CN119516703A 一种多模态融合的燃气站泄漏-火灾预警方法及系统 （大连理工大学）

一种多模态融合的燃气站泄漏-火灾预警方制作泄漏火灾数据集，并建立多模态燃气站泄本发明能够实现燃气泄漏一火灾的联合异常判2步骤S1：采集用于燃气站管道泄漏监测和区域火灾据包括燃气站各区域由双光谱热成像相机采集的红外图像数据G、由管道压力传感器采集步骤S2：对采集到的压力时序数据和气体浓度时序数及测试，将燃气站热源图像数据集F作为输入，计算燃气站不同区域的火灾征兆异常概率步骤S4：将火灾征兆异常概率Px,t与传感器数据集D进行合并热源监测模型对燃气站场景异常热源的识别结果进行泄漏一火灾异常识别；根据模型的输息。步骤S22：对双光谱热成像相机采集的燃气管道区域步骤S31：利用双光谱热成像相机拍摄任意场景中烟雾图像素3中的图像按比例划分为训练集和测试集，将训练集和测试集分别按照步骤S22中红外图像步骤S34：加载步骤S33已训练好的yolov5异常热源监测)制作泄漏火灾数据集train所述传感器信息嵌入部分通过计算传感器i的嵌入向量与候选关系j∈Ci之间的归一化4所述图结构学习部分利用邻接矩阵A中的图结构将节点信息与其邻近节点信息融合在所述图偏差评分部分设置损失函数为预测值与真实值之间的均方误编号以及由yolov5异常热源监测模型输出的异常时段内该异常管段所属区域的红外图像数据预处理模块：对采集的压力时序数据和气体浓度时序数据异常热源识别模型训练及评估模块：加载初始化yolov5异常5异常热源识别模块：加载最优模型参数至yolov5异常热源监测像数据集F作为输入，输出被方框标记的异常热源所在区域的红外图像和t时刻第x区域中多模态模型训练及评估模块：加载初始化多模态燃气strain数据以及基于管网拓扑结构构造的邻接矩阵A作为输入对多模态燃气站泄漏一火灾异燃气泄漏火灾识别模块：加载最优模型参数至多模态燃气泄漏火灾预警模块：根据异常热源识别模块和燃6[0003]多模态数据融合技术替换单一传感器的燃气泄漏/火灾监测系统将是更有效的选燃气管道周边环境中可能导致火灾及爆炸的要素识别相结合的技术；(2)基于深度学习的方法缺少公开可用的数据集同时应用于上述的两个任务；(3)现有的多模态方法在数据处[0005]本发明主要针对上述燃气站泄漏监测和火灾预警的多模态融合技术的不足之处7述多模态数据包括燃气站各区域由双光谱热成像相机采集的红外图像数据G、由管道压力感器数据集D相同的时间间隔拍摄区域红外图像。对红外图像数据G采用Mosaic数据增强，中的F1分数最高的模型作为最终的yolov5异常热源监测模型，用于火灾征兆异常概率计表示yolov5异常热源监测模型识别异常热源8[0023]所述传感器信息嵌入部分通过计算传感器i的嵌入向量与候选关系j∈Ci之间的学习部分利用邻接矩阵A中的图结构将节点信息与其邻近节点信息融合在一起，基于图注[0024]进一步的，所述的图偏差评分部分的损失函数为预测值与真实值之间的均方误9编号以及由yolov5异常热源监测模型输出的异常时段内该异常管段所属区域的红外图像[0033]数据预处理模块：对采集的压力时序数据和气体浓度时输出被方框标记的异常热源所在区域的红外图像和t时刻第x区域中火灾征兆异常概率x,tx,t将strain数据以及基于管网拓扑结构构造的邻接矩阵A作为输入对多模态燃气站泄漏一火灾[0040](1)本发明与现有燃气站异常监测方法中将泄漏监测和火灾预警作为两个独立任述多模态数据包括燃气站各区域由双光谱热成像相机采集的红外图像数据G、由管道压力在计算过程中可以一次计算4张图片的标签数据提高模型训练效率。对数据增强后的红外[0062]Loss=λ1LossCλ2＝3测试集，将训练集和测试集分别按照步骤S22中红外图像数据处理方式进行图像数据预处[0070]Px,t＝max(Coff)＝max(PoxPc)train＝{straintest=min(s(t)))/(max(s(t))min(s(t)))信息以及由yolov5异常热源监测模型输出的异常时段内该异常管段所属区域的红外图像编号以及由yolov5异常热源监测模型输出的异常时段内该异常管段所属区域的红外图像[0093]数据预处理模块：对采集的压力时序数据和气体浓度时输出被方框标记的异常热源所在区域的红外图像和t时刻第x区域中火灾征兆异常概率x,tx,t将strain数据以及基于管网拓扑结构构造的邻接矩阵A作为输入对多模态燃气站泄漏一火灾