一种基于云计算的火灾调查勘测系统的制作方法

本发明属于云计算的火灾调查勘测领域，具体是指一种基于云计算的火灾调查勘测。

背景技术：

1、火灾作为一种突发性强、破坏性大的自然灾害，对人类社会和财产安全构成了严重威胁。随着城市化进程的加快，火灾发生频率和影响范围不断扩大，火灾调查和勘测工作的重要性日益凸显。

2、目前，在火灾即将结束和结束后的火灾调查阶段，少有智能技术的应用，尤其在判断起火点、起火原因和起火蔓延过程方面，仍然主要依靠传统的调查方法。这不仅效率低下，而且由于人为因素的影响，往往难以准确判断起火点、起火原因和起火蔓延过程，从而影响了火灾调查的准确分析和调查结果的准确性。因此，研发和应用智能技术，如云计算、深度学习等，以提高火灾调查的准确性和效率，是目前火灾调查领域所亟需解决的问题。

技术实现思路

1、为了解决上述现有技术中不能实现火灾调查的准确分析和调查结果的有效性、没有运用云计算及深度学习、没有结合火灾即将熄灭和火灾熄灭后调查分析等问题，本发明提出一种基于云计算的火灾调查勘测，以改善上述问题。

2、本技术具体是这样的：

3、一种基于云计算的火灾调查勘测系统，包括边缘计算模块、云计算模块、存储模块、数据分析处理模块、调查数据融合模块和显示处理模块；

4、所述存储模块，用于存储所述火灾调查勘测系统产生的数据；

5、所述边缘计算模块，用于根据实时采集火灾现场数据，进行第一次调查分析以及将实时采集火灾现场数据和第一次调查分析结果打包传输到云计算模块，所述火灾现场数据为火灾即将熄灭阶段所采集的数据；

6、所述云计算模块，用于根据得到的所述实时采集火灾现场数据和所述第一次调查分析结果进行第二次调查分析，得到第二次调查分析结果，并将第二次调查分析结果传输到边缘计算模块；

7、所述数据分析处理模块，用于采集火灾熄灭后的数据，通过在云计算节点部署多个深度学习模型处理所述采集火灾熄灭后的数据，处理分析结果记为第三次调查分析结果；

8、所述调查数据融合模块，用于对第二次调查分析结果及第三次调查分析结果进行数据融合，输出最终调查分析结果；

9、所述显示处理模块，用于从云计算模块中获取第二次调查分析结果、从边缘计算模块中获取第一次调查分析结果、从数据分析处理模块获取的第三次调查分析结果和从调查数据融合模块获取的最终调查分析结果，并将获取的调查分析结果进行显示。

10、进一步地，所述数据分析处理模块包括数据采集子模块、检测子模块、火灾调查深度学习子模块和火灾调查预配置子模块；

11、所述数据采集子模块，用于通过传感器和摄像头获取火灾后现场的数据，所述数据包括火灾熄灭后数据，并且将所述数据进行转换处理，生成计算机程序能识别及分析的数据，所述数据包括历史采集数据及实时采集数据；

12、所述数据采集子模块包括传感器单元、图像处理单元和视频录像处理单元；

13、所述传感器单元，用于对火灾熄灭后，通过传感器方式进行采集，包括实时传感器数据及历史采集传感器数据；

14、所述图像处理单元，用于对火灾熄灭后采集的图像进行处理，包括实时图像及历史采集图像；

15、所述视频录像处理单元，用于对火灾熄灭后采集的视频录像进行处理，包括实时视频录像及历史采集视频录像；

16、通过获取传感器单元、图像处理单元和视频录像处理单元相应的传感器类型、摄像头类型、接口类型和数据格式，并将所述传感器类型、所述接口类型和所述数据格式转换成计算机程序能识别的数据，所述传感器单元控制不同类型的传感器，利用传感器采集数据，所述图像处理单元和视频录像处理单元控制不同类型的摄像头，利用摄像头获取图像数据或视频录像，传感器及摄像头通过各自的接口类型传输数据；

17、所述火灾调查深度学习子模块，用于根据采集子模块的数据，用于训练火灾调查深度学习网络模型，得到火灾调查勘测输出模型；

18、所述火灾调查预配置子模块，用于训练预配置深度学习网络模型，得到传感器预配置模型、摄像头预配置模型、火灾痕迹关系模型，并将所述摄像头预配置模型、所述传感器预配置模型、所述火灾痕迹关系模型用于火灾痕迹数据的程序化采集和火灾痕迹关系的生成。

19、进一步地，所述传感器的类型具体包括温度传感器、烟雾传感器、热释放速率传感器和co浓度传感器；

20、所述数据格式，用于对传感器及摄像头所采集的数据进行转换生成计算机程序可识别的数据类型格式；

21、所述摄像头，用于拍摄图像和录像数据，所述图像和录像数据包括火灾熄灭后的痕迹数据；

22、所述历史采集数据包括采用传感器及摄像头采集的其他火灾现场的历史数据；

23、所述历史数据至少包括火灾熄灭后的痕迹数据。

24、进一步地，所述接口类型包括：

25、传感器接口获取单元，用于获取所述传感器接口类型，所述传感器接口用于采集数据后的传输；

26、摄像头图像接口获取单元，用于获取所述摄像头接口类型；

27、协议获取单元，用于获取所述传感器接口和所述摄像头接口的通信协议；

28、采集数据获取单元，用于根据所述协议获取单元建立不同的通信协议获取所述传感器接口和所述摄像头接口的采集数据，并且把所述采集数据存储于所述存储模块；

29、所述火灾调查深度学习子模块包括：

30、模型建立单元，用于根据所述数据采集子模块的数据，所述数据通过特征工程进行特征化，生成训练集数据和测试集数据，通过训练集数据训练深度学习网络模型，得到火灾调查勘测输出模型；

31、模型输出单元，用于将所述数据采集子模块实时采集的数据及历史数据作为火灾调查勘测输出模型的输入，所述火灾调查勘测输出模型输出起火点、起火原因和起火蔓延过程。

32、进一步地，所述火灾调查预配置子模块包括：

33、传感器预配置单元，用于根据带有类型标签的传感器采集数据，训练深度学习网络模型，得到所述传感器预配置模型，所述带有类型标签通过深度学习的神经网络算法对传感器采集的数据进行特征提取并且标签化；

34、摄像头预配置单元，用于根据带有类型标签的摄像头采集数据，训练深度学习网络模型，得到所述摄像头预配置模型，所述带有类型标签通过深度学习的神经网络算法对摄像头采集的图像进行特征提取并且标签化；

35、火灾痕迹关系单元，用于根据传感器及摄像头采集的火灾痕迹数据，通过所述火灾痕迹数据，构建火灾痕迹关系，训练深度学习网络模型，得到火灾痕迹关系模型；

36、所述火灾痕迹关系包括炭化速率与火势蔓延的方向关系、混凝土构件剥落痕迹与火灾温度关系、玻璃热炸裂痕迹与火灾温度关系、玻璃热软化痕迹与火灾温度关系、玻璃热熔化痕迹与火灾温度关系、金属物体受热膨胀和火灾温度关系、金属物体受热变化和火灾温度关系、金属物体受热变化和火灾温度关系、火灾蔓延变化和火灾起火点距离关系、火灾强度变化和火灾起因关系、火灾强度变化和火灾起火点距离关系；

37、所述火灾痕迹数据包括第一痕迹、第二痕迹、第三痕迹和第四痕迹；

38、所述第一痕迹包括起火点的痕迹、火灾蔓延的痕迹、起火原因的痕迹和火灾性质的痕迹；

39、所述第二痕迹包括玻璃形成的痕迹、金属形成的痕迹、木材形成的痕迹、可燃液体痕迹；

40、所述第三痕迹包括炭化痕迹、灰化痕迹、烟熏痕迹、倒塌痕迹、燃烧图痕、熔化痕迹、变色痕迹、变形痕迹、开裂痕迹、电热熔痕、摩擦痕迹、分离移位痕迹和人体烧伤痕迹；

41、所述第四痕迹包括蔓延痕迹和强度痕迹；

42、所述火灾痕迹关系通过机器学习的深度学习进行建模。

43、进一步地，所述边缘计算模块，用于对采集数据获取单元的实时数据通过边缘计算，计算分析后的结果记为第一调查分析数据，所述第一调查分析数据传输到云计算模块，所述实时数据为火灾即将熄灭阶段所采集的数据；

44、所述第一调查分析数据的具体分析过程包括：

45、l1：通过采集数据获取单元的传感器和摄像头，实时采集火灾现场的数据；

46、l2：在边缘节点对收集到的火灾现场的数据进行清洗、去噪、格式化预处理操作；

47、l3：在边缘计算节点上运用神经网络学习inceptionv3算法对数据进行实时分析。

48、进一步地，所述云计算模块包括数据管理单元和第二次分析调查单元；

49、所述数据管理单元用于根据获取的实时采集火灾现场的数据和第一调查分析数据结果调取相应火灾环境下的历史数据，所述历史数据包括传感器数据、图像数据和录像视频数据；

50、所述第二次分析调查单元用于根据获取的实时采集火灾现场的数据、第一调查分析数据结果和历史数据进行二次调查分析，包括：

51、s1：在云计算节点对收集到的实时采集火灾现场的数据、第一调查分析数据结果和历史数据进行清洗、去噪、格式化预处理操作；

52、s2：在云计算节点上运用神经网络学习yolov7算法对数据进行实时分析；

53、s3：将分析调查的结果用于显示处理模块进行显示。

54、进一步地，所述调查数据融合模块，通过余弦相似度算法对第二次调查分析结果及第三次调查分析结果进行计算，余弦相似度算法：

55、

56、其中xi、yi分别为第二次调查分析结果及第三次调查分析结果对应的第i个向量，计算结果为m，设定阈值为q，若m大于q，说明调查分析结果为正确，误差率很低，若m小于q，说明调查分析结果为错误，误差率很高，需要进一步调查分析，直到满足m大于q，结束调查。

57、本发明的一种基于云计算的火灾调查勘测系统的有益效果如下：

58、本发明通过边缘计算模块实时采集火灾即将熄灭的现场数据，进行第一次调查分析以及将实时采集火灾现场数据和第一次调查分析结果打包传输到云计算模块，通过云计算模块，用于根据得到的边缘计算模块的实时采集火灾现场数据和第一次调查分析结果进行第二次调查分析，得到第二次调查分析结果；通过数据分析处理模块，用于采集火灾熄灭后的数据，通过在云计算节点部署多个深度学习模型处理采集火灾熄灭后的数据，处理分析结果记为第三次调查分析结果；通过调查数据融合模块，对第二次调查分析结果及第三次调查分析结果进行数据融合，输出最终调查分析结果；通过显示处理模块从云计算模块中获取第一次调查分析结果、从边缘计算模块中获取第二次调查分析结果、从数据分析处理模块获取的调查分析结果，并将获取的调查分析结果进行显示，本发明通过云计算、深度学习模型，在火灾数据获取阶段通过深度学习模型进行数据获取，在火灾数据分析阶段，通过使用神经网络学习inceptionv3算法进行火灾即将熄灭的第一次数据分析，通过使用经网络学习yolov7算法对第一次数据分析结合历史数据进行第二次分析，通过深度学习模型对火灾熄灭后的数据进行第三次分析，使用余弦相似度算法迭代针对第二次分析结果及第三次分析结果的融合分析，输出最终调查结果，通过多次深度学习算法的分析提高火灾调查的准确性。