專利地圖及專題文章:AI專利技術解析-人工智能及影像辨識的火災偵測
![AI專利技術解析-人工智能及影像辨識的火災偵測 interview-1-01](images/product/20240531111257.png)
來源: Rex Wang 2024-5-31
AI專利技術解析-人工智能及影像辨識的火災偵測
發明名稱:基於人工智能及影像辨識的火災偵測系統及火災偵測方法
申請日:110(2021)/06/18
申請人:南亞塑膠工業股份有限公司(TW)
發明專利第I807354號
一、AI專利-火災偵測
本發明之AI技術係揭露一種基於人工智能及影像辨識的火災偵測系統以及火災偵測方法。其中該火災偵測系統包含一影像監控模組、一影像辨識模組、及一火災警報模組。而該影像監控模組用以執行一監控作業,以對一監控區域進行影像拍攝,並且初步判斷是否存在一異常影像。
又該影像辨識模組建立一人工智能物件偵測模型,用以對異常影像進行影像辨識,以輸出一辨識結果。當辨識結果符合一預定條件時,該影像辨識模組將辨識結果傳送至該火災警報模組,以觸發火災警報。
二、AI專利之技術內容
(一)當前「火災偵測」技術領域所遭遇到的困難與瓶頸
按,現有技術的火災偵測系統及火災偵測方法可以對一監控區域進行監控,以利於當有諸如冒煙或起火等異常狀況發生時,火災偵測系統可以觸發火災警報,從而避免人員傷亡及財務損失。
然而,對於一般工廠而言,重要設備及挑高場所的冒煙或起火等異常狀況不易監控,常因觸發火災警報的時間延遲,而錯失了人員可以救難的時間。或者,常因火災警報的誤報,從而導致現場作業人員的困擾。
故,本發明人有感上述缺失可改善,乃特潛心研究並配合學理之應用,終於提出一種設計合理且有效改善上述缺失之本發明。
(二)本發明之AI系統架構
如其圖1所示,係為本發明之系統架構圖,其中,如圖1所示,所述該影像監控模組1包含:一影像擷取單元11、一影像判斷單元12、及一訊號傳送單元13。所述影像擷取單元11訊號連接至影像判斷單元12,並且所述影像判斷單元12訊號連接至訊號傳送單元13。
所述該影像監控模組1係透過該影像擷取單元11對一監控區域R實時且連續拍攝多張監控影像P1。再者,所述該影像監控模組1透過影像判斷單元12來判斷多張監控影像P1中是否存在異常影像P2。當所述該影像判斷單元12判斷出多張監控影像P1中存在異常影像P2時,所述該影像監控模組1透過訊號傳送單元13將所述異常影像P2以圖片檔案的格式傳送至該影像辨識模組2以進行辨識。前述監控區域R可以例如是一工廠的設備設置區域、一工廠的原料置放區域、及/或一工廠的產品囤放區域…等在工廠中容易發生火災的區域。
圖1:本發明之系統架構圖
圖2:本發明之監控方式示意圖
(三)本發明之AI系統的實施方式
在本發明的一實際應用中,所述該影像擷取單元11係對該監控區域R持續地進行監控作業,以連續拍攝多張監控影像P1。所述該影像判斷單元12能偵測連續拍攝的多張監控影像P1之間是否具有狀態變化,如底下圖3所示,所述該影像判斷單元12能進一步透過一判斷規則來判斷連續拍攝的多張監控影像P1中是否存在有異常影像P2,並且所述該影像判斷單元12能輸出一判斷結果。前述判斷的規則可以例如是一亮度差異的判斷、一對比差異的判斷、及/或一持續時間的判斷。
圖3:本發明影像判斷單元12偵測並連續拍攝的多張監控影像P1之示意圖
若連續拍攝的多張所述監控影像P1之間的狀態變化符合特定的判斷規則,則所述影像判斷單元12判斷連續拍攝的多張監控影像P1中存在有異常影像P2。舉例而言,在連續拍攝的多張所述監控影像P1中,若所述亮度差異不小於0.5、所述對比度差異不小於0.8、並且所述持續時間不小於3秒,則所述影像判斷單元12判斷連續拍攝的多張監控影像P1中存在有異常影像P2(如:疑似具有火焰及/或煙霧的影像)。
值得一提的是,所述亮度差異的判斷可以例如是在一預定時間以內(如一秒內),前後拍攝的兩張監控影像在亮度上的差異。再者,所述對比差異的判斷可以例如是在該預定時間以內,前後拍攝的兩張監控影像在對比度上的差異。
請參閱底下圖4所示,本發明實施例也提供一種火災偵測方法,特別是一種基於人工智能及影像辨識的火災偵測方法。所述火災偵測方法包括步驟S110及步驟S120。所述步驟S110包含:以一影像監控模組執行一監控作業以對一監控區域進行影像拍攝,並且判斷是否存在有一異常影像。所述步驟S120包含:以建立有一人工智能物件偵測模型的一影像辨識模組對所述異常影像進行影像辨識,以輸出一辨識結果;當所述辨識結果符合一預定條件時,所述影像辨識模組能將所述辨識結果傳送至一火災警報模組,並觸發一火災警報。
圖4:本發明火災時的AI偵測及觸發警報之流程示意圖
(四)本發明之AI系統的訓練方式
所述人工智能物件偵測模型執行時則包含下列的步驟:(a)訓練階段步驟,係建立至少一包含所述影像特徵資料庫的深度學習模型,並於所述影像特徵資料庫輸入巨量的樣本影像,並且標記所述樣本影像中的火焰特徵及/或煙霧特徵;接著,由所述深度學習模型測試影像辨識的正確率,再判斷所述影像辨識的正確率是否足夠,當判斷結果為是時,則將所述辨識結果輸出及儲存;當判斷結果為否時,則使深度學習模型自我修正學習;及(b)運行預測階段步驟,係於所述深度學習模型輸入從影像監控模組傳送的所述異常影像,並由所述深度學習模型進行預測及辨識分析後、輸出上述辨識結果(包含:類別資訊、信心指數、及位置資訊)。
三、結論
綜上所述,本發明提供一種基於人工智能及影像辨識的火災偵測系統及火災偵測方法,其在於提供透過火災及煙霧的快速影像辨識方式,以在最短時間內辨識出是否發生了火災,來解決過去傳統火災的煙霧偵測方式存在偵測緩慢之問題。即本發明能於火災發生初期,即時發現異常,從而避免造成人員與設備的龐大損失,且能有效降低誤警報的比率。
若有企業先進或創業家欲對本專題或創新議題或相關專利內容想要進一步瞭解者,或對某產業技術進行FTO、專利地圖分析、專利檢索、專利申請及各專利舉發及迴避設計分析,敬請隨時歡迎電洽:中銓國際專利商標事務所熱線:04-23823629,將派專人提供服務。
資料來源: 中華民國專利資訊檢索系統
關鍵字: AI、人工智慧、人工智能、專利、火災偵測、影像辨識
發明名稱:基於人工智能及影像辨識的火災偵測系統及火災偵測方法
申請日:110(2021)/06/18
申請人:南亞塑膠工業股份有限公司(TW)
發明專利第I807354號
一、AI專利-火災偵測
本發明之AI技術係揭露一種基於人工智能及影像辨識的火災偵測系統以及火災偵測方法。其中該火災偵測系統包含一影像監控模組、一影像辨識模組、及一火災警報模組。而該影像監控模組用以執行一監控作業,以對一監控區域進行影像拍攝,並且初步判斷是否存在一異常影像。
又該影像辨識模組建立一人工智能物件偵測模型,用以對異常影像進行影像辨識,以輸出一辨識結果。當辨識結果符合一預定條件時,該影像辨識模組將辨識結果傳送至該火災警報模組,以觸發火災警報。
二、AI專利之技術內容
(一)當前「火災偵測」技術領域所遭遇到的困難與瓶頸
按,現有技術的火災偵測系統及火災偵測方法可以對一監控區域進行監控,以利於當有諸如冒煙或起火等異常狀況發生時,火災偵測系統可以觸發火災警報,從而避免人員傷亡及財務損失。
然而,對於一般工廠而言,重要設備及挑高場所的冒煙或起火等異常狀況不易監控,常因觸發火災警報的時間延遲,而錯失了人員可以救難的時間。或者,常因火災警報的誤報,從而導致現場作業人員的困擾。
故,本發明人有感上述缺失可改善,乃特潛心研究並配合學理之應用,終於提出一種設計合理且有效改善上述缺失之本發明。
(二)本發明之AI系統架構
如其圖1所示,係為本發明之系統架構圖,其中,如圖1所示,所述該影像監控模組1包含:一影像擷取單元11、一影像判斷單元12、及一訊號傳送單元13。所述影像擷取單元11訊號連接至影像判斷單元12,並且所述影像判斷單元12訊號連接至訊號傳送單元13。
所述該影像監控模組1係透過該影像擷取單元11對一監控區域R實時且連續拍攝多張監控影像P1。再者,所述該影像監控模組1透過影像判斷單元12來判斷多張監控影像P1中是否存在異常影像P2。當所述該影像判斷單元12判斷出多張監控影像P1中存在異常影像P2時,所述該影像監控模組1透過訊號傳送單元13將所述異常影像P2以圖片檔案的格式傳送至該影像辨識模組2以進行辨識。前述監控區域R可以例如是一工廠的設備設置區域、一工廠的原料置放區域、及/或一工廠的產品囤放區域…等在工廠中容易發生火災的區域。
![](/images/ckfinder/images/20240531104118.png)
圖1:本發明之系統架構圖
![](/images/ckfinder/images/20240531104850.png)
圖2:本發明之監控方式示意圖
(三)本發明之AI系統的實施方式
在本發明的一實際應用中,所述該影像擷取單元11係對該監控區域R持續地進行監控作業,以連續拍攝多張監控影像P1。所述該影像判斷單元12能偵測連續拍攝的多張監控影像P1之間是否具有狀態變化,如底下圖3所示,所述該影像判斷單元12能進一步透過一判斷規則來判斷連續拍攝的多張監控影像P1中是否存在有異常影像P2,並且所述該影像判斷單元12能輸出一判斷結果。前述判斷的規則可以例如是一亮度差異的判斷、一對比差異的判斷、及/或一持續時間的判斷。
![](/images/ckfinder/images/20240531105058.png)
圖3:本發明影像判斷單元12偵測並連續拍攝的多張監控影像P1之示意圖
若連續拍攝的多張所述監控影像P1之間的狀態變化符合特定的判斷規則,則所述影像判斷單元12判斷連續拍攝的多張監控影像P1中存在有異常影像P2。舉例而言,在連續拍攝的多張所述監控影像P1中,若所述亮度差異不小於0.5、所述對比度差異不小於0.8、並且所述持續時間不小於3秒,則所述影像判斷單元12判斷連續拍攝的多張監控影像P1中存在有異常影像P2(如:疑似具有火焰及/或煙霧的影像)。
值得一提的是,所述亮度差異的判斷可以例如是在一預定時間以內(如一秒內),前後拍攝的兩張監控影像在亮度上的差異。再者,所述對比差異的判斷可以例如是在該預定時間以內,前後拍攝的兩張監控影像在對比度上的差異。
請參閱底下圖4所示,本發明實施例也提供一種火災偵測方法,特別是一種基於人工智能及影像辨識的火災偵測方法。所述火災偵測方法包括步驟S110及步驟S120。所述步驟S110包含:以一影像監控模組執行一監控作業以對一監控區域進行影像拍攝,並且判斷是否存在有一異常影像。所述步驟S120包含:以建立有一人工智能物件偵測模型的一影像辨識模組對所述異常影像進行影像辨識,以輸出一辨識結果;當所述辨識結果符合一預定條件時,所述影像辨識模組能將所述辨識結果傳送至一火災警報模組,並觸發一火災警報。
![](/images/ckfinder/images/20240531110623.png)
圖4:本發明火災時的AI偵測及觸發警報之流程示意圖
(四)本發明之AI系統的訓練方式
所述人工智能物件偵測模型執行時則包含下列的步驟:(a)訓練階段步驟,係建立至少一包含所述影像特徵資料庫的深度學習模型,並於所述影像特徵資料庫輸入巨量的樣本影像,並且標記所述樣本影像中的火焰特徵及/或煙霧特徵;接著,由所述深度學習模型測試影像辨識的正確率,再判斷所述影像辨識的正確率是否足夠,當判斷結果為是時,則將所述辨識結果輸出及儲存;當判斷結果為否時,則使深度學習模型自我修正學習;及(b)運行預測階段步驟,係於所述深度學習模型輸入從影像監控模組傳送的所述異常影像,並由所述深度學習模型進行預測及辨識分析後、輸出上述辨識結果(包含:類別資訊、信心指數、及位置資訊)。
三、結論
綜上所述,本發明提供一種基於人工智能及影像辨識的火災偵測系統及火災偵測方法,其在於提供透過火災及煙霧的快速影像辨識方式,以在最短時間內辨識出是否發生了火災,來解決過去傳統火災的煙霧偵測方式存在偵測緩慢之問題。即本發明能於火災發生初期,即時發現異常,從而避免造成人員與設備的龐大損失,且能有效降低誤警報的比率。
若有企業先進或創業家欲對本專題或創新議題或相關專利內容想要進一步瞭解者,或對某產業技術進行FTO、專利地圖分析、專利檢索、專利申請及各專利舉發及迴避設計分析,敬請隨時歡迎電洽:中銓國際專利商標事務所熱線:04-23823629,將派專人提供服務。
資料來源: 中華民國專利資訊檢索系統
關鍵字: AI、人工智慧、人工智能、專利、火災偵測、影像辨識
關鍵字:#AI #人工智慧 #人工智能 #專利 #火災偵測 #影像辨識
![好友人數](http://biz.line.naver.jp/line_business/img/btn/addfriends_zh-Hant.png)