دانلود مقاله انگلیسی رایگان:یک رویکرد تشخیص و پیش‌بینی حریق هوشمند ترکیبی در زمان واقعی از طریق دوربین‌ها بر اساس روش بینایی کامپیوتری - 2022
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • A combined real-time intelligent fire detection and forecasting approach through cameras based on computer vision method A combined real-time intelligent fire detection and forecasting approach through cameras based on computer vision method
    A combined real-time intelligent fire detection and forecasting approach through cameras based on computer vision method

    دسته بندی:

    بینایی ماشین - Machine vision


    سال انتشار:

    2022


    عنوان انگلیسی مقاله:

    A combined real-time intelligent fire detection and forecasting approach through cameras based on computer vision method


    ترجمه فارسی عنوان مقاله:

    یک رویکرد تشخیص و پیش‌بینی حریق هوشمند ترکیبی در زمان واقعی از طریق دوربین‌ها بر اساس روش بینایی کامپیوتری


    منبع:

    ScienceDirect- Elsevier- Process Safety and Environmental Protection, 164 (2022) 629-638: doi:10:1016/j:psep:2022:06:037


    نویسنده:

    Ping Huang


    چکیده انگلیسی:

    Fire is one of the most common hazards in the process industry. Until today, most fire alarms have had very limited functionality. Normally, only a simple alarm is triggered without any specific information about the fire circumstances provided, not to mention fire forecasting. In this paper, a combined real-time intelligent fire detection and forecasting approach through cameras is discussed with extracting and predicting fire development characteristics. Three parameters (fire spread position, fire spread speed and flame width) are used to charac- terize the fire development. Two neural networks are established, i.e., the Region-Convolutional Neural Network (RCNN) for fire characteristic extraction through fire detection and the Residual Network (ResNet) for fire forecasting. By designing 12 sets of cable fire experiments with different fire developing conditions, the accu- racies of fire parameters extraction and forecasting are evaluated. Results show that the mean relative error (MRE) of extraction by RCNN for the three parameters are around 4–13%, 6–20% and 11–37%, respectively. Meanwhile, the MRE of forecasting by ResNet for the three parameters are around 4–13%, 11–33% and 12–48%, respectively. It confirms that the proposed approach can provide a feasible solution for quantifying fire devel- opment and improve industrial fire safety, e.g., forecasting the fire development trends, assessing the severity of accidents, estimating the accident losses in real time and guiding the fire fighting and rescue tactics.
    keywords: ایمنی آتش سوزی صنعتی | تشخیص حریق | پیش بینی آتش سوزی | تجزیه و تحلیل آتش سوزی | هوش مصنوعی | Industrial fire safety | Fire detection | Fire forecasting | Fire analysis | Artificial intelligence


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 10636 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 571 :::::::: بازدید دیروز: 9785 :::::::: بازدید کل: 24489 :::::::: افراد آنلاین: 9