李文睿 汪軍 徐曉峰

摘 ?要：提出一種基于紅外測溫與圖像融合的火災(zāi)預警系統(tǒng)，分析判斷采集檢測現(xiàn)場內(nèi)的溫度陣列信息以及圖像陣列信息.圖像陣列信息采用OV7725攝像機獲取，紅外測溫采用MLX90640紅外測溫陣列模塊獲取，傳感器彼此獨立地工作，共同采集圖像信息.兩個模塊共同工作，從而提高了預警的準確率，減少了誤報和錯報的概率.

關(guān)鍵詞：火災(zāi)預警；通訊協(xié)議；信息融合

[ ? 中圖分類號 ? ?]TN915.04 [ ? ?文獻標志碼 ? ] ?A

Research on Fire Warning System Based on Infrared

Temperature Measurement and Image Fusion

LI Wenrui，WANG Jun，XU Xiaofeng

（ School of Electrical Engineering，Anhui Polytechnic University，Wuhu 241000，China）

Abstract：A fire warning system based on infrared temperature measurement and image fusion is proposed to analyze and judge the temperature array information and image array information in the detection site. The image array information is acquired by OV7725 camera. Infrared temperature measurement is obtained by MLX90640 infrared temperature measurement array module. The two sensors work independently of each other and collect image information. The two modules work together to improve the accuracy of early warning and reduce the probability of false alarms and misstatements caused by traditional infrared temperature alarms.

Key words：fire warning ； communication protocol ； information fusion

火災(zāi)安全問題不容忽視，研究人員也一直在更新?lián)Q代火災(zāi)預警系統(tǒng).目前的火災(zāi)預警系統(tǒng)，當局部溫度達到著火點時發(fā)出警報信號，實現(xiàn)準確預警.但這種預警系統(tǒng)的弊端是，僅依靠一個傳感器模塊，無法準確判斷區(qū)域的溫度變化，無法根據(jù)檢測現(xiàn)場出現(xiàn)的煙霧動態(tài)變化補充判斷預警.本文提出一種基于紅外測溫與圖像融合的火災(zāi)預警系統(tǒng)，分析判斷采集檢測現(xiàn)場內(nèi)的溫度陣列信息和圖像陣列信息.圖像陣列信息采用OV7725攝像機獲取，紅外測溫采用MLX90640紅外測溫陣列模塊獲取，傳感器獨立工作，共同采集圖像信息，從而提高預警的準確率，減少誤報錯報的概率.

1 火災(zāi)預警系統(tǒng)總體架構(gòu)與模塊設(shè)計

系統(tǒng)采用模塊化結(jié)構(gòu)設(shè)計，包括傳感器采集模塊、單片機主控模塊、上位機、預警系統(tǒng).傳感器采集模塊采集檢測現(xiàn)場各項圖像信息，單片機主控模塊協(xié)調(diào)各傳感器模塊的工作，上位機實時顯示溫度數(shù)據(jù)，預警系統(tǒng)分析判斷是否存在火災(zāi)隱患，根據(jù)某一個區(qū)域一段時間內(nèi)的溫度數(shù)據(jù)變化進行預警.當某個區(qū)域溫度持續(xù)從正常向高溫增加，就是可能存在著火點，存在火災(zāi)隱患.攝像機采集模塊獲取檢測現(xiàn)場的圖像，根據(jù)圖像預警火災(zāi)，根據(jù)煙霧動態(tài)變化情況補充判斷預警.

系統(tǒng)開發(fā)板選用STM32F103開發(fā)版設(shè)計.STM32F103精致簡潔，配有多種標準接口，具有功耗低、數(shù)據(jù)傳輸速度快等優(yōu)點，可以在不同條件下使用，方便進行各種外設(shè)連接實驗.

采用MLX90640紅外陣列測溫傳感器熱成像儀模塊獲取溫度數(shù)據(jù).檢測現(xiàn)場分為768個像素點，搭配UART，TTL接口，連接在STM32F103ZET6開發(fā)板上編寫程序、顯示溫度數(shù)據(jù)、配置參數(shù)、檢測鏡頭視野內(nèi)所有物體的溫度情況.模塊最小輸出電壓為4.5 V，最大為5.5 V，支持多種波特率.根據(jù)Modbus通訊協(xié)議獲取溫度數(shù)據(jù).

攝像機模塊采用OV公司生產(chǎn)的1/4寸CMOS VGA圖像傳感器OV7725獲取圖像，根據(jù)圖像預警火災(zāi)，根據(jù)煙霧的動態(tài)變化情況補充判斷預警.模塊攝像頭輸出像素為640*480，支持VGA和QVGA兩種輸出模式，支持色飽和度調(diào)節(jié)、銳度調(diào)節(jié)以及鏡頭校準，對采集到的圖像進行圖像質(zhì)量控制，支持圖像縮放、平移等設(shè)置.模塊具有獨特的傳感器技術(shù)，可提高圖像質(zhì)量，獲取清晰穩(wěn)定的彩色圖像.工作的最佳溫度為-20 ℃～70 ℃，模塊尺寸為26 mm*27 mm，小巧方便.攝像機模塊具有自動對焦的功能，工作電流為60 mA，電壓為3.3 V，功耗低.

2 火災(zāi)預警系統(tǒng)流程的設(shè)計

系統(tǒng)收集兩個傳感器模塊采集的信息：紅外測溫模塊采集現(xiàn)場內(nèi)的溫度陣列信息，攝像機模塊采集現(xiàn)場內(nèi)的圖像陣列信息.圖像陣列信息采集模塊采用OV7725攝像機模塊獲取，溫度陣列信息采用MLX90640紅外測溫陣列模塊獲取.將傳感器模塊檢測現(xiàn)場劃分為768個檢測點，將實驗現(xiàn)場劃分成768個像素點，與檢測現(xiàn)場劃分的檢測點一一對應(yīng).紅外測溫模塊通過Modbus通訊協(xié)議獲取檢測現(xiàn)場每一點的溫度數(shù)據(jù)，根據(jù)檢測區(qū)域內(nèi)溫度數(shù)據(jù)變化情況預警.當發(fā)現(xiàn)某個區(qū)域溫度持續(xù)從正常向高溫增加，預示可能有著火點.攝像機模塊根據(jù)圖像預警火災(zāi)，根據(jù)檢測現(xiàn)場可能出現(xiàn)的煙霧等動態(tài)變化情況補充判斷預警.兩個模塊共同工作，從而提高預警的準確率，減少誤報和錯報的概率.

3 火災(zāi)預警系統(tǒng)測試

測試前的準備工作.將傳感器模塊、STM32F103開發(fā)板等連接完成之后，將STM32F103開發(fā)板通過ST-Link與電腦端相連.MLX90640紅外陣列測溫傳感器模塊工作中要注意避免雙手直接接觸核心器件，上電前檢查電源，防止反接.由于振動和帶電拔插會對MLX90640造成損壞，因此，實驗過程中一定要避免大幅度振動和帶電拔插等操作，檢查無誤后方可供電.

打開Keil μVision5軟件，編譯代碼，程序不報錯后將程序下載到STM32F103開發(fā)板里，再利用編寫的Modbus通訊協(xié)議獲取溫度數(shù)據(jù).打開Modbus Poll軟件，設(shè)置波特率為115 200，模式為RTU模式.溫度數(shù)據(jù)直接顯示在Modbus Poll軟件界面中，能夠直觀得知檢測現(xiàn)場的溫度信息.當溫度持續(xù)升高時，表明可能有著火點.實驗代碼得到最高溫度、最低溫度、平均溫度以及中心點溫度，Modbus Poll軟件界面顯示測得的數(shù)據(jù)結(jié)果除以100，得最終的溫度數(shù)據(jù).實驗結(jié)果表明，系統(tǒng)通過Modbus通訊協(xié)議得到了溫度數(shù)據(jù)，基于紅外測溫與圖像融合的火災(zāi)預警系統(tǒng)成功報警.

4 小結(jié)

提出一款基于紅外測溫與圖像融合的火災(zāi)預警系統(tǒng)研究.系統(tǒng)采用MLX90640紅外陣列測溫傳感器模塊和OV7725攝像頭模塊，采集所拍攝現(xiàn)場內(nèi)的溫度陣列信息和圖像陣列信息.實驗測試采用Keil μVision5，根據(jù)Modbus通訊協(xié)議獲取檢測現(xiàn)場每一點的溫度信息，獲取溫度數(shù)據(jù)，根據(jù)每一個溫度點當中某個區(qū)域一段時間內(nèi)的溫度數(shù)據(jù)變化情況進行預警，根據(jù)檢測現(xiàn)場圖像信息來補充判斷預警.

參考文獻

[1]曹江濤，秦躍雁，姬曉飛.基于視頻的火焰檢測算法綜述[J].數(shù)據(jù)采集與處理，2020，35（01）：35-52.

[2]魏立明，楊坤，陳妍希.建筑電氣火災(zāi)預警系統(tǒng)的綜述研究[J].吉林建筑大學學報，2017，34（03）：112-115.

[3]王繼武，王勝.林木智能化火災(zāi)預警系統(tǒng)設(shè)計——基于物聯(lián)網(wǎng)和圖像處理[J].農(nóng)機化研究，2022，44（07）：224-227.

[4]張艾萍，萬瑞軍.基于數(shù)字溫度傳感器的電纜故障在線監(jiān)測及火災(zāi)預警系統(tǒng)[J].電力自動化設(shè)備，2003（10）：57-58+61.

[5]徐凡，袁杰.基于視頻的嵌入式森林火災(zāi)預警系統(tǒng)[J].計算機應(yīng)用，2008（01）：264-266.

[6]田裳，戴永鈞.VESDA極早期煙霧探測預警系統(tǒng)在鐵路火災(zāi)防范中的應(yīng)用[J].中國鐵路，2002（10）：63-65.DOI：10.19549/j.issn.1001-683x.2002.10.018.

[7]馬宏鋒，李祥林，胡玫.森林火災(zāi)無線監(jiān)測預警系統(tǒng)的設(shè)計與實現(xiàn)[J].自動化儀表，2011，32（12）：39-42+46.

[8]華健，黃飛，任浩等.校園智能火災(zāi)預警系統(tǒng)設(shè)計與實現(xiàn)[J].合肥工業(yè)大學學報：自然科學版，2021，44（03）：357-360.

[9]趙月愛，郭興原.基于多源數(shù)據(jù)協(xié)同感知的電氣火災(zāi)預警算法研究[J].太原理工大學學報，2021，52（06）：907-912.

[10]郭偉，方振國.圖像噪點數(shù)據(jù)的定位與優(yōu)化[J].牡丹江師范學院學報：自然科學版，2023（01）：19-22.

[11]周鳳，楊輝，王利.火災(zāi)自動監(jiān)測技術(shù)研究[J].牡丹江師范學院學報：自然科學版，2016（03）：26-28.

[12]于立洋.一種基于紋理和顏色的圖像檢索方法[J].牡丹江師范學院學報：自然科學版，2010（01）：2-4.

[13]邱文挺，杜勇前.可視化電氣火災(zāi)預警系統(tǒng)的設(shè)計與實現(xiàn)[J].華僑大學學報：自然科學版，2013，34（06）：645-648.

[14]Khan Fawad，Wang Shanchi，Ma Zhewen，Ahmed Adnan，Song Pingan，Xu Zhiguang，Liu Riping，Chi Huanjie，Gu Jiayi，Tang LongCheng，Zhao Yan. Back Cover：A Durable，F(xiàn)lexible，Large‐Area，F(xiàn)lame‐Retardant，Early Fire Warning Sensor with Built‐In Patterned Electrodes （Small Methods 4/2021）[J]. Small Methods，2021，25（4）：20-21.

[15]Qiu Song，Allan Robert，Nilavalan Rajagopal，Ivey Jeff，Butterfield Steven，Li Maozhen. Performance analysis of a fail-safe wireless communication architecture for IoT based fire alarm control panels[J]. SN Applied Sciences，2021，19（2）：67-71.

[16]Khan Fawad，Wang Shanchi，Ma Zhewen，Ahmed Adnan，Song Pingan，Xu Zhiguang，Liu Riping，Chi Huanjie，Gu Jiayi，Tang LongCheng，Zhao Yan. A Durable，F(xiàn)lexible，Large‐Area，F(xiàn)lame‐Retardant，Early Fire Warning Sensor with Built‐In Patterned Electrodes[J]. Small Methods，2021，25（4）：20-22.

[17]Liming Wei，Xing Guo，Qiucui Wang. Design of integrated fire alarm system for integrated pipe gallery based on multi-environmental sensors[J]. International Journal of Wireless and Mobile Computing，2020，19（2）：178-181.

[18]葉坤濤，李文，舒蕾蕾，等.結(jié)合改進顯著性檢測與NSST的紅外與可見光圖像融合方法[J].紅外技術(shù)，2021，43（12）：1212-1221.

[19]陸寅，苗克堅，何維.基于情境上下文感知的溫度監(jiān)測與警報系統(tǒng)[J].計算機應(yīng)用，2009，29（02）：583-585+594.

[20]楊其睿.基于改進的DenseNet深度網(wǎng)絡(luò)火災(zāi)圖像識別算法[J].計算機應(yīng)用與軟件，2019，36（02）：258-263.

編輯：琳莉