公开(公告)号：CN118797563A

公开(公告)日：2024-10-18

申请号：CN202411288301.9

申请日：2024-09-14

Applicant: 南京信息工程大学

Inventor： 孙宁 ,  魏琛 ,  胡凯 ,  成锡平 ,  汪萍萍 ,  夏浩然 ,  周建猛

IPC: G06F18/25 ,  G06F18/213 ,  G06F18/10 ,  G06F18/214 ,  G06F18/24 ,  G06V10/44 ,  G06N3/0442 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种适合边缘计算的融合多源时序数据的火灾预测方法，包括采集多视角RGB图像、多视角红外图像和气象数据，并对数据预处理；以CNN为骨干网络构建Smokey Net预测模型，将预处理后的数据输入预测模型，进行多源数据融合；选择稀疏注意力机制、强注意力机制和多头注意力机制三种注意力机制；添加外部寄存器模块和长短期记忆网络；对Smokey Net预测模型进行训练。本发明在野外火灾预测时，解决了样本数据不足的问题，并且提高对于长时间监测的准确性。从而帮助减少火灾造成的人员伤亡和财产损失，提高应对火灾的效率和及时性。

公开(公告)号：CN118797563B

公开(公告)日：2024-12-13

申请号：CN202411288301.9

申请日：2024-09-14

Applicant: 南京信息工程大学

Inventor： 孙宁 ,  魏琛 ,  胡凯 ,  成锡平 ,  汪萍萍 ,  夏浩然 ,  周建猛

IPC: G06F18/25 ,  G06F18/213 ,  G06F18/10 ,  G06F18/214 ,  G06F18/24 ,  G06V10/44 ,  G06N3/0442 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种适合边缘计算的融合多源时序数据的火灾预测方法，包括采集多视角RGB图像、多视角红外图像和气象数据，并对数据预处理；以CNN为骨干网络构建Smokey Net预测模型，将预处理后的数据输入预测模型，进行多源数据融合；选择稀疏注意力机制、强注意力机制和多头注意力机制三种注意力机制；添加外部寄存器模块和长短期记忆网络；对Smokey Net预测模型进行训练。本发明在野外火灾预测时，解决了样本数据不足的问题，并且提高对于长时间监测的准确性。从而帮助减少火灾造成的人员伤亡和财产损失，提高应对火灾的效率和及时性。

公开(公告)号：CN118887625B

公开(公告)日：2025-03-25

申请号：CN202411367197.2

申请日：2024-09-29

Applicant: 南京信息工程大学

Inventor： 孙宁 ,  周建猛 ,  胡凯 ,  魏琛 ,  夏浩然 ,  夏禹 ,  辛雨泽

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/80 ,  G06V10/72 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G08B17/12 ,  G08B31/00

Abstract: 本发明公开了一种楼宇内火灾初期火灾态势的预测方法，包括用火灾检测数据集训练得到火灾检测模型，检测到火情后提取火灾检测参数、以及可燃物类别，然后经过特征融合。为适应不同应用场景提供两种预测途径，一是为适应嵌入式设备使用，提高系统响应速度，以融合后的火焰参数为输入训练火焰预测网络，预测火焰高度、火焰投影面积、火焰蔓延位置。另一个是，将算法部署在服务器中运行，以火灾检测参数、以及可燃物分布特征为输入训练ConvLSTM火灾预测网络，输出下一时刻火焰位置和大小。本发明不仅能够预测出火焰下一时刻的状态，还有助于火灾发生后，消防等有关部门用来分析火灾成因，制定消防方案。

公开(公告)号：CN118887625A

公开(公告)日：2024-11-01

申请号：CN202411367197.2

申请日：2024-09-29

Applicant: 南京信息工程大学

Inventor： 孙宁 ,  周建猛 ,  胡凯 ,  魏琛 ,  夏浩然 ,  夏禹 ,  辛雨泽

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/80 ,  G06V10/72 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G08B17/12 ,  G08B31/00

Abstract: 本发明公开了一种楼宇内火灾初期火灾态势的预测方法，包括用火灾检测数据集训练得到火灾检测模型，检测到火情后提取火灾检测参数、以及可燃物类别，然后经过特征融合。为适应不同应用场景提供两种预测途径，一是为适应嵌入式设备使用，提高系统响应速度，以融合后的火焰参数为输入训练火焰预测网络，预测火焰高度、火焰投影面积、火焰蔓延位置。另一个是，将算法部署在服务器中运行，以火灾检测参数、以及可燃物分布特征为输入训练ConvLSTM火灾预测网络，输出下一时刻火焰位置和大小。本发明不仅能够预测出火焰下一时刻的状态，还有助于火灾发生后，消防等有关部门用来分析火灾成因，制定消防方案。