入优化的InceptionV1模型中,并进一步执行视频火焰区域的定位检测。实验结果表明,所提方法能够增强视频火焰的非线性特征提取能力,火焰检测准确度高于96%,检测速度较原始模型提升2.66倍。
图像处理 火焰检测 卷积神经网络 卷积核堆叠替换 参数复杂度优化 超像素定位 激光与光电子学进展
2021, 58(2): 0210004
1 江南大学物联网工程学院, 江苏 无锡 214122
2 淮阴工学院计算机与软件工程学院, 江苏 淮安 223003
针对火焰检测定位精度与检测精度不高的问题,提出了基于定位置信度和区域全卷积网络的火焰检测方法。首先使用扩大的可分离卷积提高感受野,减少模型参数量,提高检测速度;其次对预测候选框进行平移和伸缩操作,以提高候选区域的完整性;然后对非极大值抑制方法采用分类置信度作为排序标准,而导致的错误抑制问题,引入定位置信度,以提高候选框的定位精度及检测精度;最后加入新的标签,分别代表特征不明显的弱火焰与特征明显的强火焰,对弱火焰样本加强学习,使得弱火焰能与亮色背景更好区分,从而降低样本漏检率。实验结果表明,本文方法在Bilkent大学公开火焰数据集以及互联网搜集的测试数据上,检测的火焰区域更完整,火焰位置更精确,火焰检测率更高。
图像处理 火焰检测 区域全卷积网络 可分离卷积 定位置信度 非极大值抑制 激光与光电子学进展
2020, 57(20): 201021
新疆大学电气工程学院, 新疆 乌鲁木齐 830047
传统的卷积神经网络目标检测算法需要使用大量的数据来对网络参数进行训练,会花费大量的时间,并且森林火灾数据属于小样本数据。基于此,提出一种基于迁移学习的卷积神经网络森林火灾检测算法,该算法采用迁移学习的方法训练森林火灾检测网络模型。在建立的森林火灾数据集上进行实验,结果表明使用该算法进行森林火灾检测,准确率可达97%,具有准确率高、误报率低、检测时间短等优点,将其应用在森林火灾检测上具有一定的可行性。
图像处理 森林火灾检测 迁移学习 卷积神经网络 目标检测 激光与光电子学进展
2020, 57(4): 041010
1 吉林大学 生物与农业工程学院, 吉林 长春 130022
2 吉林大学 电子科学与工程学院, 吉林 长春 130012
为了实现对火灾的早期探测, 设计了一种高精度、高灵敏度CO传感器。该传感器以激射波长的为2.33 μm的连续型分布反馈激光器为光源。采用波长调制光谱(WMS)技术与一次谐波量化的二次谐波检测方法相结合的研究手段, 对典型环境压力下复杂、重叠的光谱吸收特征进行分离, 从而实现了良好的选择性和较高的灵敏度。基于Allan Werle方差的系统长期稳定性评估分析表明, 系统的检测限(LoD)为1.18 μL/L; 当积分时间达到 205 s时, 系统能够实现0.08 μL/L的测量精度。最后, 纸、棉花以及松木等容易产生阴燃的可燃物燃烧实验表明, 所研制的传感器具有良好的早期火灾探测能力。
火灾探测 一氧化碳(CO) 分布反馈激光器 波长调制光谱 fire detection carbon monoxide Distribution Feedback (DFB) laser Wavelength Modulation Spectroscopy (WMS)
