人工智能在消防装备中的应用研究

丁哲勇 何方

摘要：文章结合当前人工智能技术在消防装备领域的具体应用，综述了人工智能在消防装备中的应用现状，特别是人工智能在消防物资储备量的智能管理、智能消防机器人、火灾火源点自主定位识别、智慧消防领域的具体应用。文末，对未来人工智能在消防装备中的应用发展趋势进行展望。

关键词：人工智能;消防装备;火灾;救援

人工智能（Artificial Intelligence，AI）作为多学科交叉融合的先进技术，已在多个领域得到广泛应用。随着人工智能、大数据、5G网络等先进技术的快速发展，社会层面对消防装备的技术水平和应用需求也在不断提高，基于现有技术的传统消防装备，已不能够满足当前社会对于消防救援装备的智能化、时效性、便捷智能操作等的需求。

目前，正在持续推进的智慧城市建设，其发展建设关键的一环为智慧消防建设，智慧消防建设为城市的公共安全提供了基础安全保障。智慧消防建设过程中涉及的感知技术、通信网络互联互通、城市基础功能智慧化应用等也是智慧城市建设的核心和关键。基于上述分析可知，智慧消防作为一项科学技術，具有系统性、复杂性的特点。

智慧消防技术的发展建设主要依附于先进物联网技术、数据通讯技术、信息集成技术等先进人工智能的智能消防管理控制系统。目前智慧消防技术已在智能化的消防火灾监督以及火灾应急救援实战工作中得到了广泛应用和推广。为此，基于人工智能技术设计开发更加智能、操作更为便捷的消防装备势在必行。文章结合近几年国内外人工智能技术在消防装备研究领域的应用现状进行分析，以期为消防装备的开发设计工作提供相关理论和实践参考。

一、消防物资储备量的人工智能管理

消防救援装备物资作为消防应急救援过程中的作战必需品，在进行消防救援时能否及时、准确、合理地运送到火灾救援现场，直接关系到火灾救援的时效性。应急消防救援物资储备量智能预测，通常来讲基于消防救援物资的需求，或者基于消防救援物资的自身特征属性。消防救援的救援储备物资通常由固定的消防物资储备库进行储存，是保障消防物资安全管理的重要一环。为此消防救援物资的储备量的精准、智能管理对于消防救援的实时性和有效性具有重要作用。

对于大型火灾或者火情较为复杂的救援现场，一般需要多个消防救援单位协同作战，这期间就需要功能完备、管理功能精细、准确的消防物资储备管理系统。然而，传统的消防物资管理方法极易出现救援物资信息录入错误或者物资缺失等现象，不能够做到对消防救援物资信息的准确管理。在消防救援过程中，尤其对于涉及多种消防物资的拿取及调配任务时，传统消防物资管理方法不能够适应相应的需求。

随着智能物流管理技术的发展和进步，越来越多的先进技术在消防物资管理中得到应用和推广，但是仅仅依靠传统的计算机技术、射频扫描技术，是无法全面、准确地完成消防物资管理工作的。其中，基于基础技术的消防物资管理方法，在处理消防物资的入库和出库环节时，无法将相关的消防物资库存数据信息实时更新和完善，易出现数据更新不及时，导致消防物资管理数据库中的物资数据不准确。可见，该类基于基础技术的消防物资管理方法，在消防物资管理的实时性及准确性上仍然存在一定的不足。

现阶段，基于人工智能技术的消防物资精细化管理研究，已经将部分研究成果在消防物资管理实践环节进行了推广和应用。笔者分析有关消防物资精细化研究的文献发现，目前人工智能技术在消防物资的管理研究工作中主要涉及消防物资储备物品的分类、消防救援储备物资存储量预测、消防物资库存量控制、消防物资储备件的控制等。现阶段基于人工智能的消防救援物资储备资源智能管理研究，已经取得了诸多研究成果。

二、智能消防机器人

消防作业是非常危险的，特别是当火场充满烟雾或其他有毒气体时。消防机器人作为智能化消防装备的代表，能够协助消防员参与火灾扑救，提高消防灭火作战效率。目前，许多类型的消防机器人已被用于室内或室外火灾环境。美国和日本是最早开展对消防机器人研究及应用的国家，其研制的消防机器人多以功能集成为目标，可在高危作业环境下满足多种作业要求，并已具备较为成熟的第三代人工智能化控制功能。

Su等人[1]设计了一种用于智能建筑的带有一个灭火器和三个火焰传感器的消防机器人，并提出了一种用于机器人火灾检测的自适应融合方法。Sandeep等人[2]提出了一种基于长波红外摄像机、紫外辐射传感器和激光雷达的智能消防机器人火灾探测算法。实验结果表明，当火势熄灭时，机器人可以立即计算出其走向火场的路径并返回到原来的起始位置。Rangan[3]开发了一种消防机器人，该机器人采用模块化设计理念，包括火灾探测、路径引导和灭火操作。基于计算机视觉的火灾探测算法用于提取火灾的非静态特征，温度和紫外线传感器用于确认火灾的存在以及深度映射。

当前，我国也在开展智能消防机器人的研究工作。张慧贤等[4]对作业现场未知环境进行信息辨识、智能感知、具有一定路径规划与轨迹预测能力的消防机器人的关键技术需求以及未来发展趋势进行了总结。研究发现，智能消防机器人需要开展火灾现场救援环境信息的重建、具有自主路径规划和感知功能、自主控制技术开发实现火灾的自主扑救等先进功能。孙上杰等[5]基于深度学习算法开展了面向森林消防机器人的路径规划设计研究，解决了消防机器人在复杂火灾环境人工操作困难、操作误差大等问题。

三、火灾火源点自主定位识别技术

火灾火源点的定位识别技术在火场救援中非常关键，相对于传统感烟、感温、感光类火灾检测技术，由于其自身技术特点的局限性，既能够进行火灾的报警和预警功能，不能够在户外、较远的距离以及动态工作情况下应用，更不能够对火灾火源的具体位置进行定位分析，无法在移动的智能消防装备中应用。伴随着智能图像处理技术的发展及在工业领域中的应用，基于视觉或图像处理技术的火灾检测研究成果，在实战救援和侦察工作中得到广泛应用。基于图像的火灾火源点自主定位识别技术，通过对拍摄的火焰火源视觉图像识别，检测到动态变化的火焰特征，便可实现对火灾火源点的检测。基于图像识别的火灾火源点自主定位识别技术，不仅可以实现对可见火焰光的视频图像探测分析，同时还可以完成对红外视频火灾火源点的定位探测分析，对比传统感烟、感温、感光类火灾检测技术，基于图像识别的火焰检测识别方法适应性更强，适用范围更加广泛。

在基于图像的火灾火焰识别研究领域，根据火焰图像能获取更多火灾现场的火焰特征。传统的火焰识别研究工作主要依赖火焰图像检测识别分类器，这时提取火焰图像中的火焰特征值，需要更多地依靠技术人员的经验。火焰识别的关键一点在于特征值的提取是否正确、有效。常用于火焰识别研究的特征包括：火焰的亮度、火焰的高度重心、火焰的初始面积变化特征以及火焰的多重分形谱特征等。近年来，随着深度学习技术在目标识别检测研究工作中的应用。利用深度学习强大的特征学习和建模能力，火焰的识别精度和识别效率方面得到提升。Tian[6]等人提出了一种基于Fast R-CNN的火焰识别方法，基于AlexNet模型实现了火灾火焰特征的自动提取。Szegedy[7]等人提出了基于GoogleNet网络的火焰检测体系结构，该方法在检测精度和效率之间取得了一定的平衡，但仍然存在较高的误报率。现阶段常用于火灾火焰识别的深度学习算法模型主要有：R-CNN和YOLO、SSD检测算法[8]。前者采用区域建议方法生成样本候选帧，并通過卷积神经网络对样本进行分类;后者将候选帧的提取和分类两个任务合并到一个网络中，将边界定位问题转化为回归问题进行处理。前者在检测精度和定位方面具有优势，而后者的检出率更高。YOLOv3算法采用了分类效果更好的网络结构Darknet53，利用多尺度特征进行预测，提高了小目标的识别率，保持了速度优势，提高了检测精度。

姚月姣等[9]设计了一种港口仓库自动灭火系统，系统采用智能型主动喷水灭火系统，能够自动探测火源，并实施主动喷水灭火。Liu等[10]开发了一种基于红外视觉的自动喷气灭火系统，该系统解决了在浓烟、低照明度的情况下基于视觉的火灾自动定位困难问题。薛节[11]基于红外成像理论，开展了图像型火灾探测及火源定位系统的研究，提出了一种基于双目视觉的火源的定位方法。基于人工智能和图像识别技术可在传统消防炮、消防机器人等消防装备的基础上，开发设计出具有自主识别定位火灾火源点的智能消防装备[12]。综上可知，国内外就消防灭火自动化技术进行了较为广泛的研究，部分研究成果在消防实战中已经得到了应用。

四、智慧消防技术

智慧消防建设作为智慧城市的一部分，一直受到各级消防部门的关注。智慧消防技术作为先进的消防救援解决方案，与传统消防救援方法比较而言，智慧消防技术侧重于消防救援信息的多渠道互通互联、优化消防预警能力及消防应急指挥决策力。从消防技术的发展和公共安全的需求看，智慧消防是信息化背景下对社会消防安全管理模式的创新，是现代消防发展的必然趋势。随着智慧城市建设背景下对智慧消防产业的大力推进，智慧消防将成为消防设施建设和管理中不可或缺的组成部分，是未来智慧城市建设及管理的发展方向。智慧消防技术基于“早发现、早处理”的救援原则，能将火灾风险和影响降到最低。要想真正实现智慧消防，不能够仅将消防设备的相关数据联网到平台，而是需要综合运用物联网、大数据、AI、5G网络等先进技术，实现对火灾风险环境的智能感知、智慧决策、流程把控、科学指挥等。

目前智慧消防技术已在国内的消防救援领域得到了具体应用和实践，特别是智慧消防技术在火灾研判、火灾监督管理等业务领域应用较为广泛。国内相关文献资料分析了智慧消防在防火监督业务中的应用，还有的分析了智慧消防视域下的社会消防安全管理。同时在电力行业，智能消防物联网系统也得到了设计、开发和研究。传统电力行业的消防安全管理存在数据缺失、维护难度大、监管缺失、互动缺失等明显弊端。这种管理方式滞后于当前“门前推进”“全流程管理”等先进的安全管理理念，不适应未来能源互联网建设发展的需要。针对这些问题，笔者建议构建电力行业智能消防物联网系统。该系统集中信息窗口，训练电力智能消防大脑，建立消防云管控系统，构建电力消防交互机制、多方协同消防机制，实现“全网一体”理念，全网中的一切服务于管理火灾。对于存在极大火灾救援控制和防范困难的隧道火灾，相关研究人员设计开发了基于数值数据库和人工智能的隧道火源智能检测方法。在实际隧道火灾中获取火源信息是一个很大的挑战。然而，应用人工智能（AI）和大数据的框架来预测隧道数值模型中的火源，能快速准确地识别出火源的位置和大小，通过构建一个数值模拟的大型隧道火灾数据库，设定不同的火灾位置、火灾规模和通风条件，对于指导火灾救援和扑救隧道火灾具有重要的科学实用价值。

五、总结与展望

人工智能技术在消防装备中的应用，不仅对于提高消防装备的实战能力具有积极作用，同时为及时有效处置各种复杂火灾火情提供了新的技术解决方案。文章结合人工智能技术在消防机器人、火灾火源智能定位、智慧消防以及消防物资的智慧管理等方面的应用进行了分析总结。

相信，未来随着人工智能技术的不断发展，会有更多的新技术、新方法应用到消防装备领域。笔者认为未来人工智能技术在消防装备领域的应用，将重点围绕以下几个方向发展：

（1）人工智能技术将会在更大范围的消防装备中得到应用，不再局限于先进的技术装备，特别是在消防物联网领域、智慧消防领域等将会有更为广阔的应用空间，推动智慧消防和消防物联网研究成果能够在火灾抢险救援中得到实际应用，实现对安全隐患的尽早发现、及时处理，实现消防救援全程智能化。

（2）人工智能技术将会与消防技战术紧密融合，设计开发出更加符合消防作战需求、面向火灾救援实战的智能化消防装备。不再是仅将现成的相关人工智能技术嫁接到消防装备上，而是设计开发具有实战应用场景需求的智能化消防装备。

参考文献：

[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]张慧贤，杨海军，马利民，等.消防机器人作业环境智能感知与识别关键技术[J].机械制造与自动化，2021，50（06）：186-189.

[5]孙上杰，姜树海，崔嵩鹤，等.基于深度学习的森林消防机器人路径规划[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，张珂.港口仓库自动灭火系统设计方案[J].中国科技信息，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.图像型火灾探测及火源定位系统的研究与实现[D].上海：东华大学，2015.

[12]卢鹏，赵亚琴，陈越，等.复杂背景环境下基于SSD_MobileNet深度学习模型的火焰图像识别研究[J].火灾科学，2020，29（03）：142-149.