科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
