Certifications
Sidebar Products
Makipag-ugnay sa Amin
Address: Room 406, Building D, Baifuhui Technology Park, Qinghu, Longhua New District, Shenzhen, China.
Postal Code: 518,048
Telepono: + 86-755-82838361 / 62/63
Fax: + 86-755-82838365
Email: sales@eiseis.com
        eis@eiseis.com
        sales3@eiseis.com
        sales8@eiseis.com
        sales2@eiseis.comMakipag-ugnay sa Ngayon

Balita

smoke detection

  • May-akda:Helen Li
  • Pinagmulan:SMQT
  • Bitawan sa:2016-06-14

smoke detection


Kapag ang isang sunog ay nangyayari, minimum detection latency ay mahalaga sa minimizing pinsala at pag-save ng mga buhay. Kasalukuyang usok sensors inherently magdusa mula sa transportasyon pagkaantala ng usok mula sa apoy sa sensor. Ang isang video usok sistema ng pagtuklas ay hindi magkaroon ng ito pagkaantala. Dagdag dito, video ay isang volume sensor, hindi isang punto sensor. Ang isang punto sensor ay tumitingin sa isang punto sa espasyo. punto na hindi maaaring maapektuhan ng usok o sunog, kaya ang usok ay hindi napansin. Ang dami sensor potensyal sinusubaybayan isang mas malaking lugar at may mas mataas na posibilidad ng matagumpay na maagang pagtuklas ng usok o apoy.    

Video smoke detection ay isang magandang opsyon na kapag usok ay hindi magkaanak sa isang "normal" na paraan, halimbawa, sa tunnels, mga mina, at iba pang mga lugar na may sapilitang bentilasyon, at sa mga lugar na may air pagsasapin-sapin, eg, hangars, warehouses, atbp Video ay din ng isang magandang opsyon para sa mga malalaking, bukas na lugar kung saan maaaring may walang init o usok pagpapalaganap sa isang nakapirming punto, halimbawa, nakita mills, petrochemical refinery, sunog sa kagubatan, at iba pa     

Research sa tiktik usok gamit surveillance camera ay naging napaka-aktibo nakaraang araw. Kung paano ang mga lumang kasabihan "kung saan may usok may apoy" naglalagay, maagang smoke detection alalahanin ng mga tao buhay at ari-arian kaligtasan. 

Sa pamamagitan ng video smoke detection, ito ay posible upang matugunan ang dalawang mga problema sa tradisyunal na mga detektor ng usok na halos na batay sa maliit na butil s
ampling: 1. Traditional smoke detectors ay nangangailangan ng isang malapit sa manigarilyo.   
2. Sila ay karaniwang hindi nagbibigay ng impormasyon tungkol sa lokasyon apoy, laki, nasusunog na antas atbp Gayunman, video smoke detection pa rin ay may mahusay na teknikal na hamon dahil sa kanyang kasalukuyang pagganap ay mababa sa mga ng mga tradisyonal na particle- sampling batay detectors sa mga tuntunin ng detection rate at maling alarma rate. 

Ito ay higit sa lahat dahil sa mga sumusunod na dahilan na may video smoke signal:  
 1) pabagu-bago sa usok density, lighting, magkakaibang background, nakakasagabal hindi matibay bagay at iba pa 
 2) Wala sa mga primitive mga tampok ng imahe tulad ng intensity, galaw, gilid, at pagpapadilim characterizes usok rin.  
 3) Visual pattern ng usok ay mahirap na modelo. 


umiiral Techniques    

Kamakailan ilang smoke detection pamamaraan mula sa video nakuha sa nakikita-spectrum ay iminungkahi. Ang mga pamamaraan gumawa ng paggamit ng naturang mga visual lagda bilang paggalaw, edge, pagpapadilim, at geometry ng mga rehiyon usok. Sila ay pagkatapos ay gamitin Bayesian pagsusuri, o batay sa panuntunan pagtatasa upang magpasiya kung ang usok ay nakita. 

Ang mga pangunahing pamamaraan na kinatawan ay summarized sa mga sumusunod:   

1. Fujiwara at Terada 

[1] iminungkahi na gamitin fractal encoding concepts i-extract mga rehiyon usok mula sa isang imahe. Ginamit nila ang ari-arian ng self-pagkakapareho ng mga hugis ng usok upang tumingin para sa mga tampok ng mga rehiyon na usok sa mga code na ginawa ng fractal encoding ng isang imahe.  

2. Kopilovic et al. 

[2] Sinamantala ng irregularities sa kilos dahil sa non-tigas ng usok. Sila ay computed optical daloy field gamit ang dalawang katabing imahe, at pagkatapos ay ginagamit ang entropy ng ang pamamahagi ng mga direksyon ng paggalaw bilang isang susi na tampok upang makilala ang pagkakaiba usok motion mula sa mga di-usok paggalaw.  

 3. Töreyin et al. 

[3] nahango tampok ng imahe tulad ng paggalaw, pagkutitap, edge-blurring sa segment paglipat, pagkutitap, at edge-blurring rehiyon out mula sa video. Ang mga pamamaraan upang i-extract ang mga tampok na ay background pagbabawas, temporal maliit na alon-anyo, at spatial maliit na alon-anyo.  

4. Vicente at Guillemant 

[4] nahango lokal na galaw mula sa kumpol analysis ng mga puntos sa isang maraming interes temporal embed space upang subaybayan lokal dynamic envelopes ng pixels, at pagkatapos ay ginamit tampok ng histogram bilis ng pamamahagi ng pagkakaroon ng diskriminasyon sa pagitan ng usok at iba't-ibang mga natural phenomena tulad ng mga ulap at galit at tossed puno na maaaring maging sanhi ng tulad envelopes.  

5. Grech-Cini 

[5] na ginagamit ng higit sa 20 mga tampok ng imahe, tulad ng ang porsyento ng pagbabago ng imahe, ugnayan, pag-iiba etc., nahango mula sa parehong mga imahe reference at kasalukuyang mga imahe, at pagkatapos ay ginagamit ng isang patakaran-based o isang panuntunan-first-Bayesian-next analysis paraan upang makilala ang pagkakaiba usok motion mula sa mga di-usok paggalaw.