基于RBF 神經(jīng)網(wǎng)絡(luò)的紅外火焰檢測(cè)設(shè)備

梁文康， 吳芷珊， 類 康

（廣州華商學(xué)院， 廣東 廣州 511300）

0 引言

隨著人類社會(huì)的不斷發(fā)展， 火災(zāi)已經(jīng)成為了人們不可忽視的多發(fā)性問題。 火災(zāi)事故一次次地顯示出它對(duì)生命和財(cái)產(chǎn)造成的巨大破壞， 因此火災(zāi)的預(yù)防和檢測(cè)是人類在對(duì)抗火災(zāi)的過程中關(guān)注的焦點(diǎn)。 在各類化工場(chǎng)合如易燃易爆氣體的儲(chǔ)存與搬運(yùn)、 原油的采取和煉制等關(guān)鍵場(chǎng)合，如果出現(xiàn)了失火幾乎是摧毀性的打擊。

通過調(diào)查我們發(fā)現(xiàn)， 在廣東有超過70%的電動(dòng)汽車充電樁產(chǎn)品存在著安全隱患， 雖然有部分是由于人為疏忽而導(dǎo)致火災(zāi)事故發(fā)生， 但是絕大多數(shù)是因?yàn)榛鹧嫣綔y(cè)器設(shè)備的性能不夠完善而造成火災(zāi)發(fā)生， 這對(duì)人民的生命和財(cái)產(chǎn)安全造成了極大的威脅。

面對(duì)這些情況， 各個(gè)地方政府也紛紛出臺(tái)相應(yīng)的政策措施去解決這一棘手的問題，我們可以看到在各類政策措施嚴(yán)格執(zhí)行的大背景下，人們的行為規(guī)范得到了一定程度的改善，由于人為疏忽導(dǎo)致的火災(zāi)事故發(fā)生率也逐漸下降，但是主要的設(shè)備技術(shù)難關(guān)仍然等待人們?nèi)スタ恕?/p>

1 市場(chǎng)調(diào)研

調(diào)研發(fā)現(xiàn)， 目前國內(nèi)消防報(bào)警行業(yè)市場(chǎng)規(guī)模在270億元左右，并且每年以5%～10%的速率穩(wěn)定增長。 但是縱觀目前市場(chǎng)上存在著的比較普遍的火焰探測(cè)器都有或多或少的缺陷，例如傳統(tǒng)的感煙、感溫火災(zāi)探測(cè)器因易受溫濕度傳感器等環(huán)境條件影響，存在錯(cuò)報(bào)率較高的問題，容易導(dǎo)致人力物力等資源的浪費(fèi)； 另一個(gè)比較普遍的就是紫外火焰探測(cè)器， 由于紫外火焰檢測(cè)器的敏感度差且檢測(cè)區(qū)域范圍較小，故無法很好滿足消防安全的要求。

相比之下， 屬于感光型的紅外線火災(zāi)事故傳感器則是目前大多數(shù)人們比較青睞的火災(zāi)監(jiān)測(cè)設(shè)備， 因?yàn)榧t外線照射波段較長，因此造就了其擁有較強(qiáng)的穿透力，能夠檢測(cè)區(qū)域的范圍能夠十分廣泛， 適合于所有工業(yè)和居住范圍內(nèi)，同時(shí)也經(jīng)常被廣泛應(yīng)用于森林火災(zāi)檢測(cè)等。

同時(shí)我們也可以看到，近些年來，關(guān)于火災(zāi)事故監(jiān)測(cè)的算法也受到了許多國內(nèi)專家學(xué)者的深入研究。比如，有的研究者提供了融合絕對(duì)溫度和根據(jù)相對(duì)高度變化的火災(zāi)事故判定概率模式， 并運(yùn)用近紅外熱成像技術(shù)進(jìn)行了火災(zāi)事故預(yù)警監(jiān)測(cè)。 有的通過構(gòu)建了一個(gè)根據(jù)顏色空間的火災(zāi)事故辨識(shí)概率模型，以提取火災(zāi)事故目標(biāo)區(qū)域，并根據(jù)運(yùn)動(dòng)特性進(jìn)行對(duì)火災(zāi)事故鑒定。 有的則提供了一個(gè)可以采用層次分析法獲取， 火焰多種動(dòng)態(tài)特性相互融合的火災(zāi)事故檢測(cè)方式?？偟膩碚f，隨著社會(huì)的進(jìn)步和科技的發(fā)展， 越來越多學(xué)者投入到對(duì)火災(zāi)事故檢測(cè)算法的研究當(dāng)中， 這從側(cè)面也證明了火災(zāi)事故帶來的影響和危害不容忽視。

在圖片的火焰檢測(cè)系統(tǒng)中， 通常會(huì)被圖片采集以外的火焰特征所阻礙， 這是由于每個(gè)使用場(chǎng)景還有作業(yè)現(xiàn)場(chǎng)的環(huán)境都不是一樣的， 難免會(huì)出現(xiàn)系統(tǒng)對(duì)現(xiàn)場(chǎng)的火焰特征沒有實(shí)現(xiàn)識(shí)別，并且導(dǎo)致檢測(cè)的精度降低。正是因?yàn)槟壳笆袌?chǎng)的火災(zāi)檢測(cè)識(shí)別方法沒有能力在特別的環(huán)境下正確分辨火焰的特性，由于誤報(bào)率更多的問題，所以本文解釋一種IR3 紅外火焰探測(cè)器，并且運(yùn)用RBF 神經(jīng)網(wǎng)絡(luò)作為該火焰探測(cè)設(shè)備的算法， 以此將干擾于現(xiàn)場(chǎng)的復(fù)雜環(huán)境的部分因素進(jìn)行過濾， 從而達(dá)到更加有效的對(duì)電阻熱、鹵素?zé)粢约疤柲苓@些干擾源的誤報(bào)。

2 紅外火焰探測(cè)系統(tǒng)整體結(jié)構(gòu)

2.1 火焰探測(cè)器實(shí)現(xiàn)原理

本文中所設(shè)計(jì)的三波段紅外線火焰檢測(cè)器， 是基于3.8μm、4.3μm、5.0μm 三個(gè)波段來對(duì)火焰的紅外輻射進(jìn)行探測(cè)， 三個(gè)紅外傳感元件對(duì)火災(zāi)信息和非火災(zāi)信息的相關(guān)監(jiān)測(cè)來實(shí)現(xiàn)對(duì)火焰與背景干擾的分辨： 第一個(gè)紅外傳感器的作用在于探測(cè)由碳?xì)浠蚝蓟衔锶紵a(chǎn)生的紅外輻射， 其在4.3μm 波段的輻射強(qiáng)度明顯比其他的波段大。另一方面，太陽光的紅外輻射由于大氣中的二氧化碳和大地的吸收和反射，在4.3μm 波段的強(qiáng)度較小，因此三波段火焰探測(cè)器中選用4.3μm 作為監(jiān)測(cè)波段； 第二個(gè)紅外傳感器則是用來探測(cè)背景輻射， 例如調(diào)制太陽光、照明、電弧焊、自然或人工熱體等非火災(zāi)紅外輻射。

為了提高探測(cè)器的靈敏度和距離， 還需要一個(gè)寬頻紅外傳感器用來探測(cè)背景紅外輻射， 于是第三個(gè)傳感器應(yīng)運(yùn)而生，3.8μm、5.0μm 兩個(gè)波段則是對(duì)人工熱源、背景光輻射等干擾源比較敏感的兩個(gè)參考波段。

三個(gè)傳感器的信號(hào)通過放大和處理后， 由內(nèi)置的CPU 進(jìn)行輸入信號(hào)的分析判斷以及輸出信號(hào)的變換，根據(jù)采集的信號(hào)，動(dòng)態(tài)進(jìn)行閃爍、閾值、相關(guān)的比值等分析，作出準(zhǔn)確的判斷，幾乎無誤報(bào)警。

2.2 硬件整體框架

IR3 紅外火焰探測(cè)器通常是由紅外傳感器模塊和三通道式前端擴(kuò)散集成電路還有信號(hào)采集模塊、EEPROM模組、微處理器模塊、遠(yuǎn)程標(biāo)定與復(fù)位電路、4～20mA 電流環(huán)電路、Modbus 通信連接模塊等所組成。

傳感器模塊運(yùn)用的是三個(gè)主要的頻段， 分別是3.8μm 和4.3μm 還有5.0μm 頻段的紅外熱釋電傳感器。通過三聲道的前置放大集成電路中， 通常是由信號(hào)預(yù)處理電路、運(yùn)算放大電路、二階巴特沃斯帶通濾波電路所構(gòu)成。 最后通過信號(hào)采集模塊完成的模數(shù)變換。

3 火焰識(shí)別算法原理分析

3.1 火焰檢測(cè)算法

由于在紅外火焰探測(cè)器檢驗(yàn)流程中， 或許會(huì)發(fā)生單獨(dú)的或非火焰波段信道的特征數(shù)據(jù)損失、畸變、飽和等對(duì)樣本特征數(shù)據(jù)結(jié)果形成較強(qiáng)影響的情形， 所以本文中設(shè)計(jì)了使用RBF 的神經(jīng)網(wǎng)絡(luò)檢查計(jì)算。

（1）輸入層。 輸入整理好的樣本數(shù)據(jù)。 根據(jù)各項(xiàng)數(shù)據(jù)分析出最容易導(dǎo)致火災(zāi)發(fā)生的物品種類， 以這些物品確定為實(shí)驗(yàn)的研究對(duì)象，然后收集這些研究對(duì)象的性能、狀態(tài)、形狀等數(shù)據(jù)，按照一定的歸類方法整理好，把這些數(shù)據(jù)經(jīng)過篩選、組合、再歸類，從而確定好樣本數(shù)據(jù)，再將樣本數(shù)據(jù)傳送到輸入層，再進(jìn)行進(jìn)一步的分析。

（2）隱蔽層。首先，把所有一起試驗(yàn)的數(shù)據(jù)內(nèi)容，經(jīng)過聚類算法將其聚為h 類， 把每一種類別都分為n 個(gè)高斯隸屬性函數(shù)。 最后把這個(gè)h 類函數(shù)的樣本聚類中心為隱含層各高斯隸屬度函數(shù)的初始中心函數(shù)。

（3）歸一化層。 標(biāo)準(zhǔn)的RBF 模糊神經(jīng)網(wǎng)絡(luò)盡管在訓(xùn)練過程中性能很優(yōu)秀，但在測(cè)試時(shí)的一般化水平并不高，測(cè)試出來的結(jié)果并沒有能夠很好地反映出樣本數(shù)據(jù)的真實(shí)情況，而歸一化后的RBF 模糊神經(jīng)網(wǎng)絡(luò)則可以顯著地改善訓(xùn)練模型的一般化水平。

（4）輸入輸出層次。輸入輸出層的所有入口在計(jì)算機(jī)網(wǎng)絡(luò)中歸一化，適當(dāng)度構(gòu)成的線性結(jié)構(gòu)。

3.2 系統(tǒng)軟件設(shè)計(jì)

系統(tǒng)設(shè)計(jì)運(yùn)用的是IAR Embedded workben Ch 平臺(tái)，相比于其他的同類平臺(tái)， 該平臺(tái)對(duì)數(shù)據(jù)具有更安全的保密性，同時(shí)數(shù)據(jù)傳送速度極快。 另一方面，我們也同時(shí)運(yùn)用嵌入式C 語言編程進(jìn)行運(yùn)作， 使整體工作效果能夠更具有科學(xué)性。 效能有以下部分組成：系統(tǒng)初始化、系統(tǒng)自檢、傳感器信息收集、處理、通信、告警等若干方面。

（1）系統(tǒng)初始化與自檢。 在EEPROM 中讀取各函數(shù)的值，進(jìn)行參數(shù)初始化；然后通過檢查硬件電路存不存在運(yùn)行不通過， 并且所有的參數(shù)初始值有沒有正確的運(yùn)行系統(tǒng)自檢。

（2） 數(shù)據(jù)采集。一旦控制系統(tǒng)進(jìn)入正常的工作狀態(tài)后，將完成所有傳感器數(shù)據(jù)采集工作， 本控制系統(tǒng)通過STM32 微處理器的DMA 連續(xù)切換模塊，完成了對(duì)全部三個(gè)傳感器通道的數(shù)據(jù)采集。

（3）數(shù)據(jù)處理。 采集完數(shù)據(jù)樣本之后，從先前的數(shù)據(jù)中將試驗(yàn)的火焰特征提取出來再運(yùn)行系統(tǒng)自檢。 一般來說采集的火焰特征越多， 對(duì)真火焰的檢測(cè)精度也會(huì)更加高， 同時(shí)誤報(bào)率一樣會(huì)大大降低， 不過特征數(shù)據(jù)變多的話，系統(tǒng)軟件的運(yùn)行負(fù)荷越大，判斷所用的時(shí)間就更長，也會(huì)影響對(duì)探測(cè)器實(shí)時(shí)性的要求。但經(jīng)過研究分析后，本系列所獲得的火災(zāi)特性大致有： ①三個(gè)波段數(shù)據(jù)的電壓峰值；②從三個(gè)通道采集數(shù)據(jù)相互間的差值；③頻譜中各頻率段幅值之和；④頻譜中峰值對(duì)應(yīng)的頻率和幅值大小。

本檢測(cè)器因采用了三種不同波段的通道，從而使用三種通道間的交叉特性能夠更有效減少因距離遠(yuǎn)近而造成的誤報(bào)。 而且，由于檢測(cè)儀采用了Modbus 通信協(xié)議和集總控制器實(shí)現(xiàn)的數(shù)據(jù)， 故能夠利用上位機(jī)查詢各個(gè)輔助寄存器中的數(shù)據(jù)，從而真實(shí)的監(jiān)控檢測(cè)儀的運(yùn)行工作狀況。

4 實(shí)驗(yàn)結(jié)果與分析

此次實(shí)驗(yàn)主要對(duì)酒精燈、正庚烷、高溫電烙鐵、白熾燈、鹵素?zé)?、太陽能等各種動(dòng)火和干擾源，進(jìn)行了數(shù)據(jù)收集和模擬訓(xùn)練。

試驗(yàn)過程中共使用了621 組的取樣數(shù)據(jù)結(jié)果 （每組200 個(gè)數(shù)據(jù)結(jié)果），每組試驗(yàn)數(shù)據(jù)結(jié)果均被歸一化在[-1，1]的范圍。為便于對(duì)比，分別選擇了三百六十五組作為RBF模型與BP 模型的訓(xùn)練集，之所以選擇BP 模型是因?yàn)锽P模型是目前在火焰識(shí)別中比較普遍運(yùn)用的一種識(shí)別算法，兩者相比較能夠突顯出RBF 模型的優(yōu)越性，實(shí)驗(yàn)樣本數(shù)據(jù)主要由陽性樣本一百八十四組和陰性樣本一百八十一組這兩者有機(jī)組成， 其輸出結(jié)果分為1 和-1 兩類，“1”是代表“有火”，“-1”則表示“無火”。 此外，為了有效防止過渡擬合， 該實(shí)驗(yàn)還選擇了另外一百零一組作為訓(xùn)練驗(yàn)證集，并且在此基礎(chǔ)上選擇了最佳的匹配模式，其中則包括了五十三組有陽性樣本和48 組有陰性樣本。

研究結(jié)果表明， 探測(cè)器中無論存在火災(zāi)或干擾源的狀態(tài)下，RBF 網(wǎng)絡(luò)系統(tǒng)檢測(cè)精度均高于BP 網(wǎng)絡(luò)， 且對(duì)高熱電烙鐵、白熱燈、鹵素?zé)?、太陽能等干擾無誤報(bào)情況，證明了RBF 網(wǎng)絡(luò)系統(tǒng)在火災(zāi)監(jiān)測(cè)中有良好的魯棒性，并顯示出了很好的火焰監(jiān)測(cè)特性。

另外，本文還對(duì)火源和干擾源做了角度位移在45°狀態(tài)下的精度檢驗(yàn)。實(shí)測(cè)結(jié)果表明，大距離位移對(duì)信號(hào)特性的獲得有輕微障礙，而RBF 神經(jīng)網(wǎng)絡(luò)的檢測(cè)方式是能夠很高效、快捷、方便地解決此類障礙，更重要的是在這個(gè)基礎(chǔ)上，RBF 還能保證較好的測(cè)量精度。

5 結(jié)論

本文采用了RBF 神經(jīng)網(wǎng)絡(luò)火災(zāi)探測(cè)技術(shù)，使用了三個(gè)紅外波段完成了對(duì)火災(zāi)的精確探測(cè)， 從而高效地消除了各種擾動(dòng)源，也大幅增強(qiáng)了火探測(cè)器對(duì)告警的準(zhǔn)確度。比較于常規(guī)的BP 網(wǎng)絡(luò)技術(shù)，已經(jīng)證明了該檢測(cè)算法對(duì)于強(qiáng)干擾源問題， 有著更佳的魯棒性以及更精確的測(cè)試特性。在硬件設(shè)計(jì)方面，前置通道可以針對(duì)模擬信號(hào)的大小而自行調(diào)整增益，從而達(dá)到了對(duì)信息的最佳使用，也有效地防止了因信息過弱引起的數(shù)據(jù)損失和因信息飽和引起的數(shù)據(jù)丟失，從而提高了較優(yōu)火焰識(shí)別算法的實(shí)現(xiàn)。

總的來說，消防器械行業(yè)在保障人民生命財(cái)產(chǎn)安全中扮演著極其重要的角色，對(duì)社會(huì)的穩(wěn)定發(fā)展具有舉足輕重的地位，而火焰探測(cè)設(shè)備優(yōu)勢(shì)直接影響消防器械行業(yè)的關(guān)鍵設(shè)備。 本文的基于IR3 點(diǎn)型式紅外火焰探測(cè)器及RBF神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)算法的新型火焰檢測(cè)設(shè)備研究旨在更科學(xué)高效地解決電動(dòng)自行車充電時(shí)易發(fā)生火災(zāi)的隱患，保障人民群眾的生命和財(cái)產(chǎn)安全，而且能夠改善電動(dòng)自行車隨意擺放及居家充電的雜亂場(chǎng)面，推動(dòng)文明城市建設(shè)。未來，該設(shè)備將不僅僅局限于目前的社區(qū)電動(dòng)自行車充電樁雨棚，還可以應(yīng)用于更加廣闊的領(lǐng)域中，更精準(zhǔn)、更高效的保障更多區(qū)域的消防安全，用實(shí)際行動(dòng)做到真正意義上的用科技改善人民的生活水平，讓更多的人們能過上安居樂業(yè)的幸福生活。