买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市源流科技有限公司申请的专利一种基于烟雾图像联合特征分析的火灾预警方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119181197B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411675865.8，技术领域涉及：G08B17/10；该发明授权一种基于烟雾图像联合特征分析的火灾预警方法和系统是由张广程设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种基于烟雾图像联合特征分析的火灾预警方法和系统在说明书摘要公布了：本发明提出了一种基于烟雾图像联合特征分析的火灾预警方法和系统，应用于室内场景下的火灾预警，该方法基于烟雾传感器阵列和红外传感器阵列采集室内环境的烟雾浓度分布数据和红外热图，基于摄像头采室内环境的可见光图像；采用3D卷积神经网络提取烟雾浓度分布的时空特征，使用2D卷积神经网络提取可见光图像的纹理和形状特征，以及红外热图的温度分布特征；对三种特征进行加权融合，生成联合特征表示；将融合后的联合特征表示为基于时间顺序的特征序列，基于训练好的多层感知机分类模型，得到当前时间窗口的火灾风险等级；该方法提高预警的准确性、及时性和全面性，能够更好地应对各种复杂场景下的火灾风险。

本发明授权一种基于烟雾图像联合特征分析的火灾预警方法和系统在权利要求书中公布了：1.一种基于烟雾图像联合特征分析的火灾预警方法，应用于室内场景下的火灾预警，包括以下步骤： S1，设置各个传感器阵列和摄像头的数据采集频率相同，基于烟雾传感器阵列和红外传感器阵列采集室内环境的烟雾浓度分布数据和红外热图，基于摄像头采室内环境的可见光图像； S2，采用3D卷积神经网络提取烟雾浓度分布的时空特征，使用2D卷积神经网络提取可见光图像的纹理和形状特征，以及红外热图的温度分布特征；对三种特征进行加权融合，生成联合特征表示； 步骤S2中，3D卷积神经网络的输入为连续p帧烟雾浓度分布数据，p的取值范围为10到30，2D卷积神经网络的输入为单帧可见光图像或红外热图； 所述3D卷积神经网络的结构包括：3个3D卷积层，每层后接BatchNormalization批标准化函数和ReLU激活函数，2个3D最大池化层和1个全连接层；输入为T帧烟雾浓度分布数据，输出为256维特征向量； 3D卷积操作的数学表达式为： ； 其中，表示输出特征图在位置处第个输出通道的值；表示输入数据在位置处第个输入通道的值；表示3D卷积核的权重，表示卷积核的空间位置，表示第个输出通道的偏置项，分别表示卷积核空间维中的高度、宽度和深度，表示输入数据的通道总数； 2D卷积神经网络采用ResNet-50结构，包括：1个7x7卷积层，16个残差块，每个残差块包含3个卷积层、1个全局平均池化层和1个全连接层；输入为可见光图像或红外热图，输出为512维特征向量； S3，将融合后的联合特征表示为基于时间顺序的特征序列，基于训练好的多层感知机分类模型，得到当前时间窗口的火灾风险等级； 步骤S3中，基于时间顺序的特征序列长度为L，L的取值范围为5到15； 在模型训练阶段，使用带有标签的数据集来优化权重和偏置参数，所述标签是已知的火灾风险等级，与输入特征序列相关联，通过反向传播算法和梯度下降优化，最小化预测风险等级与实际风险等级之间的误差； 多层感知机分类模型包括：输入层、2个隐藏层和输出层；输入层包含1024个神经元，第一隐藏层包含512个神经元，第二隐藏层包含256个神经元，2个隐藏层均采用ReLU激活函数，输出层包含4个神经元，分别对应4个风险等级，采用Softmax激活；火灾风险等级分为四级：无风险、低风险、中风险和高风险； ； 表示输入特征向量；表示隐藏层的输出；表示最终输出的风险等级概率分布；表示各层的权重矩阵；表示各层的偏置向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市源流科技有限公司，其通讯地址为：518055 广东省深圳市南山区桃源街道长源社区长源一街85号长源京基御景峯大厦1座1601(一照多址企业)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。