一种厨房火灾智能预警处置方法及系统

本发明涉及厨房火灾智能预警处置，尤其涉及一种厨房火灾智能预警处置方法及系统。

背景技术：

1、家庭火灾已经成为对生命和财产安全最严重的威胁之一。特别是随着城市建筑高度的不断提升和人口密度的增长，灭火救灾的难度也在不断增加，火灾造成的经济损失急剧增长。其中，厨房火灾是最常见的家庭火灾类型，也是对生命和财产安全威胁最严重的。

2、为此，提升人们预防家庭和厨房火灾的意识非常重要，各类面向家庭的火灾探测及报警装置逐步普及，例如温度传感器、湿度传感器、催化燃烧燃气传感器和双波段烟雾探测器等。此外，随着互联网技术的发展，一系列基于物联网的火灾预警系统相继出现，大大提升了火灾的实时监控、预警和处置能力。然而，目前的火灾探测和报警装置大多属于被动式预警，无法真正做到防患于未然，火灾处置能力较弱，还存在以下问题：

3、（1）火灾预警的及时性问题：现有的火灾预警装置通常采用烟雾探测器或视频监控设备进行监测，通常在火灾发生后通过声光报警器等设备进行响应，存在一定的滞后性。从消防角度来看，火灾的黄金扑救时间大约为3分钟，因此研究更实时甚至提前的预警方式，对降低火灾扑灭难度和损失具有重要意义；

4、（2）火灾预警的精准度问题：现有的火灾探测设备通常独立测量各种环境参数如温湿度和煤气指标，并基于门限值进行报警。但仅依靠单一参数进行判断，火灾预警的精准度较差。门限设置过高，则漏报率高，容易导致严重火灾后果；反之，降低门限，又可能导致误报率高，增加不必要的处置成本；

5、（3）火灾处置的有效性问题：在火灾发生后的处置过程中，由于发现滞后导致灾情蔓延，以及设备联动处理能力弱等因素，火灾处置的有效性大打折扣。

6、因此，综合利用物联网和人工智能等数字技术，研究新型的主动火灾预防报警方式，尽早发现并精准感知灾情，并自动、有效地处置火患，是非常必要的。

技术实现思路

1、本发明目的在于提供一种厨房火灾智能预警处置方法及系统，其通过多传感器信息融合实现特征提取及对齐，结合火灾场景构建任务驱动的图神经网络模型，进而通过云边端协同学习和推理作业，解决了当前厨房火灾预警精度低、实时性差及处置不力等技术问题。

2、本发明涉及一种一种厨房火灾智能预警处置系统，其通过下述技术方案实现：

3、厨房数据采集端与边缘智能计算盒网络连接；边缘智能计算盒与电控煤气阀门电控连接，并与云服务器网络连接；云服务器与交互终端网络连接；边缘智能计算盒能够与云服务器进行联邦学习训练并使用图神经网络模型；厨房数据采集端采集数据并传输至边缘智能计算盒，边缘智能计算盒通过所述图神经网络模型进行火灾预警和处置，并将厨房异常状态信息推送至云服务器，云服务器与交互终端进行交互。

4、总体而言，所述厨房火灾智能预警处置系统通过厨房数据采集端获取数据并传输至边缘智能计算盒，边缘智能计算盒利用人工智能模型进行火灾预警和处置（或配合云服务器协同处置），同时控制电控煤气阀门，必要时将异常状态信息推送至云服务器，由云服务器进一步通知交互终端，实现实时预警和智能处置，并且该人工智能模型由边缘智能计算盒与云服务器通过联邦学习得到。

5、本发明还涉及一种厨房火灾智能预警处置方法，该方法利用所述厨房火灾智能预警处置系统实现，其包括以下步骤：

6、s1，厨房数据采集端实时采集多种厨房环境参数，并上报至边缘智能计算盒；

7、s2，边缘智能计算盒根据厨房环境参数确定相应的有限状态机模式，完成图结构构建，加载相应的图神经网络模型，其中图节点代表不同厨房环境状态，边代表状态之间的切换；

8、s3，边缘智能计算盒对输入的厨房环境参数进行预处理，生成相应的特征参数向量作为每个图节点的输入，采用弱监督方式构建训练数据集，并提供模型训练和预测两个数据通道；所述弱监督方式为：边缘智能计算盒周期性对图节点（即有限状态机状态）的历史属性（状态）进行扫描和判定，得到对应的厨房环境状态（标签），从而解决厨房预警模型样本数据少的难题；

9、s4，通过模型训练通道，边缘智能计算盒以水平联邦学习方式进行模型训练；

10、s5，通过模型预测通道，边缘智能计算盒基于训练好的图神经网络模型进行预警处置。

11、优选的，有限状态机的每个状态映射为图节点，有限状态机的状态关系映射为图的边，将有限状态机和图神经网络模型建立对应关系，挖掘空间关联关系；利用时序神经网络挖掘不同时间点厨房环境状态变化的时间关联关系。

12、本发明与现有技术相比，具有如下的优点和有益效果：

13、1、现有技术中的火灾预警系统存在五大主要缺点：首先，它们依赖单一或简单的传感器组合，导致预警不及时。其次，由于缺乏对复杂环境特征的深度挖掘，预警不精准，容易产生误报或漏报。第三，数据传输和处理效率低，大量原始数据需要传输到云端，增加了通信开销和数据隐私风险。第四，缺乏自动化处置能力，主要集中在监测和报警。最后，难以实现本地化优化，模型训练和优化依赖云端，无法快速响应本地环境变化。对应的，本发明设计了一种云-边-端协同模式的厨房火灾智能预警处置系统，主要由负责数据采集的前端设备、负责数据分析处理的边缘智能计算盒和负责业务应用的云服务器组成，实现了火灾监控、预警和处置的全流程管控。系统通过多传感器信息融合技术，利用不同传感器的数据进行特征提取和对齐，获得丰富的特征表达，从而提升了状态转移的判定准确性。通过构建时序神经网络，深入挖掘和利用状态机的隐含知识，并结合联邦学习机制实现本地化优化，避免了传输原始数据到云端进行训练的通信开销和隐私风险。系统能够有效捕捉厨房环境中的动态变化，并实现精确的预警，显著提高了火灾预警的及时性和精准性；

14、2、本发明通过将厨房典型场景映射为有限状态机，利用协同感知节点进行实时信号采集和分析，并通过有限状态机进行状态转移判定，克服了现有技术中预警不及时、不精准、数据处理效率低、缺乏自动化处置能力和难以实现本地化优化等缺点。通过多传感器节点、多状态、时域时序输入等多维度特征融合，系统能够准确识别火灾风险，并在风险被识别时自动采取措施，如关闭煤气阀门、推送警报信息和通知相关人员，从而显著提高了火灾预警和处置的准确性和效率，减少了潜在损失。

技术特征：

1.一种厨房火灾智能预警处置方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种厨房火灾智能预警处置方法，其特征在于，所述s4的具体步骤包括：

3.如权利要求1所述的一种厨房火灾智能预警处置方法，其特征在于，所述s5的具体步骤包括：

4.如权利要求1所述的一种厨房火灾智能预警处置方法，其特征在于，有限状态机的每个状态映射为图节点，有限状态机的状态关系映射为图的边，将有限状态机和图神经网络模型建立对应关系，挖掘两者空间关联关系；利用时序神经网络挖掘不同时间点与厨房环境状态变化的时间关联关系。

5.如权利要求4所述的一种厨房火灾智能预警处置方法，其特征在于，所述图节点对应的图神经网络根据注意力得到的邻域节点权重对邻域节点特征进行加权求和，即

6.一种厨房火灾智能预警处置系统，用于实现权利要求1-5任意一项所述的一种厨房火灾智能预警处置方法，包括厨房数据采集端、边缘智能计算盒、云服务器、交互终端以及电控煤气阀门，其特征在于，厨房数据采集端与边缘智能计算盒网络连接；边缘智能计算盒与电控煤气阀门电控连接，并与云服务器网络连接；云服务器与交互终端网络连接；边缘智能计算盒能够与云服务器进行联邦学习训练并使用图神经网络模型；厨房数据采集端采集数据并传输至边缘智能计算盒，边缘智能计算盒通过所述图神经网络模型进行火灾预警和处置，并将厨房异常状态信息推送至云服务器，云服务器与交互终端进行交互。

7.如权利要求6所述的一种厨房火灾智能预警处置系统，其特征在于，厨房数据采集端包括温度传感器、湿度传感器、催化燃烧燃气传感器、双波段烟雾探测器、手动式触发器及视频监控设备。

技术总结
本发明公开了一种厨房火灾智能预警处置方法及系统，涉及厨房火灾智能预警处置技术领域，其厨房数据采集端与边缘智能计算盒网络连接；边缘智能计算盒与电控煤气阀门电控连接，且其与云服务器网络连接；云服务器与交互终端网络连接；边缘智能计算盒能够与云服务器进行联邦学习训练及使用图神经网络模型；厨房数据采集端采集数据传输至边缘智能计算盒，边缘智能够通过所述图神经网络模型预警并处置厨房火宅状态，且其能够将厨房异常状态信息推送至云服务器；本发明通过对应设置的人工智能预警处置设置提高了火灾预警和处置的准确性和效率。

技术研发人员：邱吉刚,姚元飞,蔡方凯,付宁
受保护的技术使用者：成都工业学院
技术研发日：
技术公布日：2024/12/19