人工智能在消防裝備中的應用研究

丁哲勇 何方

摘要：文章結合當前人工智能技術在消防裝備領域的具體應用，綜述了人工智能在消防裝備中的應用現狀，特別是人工智能在消防物資儲備量的智能管理、智能消防機器人、火災火源點自主定位識別、智慧消防領域的具體應用。文末，對未來人工智能在消防裝備中的應用發展趨勢進行展望。

關鍵詞：人工智能;消防裝備;火災;救援

人工智能（Artificial Intelligence，AI）作為多學科交叉融合的先進技術，已在多個領域得到廣泛應用。隨著人工智能、大數據、5G網絡等先進技術的快速發展，社會層面對消防裝備的技術水平和應用需求也在不斷提高，基于現有技術的傳統消防裝備，已不能夠滿足當前社會對于消防救援裝備的智能化、時效性、便捷智能操作等的需求。

目前，正在持續推進的智慧城市建設，其發展建設關鍵的一環為智慧消防建設，智慧消防建設為城市的公共安全提供了基礎安全保障。智慧消防建設過程中涉及的感知技術、通信網絡互聯互通、城市基礎功能智慧化應用等也是智慧城市建設的核心和關鍵。基于上述分析可知，智慧消防作為一項科學技術，具有系統性、復雜性的特點。

智慧消防技術的發展建設主要依附于先進物聯網技術、數據通訊技術、信息集成技術等先進人工智能的智能消防管理控制系統。目前智慧消防技術已在智能化的消防火災監督以及火災應急救援實戰工作中得到了廣泛應用和推廣。為此，基于人工智能技術設計開發更加智能、操作更為便捷的消防裝備勢在必行。文章結合近幾年國內外人工智能技術在消防裝備研究領域的應用現狀進行分析，以期為消防裝備的開發設計工作提供相關理論和實踐參考。

一、消防物資儲備量的人工智能管理

消防救援裝備物資作為消防應急救援過程中的作戰必需品，在進行消防救援時能否及時、準確、合理地運送到火災救援現場，直接關系到火災救援的時效性。應急消防救援物資儲備量智能預測，通常來講基于消防救援物資的需求，或者基于消防救援物資的自身特征屬性。消防救援的救援儲備物資通常由固定的消防物資儲備庫進行儲存，是保障消防物資安全管理的重要一環。為此消防救援物資的儲備量的精準、智能管理對于消防救援的實時性和有效性具有重要作用。

對于大型火災或者火情較為復雜的救援現場，一般需要多個消防救援單位協同作戰，這期間就需要功能完備、管理功能精細、準確的消防物資儲備管理系統。然而，傳統的消防物資管理方法極易出現救援物資信息錄入錯誤或者物資缺失等現象，不能夠做到對消防救援物資信息的準確管理。在消防救援過程中，尤其對于涉及多種消防物資的拿取及調配任務時，傳統消防物資管理方法不能夠適應相應的需求。

隨著智能物流管理技術的發展和進步，越來越多的先進技術在消防物資管理中得到應用和推廣，但是僅僅依靠傳統的計算機技術、射頻掃描技術，是無法全面、準確地完成消防物資管理工作的。其中，基于基礎技術的消防物資管理方法，在處理消防物資的入庫和出庫環節時，無法將相關的消防物資庫存數據信息實時更新和完善，易出現數據更新不及時，導致消防物資管理數據庫中的物資數據不準確。可見，該類基于基礎技術的消防物資管理方法，在消防物資管理的實時性及準確性上仍然存在一定的不足。

現階段，基于人工智能技術的消防物資精細化管理研究，已經將部分研究成果在消防物資管理實踐環節進行了推廣和應用。筆者分析有關消防物資精細化研究的文獻發現，目前人工智能技術在消防物資的管理研究工作中主要涉及消防物資儲備物品的分類、消防救援儲備物資存儲量預測、消防物資庫存量控制、消防物資儲備件的控制等。現階段基于人工智能的消防救援物資儲備資源智能管理研究，已經取得了諸多研究成果。

二、智能消防機器人

消防作業是非常危險的，特別是當火場充滿煙霧或其他有毒氣體時。消防機器人作為智能化消防裝備的代表，能夠協助消防員參與火災撲救，提高消防滅火作戰效率。目前，許多類型的消防機器人已被用于室內或室外火災環境。美國和日本是最早開展對消防機器人研究及應用的國家，其研制的消防機器人多以功能集成為目標，可在高危作業環境下滿足多種作業要求，并已具備較為成熟的第三代人工智能化控制功能。

Su等人[1]設計了一種用于智能建筑的帶有一個滅火器和三個火焰傳感器的消防機器人，并提出了一種用于機器人火災檢測的自適應融合方法。Sandeep等人[2]提出了一種基于長波紅外攝像機、紫外輻射傳感器和激光雷達的智能消防機器人火災探測算法。實驗結果表明，當火勢熄滅時，機器人可以立即計算出其走向火場的路徑并返回到原來的起始位置。Rangan[3]開發了一種消防機器人，該機器人采用模塊化設計理念，包括火災探測、路徑引導和滅火操作。基于計算機視覺的火災探測算法用于提取火災的非靜態特征，溫度和紫外線傳感器用于確認火災的存在以及深度映射。

當前，我國也在開展智能消防機器人的研究工作。張慧賢等[4]對作業現場未知環境進行信息辨識、智能感知、具有一定路徑規劃與軌跡預測能力的消防機器人的關鍵技術需求以及未來發展趨勢進行了總結。研究發現，智能消防機器人需要開展火災現場救援環境信息的重建、具有自主路徑規劃和感知功能、自主控制技術開發實現火災的自主撲救等先進功能。孫上杰等[5]基于深度學習算法開展了面向森林消防機器人的路徑規劃設計研究，解決了消防機器人在復雜火災環境人工操作困難、操作誤差大等問題。

三、火災火源點自主定位識別技術

火災火源點的定位識別技術在火場救援中非常關鍵，相對于傳統感煙、感溫、感光類火災檢測技術，由于其自身技術特點的局限性，既能夠進行火災的報警和預警功能，不能夠在戶外、較遠的距離以及動態工作情況下應用，更不能夠對火災火源的具體位置進行定位分析，無法在移動的智能消防裝備中應用。伴隨著智能圖像處理技術的發展及在工業領域中的應用，基于視覺或圖像處理技術的火災檢測研究成果，在實戰救援和偵察工作中得到廣泛應用。基于圖像的火災火源點自主定位識別技術，通過對拍攝的火焰火源視覺圖像識別，檢測到動態變化的火焰特征，便可實現對火災火源點的檢測。基于圖像識別的火災火源點自主定位識別技術，不僅可以實現對可見火焰光的視頻圖像探測分析，同時還可以完成對紅外視頻火災火源點的定位探測分析，對比傳統感煙、感溫、感光類火災檢測技術，基于圖像識別的火焰檢測識別方法適應性更強，適用范圍更加廣泛。

在基于圖像的火災火焰識別研究領域，根據火焰圖像能獲取更多火災現場的火焰特征。傳統的火焰識別研究工作主要依賴火焰圖像檢測識別分類器，這時提取火焰圖像中的火焰特征值，需要更多地依靠技術人員的經驗。火焰識別的關鍵一點在于特征值的提取是否正確、有效。常用于火焰識別研究的特征包括：火焰的亮度、火焰的高度重心、火焰的初始面積變化特征以及火焰的多重分形譜特征等。近年來，隨著深度學習技術在目標識別檢測研究工作中的應用。利用深度學習強大的特征學習和建模能力，火焰的識別精度和識別效率方面得到提升。Tian[6]等人提出了一種基于Fast R-CNN的火焰識別方法，基于AlexNet模型實現了火災火焰特征的自動提取。Szegedy[7]等人提出了基于GoogleNet網絡的火焰檢測體系結構，該方法在檢測精度和效率之間取得了一定的平衡，但仍然存在較高的誤報率。現階段常用于火災火焰識別的深度學習算法模型主要有：R-CNN和YOLO、SSD檢測算法[8]。前者采用區域建議方法生成樣本候選幀，并通過卷積神經網絡對樣本進行分類;后者將候選幀的提取和分類兩個任務合并到一個網絡中，將邊界定位問題轉化為回歸問題進行處理。前者在檢測精度和定位方面具有優勢，而后者的檢出率更高。YOLOv3算法采用了分類效果更好的網絡結構Darknet53，利用多尺度特征進行預測，提高了小目標的識別率，保持了速度優勢，提高了檢測精度。

姚月姣等[9]設計了一種港口倉庫自動滅火系統，系統采用智能型主動噴水滅火系統，能夠自動探測火源，并實施主動噴水滅火。Liu等[10]開發了一種基于紅外視覺的自動噴氣滅火系統，該系統解決了在濃煙、低照明度的情況下基于視覺的火災自動定位困難問題。薛節[11]基于紅外成像理論，開展了圖像型火災探測及火源定位系統的研究，提出了一種基于雙目視覺的火源的定位方法。基于人工智能和圖像識別技術可在傳統消防炮、消防機器人等消防裝備的基礎上，開發設計出具有自主識別定位火災火源點的智能消防裝備[12]。綜上可知，國內外就消防滅火自動化技術進行了較為廣泛的研究，部分研究成果在消防實戰中已經得到了應用。

四、智慧消防技術

智慧消防建設作為智慧城市的一部分，一直受到各級消防部門的關注。智慧消防技術作為先進的消防救援解決方案，與傳統消防救援方法比較而言，智慧消防技術側重于消防救援信息的多渠道互通互聯、優化消防預警能力及消防應急指揮決策力。從消防技術的發展和公共安全的需求看，智慧消防是信息化背景下對社會消防安全管理模式的創新，是現代消防發展的必然趨勢。隨著智慧城市建設背景下對智慧消防產業的大力推進，智慧消防將成為消防設施建設和管理中不可或缺的組成部分，是未來智慧城市建設及管理的發展方向。智慧消防技術基于“早發現、早處理”的救援原則，能將火災風險和影響降到最低。要想真正實現智慧消防，不能夠僅將消防設備的相關數據聯網到平臺，而是需要綜合運用物聯網、大數據、AI、5G網絡等先進技術，實現對火災風險環境的智能感知、智慧決策、流程把控、科學指揮等。

目前智慧消防技術已在國內的消防救援領域得到了具體應用和實踐，特別是智慧消防技術在火災研判、火災監督管理等業務領域應用較為廣泛。國內相關文獻資料分析了智慧消防在防火監督業務中的應用，還有的分析了智慧消防視域下的社會消防安全管理。同時在電力行業，智能消防物聯網系統也得到了設計、開發和研究。傳統電力行業的消防安全管理存在數據缺失、維護難度大、監管缺失、互動缺失等明顯弊端。這種管理方式滯后于當前“門前推進”“全流程管理”等先進的安全管理理念，不適應未來能源互聯網建設發展的需要。針對這些問題，筆者建議構建電力行業智能消防物聯網系統。該系統集中信息窗口，訓練電力智能消防大腦，建立消防云管控系統，構建電力消防交互機制、多方協同消防機制，實現“全網一體”理念，全網中的一切服務于管理火災。對于存在極大火災救援控制和防范困難的隧道火災，相關研究人員設計開發了基于數值數據庫和人工智能的隧道火源智能檢測方法。在實際隧道火災中獲取火源信息是一個很大的挑戰。然而，應用人工智能（AI）和大數據的框架來預測隧道數值模型中的火源，能快速準確地識別出火源的位置和大小，通過構建一個數值模擬的大型隧道火災數據庫，設定不同的火災位置、火災規模和通風條件，對于指導火災救援和撲救隧道火災具有重要的科學實用價值。

五、總結與展望

人工智能技術在消防裝備中的應用，不僅對于提高消防裝備的實戰能力具有積極作用，同時為及時有效處置各種復雜火災火情提供了新的技術解決方案。文章結合人工智能技術在消防機器人、火災火源智能定位、智慧消防以及消防物資的智慧管理等方面的應用進行了分析總結。

相信，未來隨著人工智能技術的不斷發展，會有更多的新技術、新方法應用到消防裝備領域。筆者認為未來人工智能技術在消防裝備領域的應用，將重點圍繞以下幾個方向發展：

（1）人工智能技術將會在更大范圍的消防裝備中得到應用，不再局限于先進的技術裝備，特別是在消防物聯網領域、智慧消防領域等將會有更為廣闊的應用空間，推動智慧消防和消防物聯網研究成果能夠在火災搶險救援中得到實際應用，實現對安全隱患的盡早發現、及時處理，實現消防救援全程智能化。

（2）人工智能技術將會與消防技戰術緊密融合，設計開發出更加符合消防作戰需求、面向火災救援實戰的智能化消防裝備。不再是僅將現成的相關人工智能技術嫁接到消防裝備上，而是設計開發具有實戰應用場景需求的智能化消防裝備。

參考文獻：

[1]Su K L.Automatic Fire Detection System Using?Adaptive Fusion Algorithm for Fire Firghting?Robot[C].IEEE International Conference on Systems，2006：256-259.

[2]Kim J H，Keller B，Lattimer B Y.Sensor Fusion?Based Seek-and-find Fire Algorithm for Intelligent?Firefighting Robot[C].In：IEEE/ASME International?Conference on Advanced Intelligent Mechatronics，2013：1023-1027.

[3]Sandeep G S P.A Computer Vision Based?Approach for Detection of Fire and Direction?Control for Enhanced Operation of Fire?Fighting Robot[C].In：International Conference on Control，2014：116-121.

[4]張慧賢，楊海軍，馬利民，等.消防機器人作業環境智能感知與識別關鍵技術[J].機械制造與自動化，2021，50（06）：186-189.

[5]孫上杰，姜樹海，崔嵩鶴，等.基于深度學習的森林消防機器人路徑規劃[J].森林工程，2020，36（04）：51-57.

[6]Tian H，Abudureyimu H，Han D.Multi-type Flame?Detection Combined with Faster RCNN[J].Journal?of Image and Graphics，2019，24（1）：73-83.

[7]Szegedy C，Liu W，Jia Y，et al.Going Deeper with?Convolutions[C]//Proceedings of the IEEE Conference on?Computer Vision and Pattern Recognition. 2015：1-9.

[8]Girshick R.Fast r-cnn[C].Proceedings of?the IEEE International Conference on Computer?Vision.2015：1440-1448.

[9]姚月姣，張珂.港口倉庫自動滅火系統設計方案[J].中國科技信息，2017（06）：58-59.

[10]Liu J，Che X.Design of Fire Targeting Device?for Large Space Auto Tracking Jet Suppression?System[J].Science and Technology Innovation?Herald，2013，11：243-246.

[11]薛節.圖像型火災探測及火源定位系統的研究與實現[D].上海：東華大學，2015.

[12]盧鵬，趙亞琴，陳越，等.復雜背景環境下基于SSD_MobileNet深度學習模型的火焰圖像識別研究[J].火災科學，2020，29（03）：142-149.