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.
基金项目
国家自然科学基金(62073218)
陕西省教育厅专项科研计划(20JK0969)
咸阳师范学院科研项目(XSYK20025)
陕西省教育科学"十三五"规划项目(SGH18H350)
陕西省教育科学"十三五"规划项目(SGH18H373)
维普
万方数据