جامع آتش نشانی ایران NFSI

سیستم شناسایی خودکار آتش، سیستمی است که آتش را هنگام وقوع و یا حتی قبل از وقوع شناسایی و آژیر هشدار را به صدا در می‌آورد. شناسایی آتش را می‌توان به دو دسته شناسایی آتش جنگل و شناسایی آتش در مناطق مسکونی و تجاری تقسیم نمود. شناسایی خودکار آتش بدلیل نقش مهمی که در کاهش صدمات جانی و خسارات مالی ایفا می‌کند از اهمیت خاصی برخوردار است. با توجه به اینکه برای شناسایی آتش در هر دو محیط باز و بسته باید از حسگرهای ترکیبی استفاده نمود که بسیار هزینه‌بر هستند؛ کارهای محققین معمولا بر روی شناسایی آتش در یکی از دو محیط باز یا بسته متمرکز می‌شوند. از این رو هدف این پایان نامه ارائه سیستمی مبتنی بر دانش جهت شناسایی آتش در کلیه محیط‌ها می-باشد. با توجه به بررسی‌های انجام شده بر روی کارهای محققین از سال 2000 به بعد، مدل پیشنهادی در این پایان‌نامه از دو فناوری الگوریتم‌های ژنتیک و شبکه‌های عصبی برای شناسایی آتش در مناطق باز و از فناوری‌های یادگیری ماشین برای شناسایی آتش در مناطق مسکونی و تجاری استفاده می‌کند. برای تست کارایی شناسایی آتش در محیط باز از مجموعه داده آتش جنگل‌های کانادا و در مناطق مسکونی از مجموعه داده‌های آتش در سایت NIST استفاده شده است. نتایج حاصل از شبیه‌سازی روش ترکیبی پیشنهادی GANN در محیط Matlab با سایر روش‌های موجود مقایسه و مشخص گردید که روش پیشنهادی قادر است با میانگین مربع خطای 0.00562 و بدون اینکه از دقت شناسایی آن کاسته شود، تعداد ویژگی‌ها را کاهش دهد. همچنین سیستم پیشنهادی قادر است که جهت بهبود شناسایی آتش در مناطق مسکونی، روش‌های دسته‌بندی مختلفی را با توجه به عوامل شناساگر دریافتی از محیط با استفاده از نرم‌افزار WEKA شبیه‌سازی نموده و برای شناسایی آتش در محیط‌های بسته بهترین روش را اخذ و اجرا ‌نماید. بررسی این نتایج نشان می‌دهد که روش دسته‌بندی شبکه‌های بیزین از سرعت و دقت خوبی برای شناسایی آتش در محیط بسته برخوردار است.

فرایند تشخیص آتش، وجود حریق در یک محیط را بررسی کرده و در صورت وجود آن، نسبت به اعلان آن اقدام می نماید. روشهای گوناگونی برای آشکارسازی آتش بر پایه تکنیکهای محاسباتی هوشمند مانند تحلیل ویژگی و روشهای مبتنی بر یادگیری ماشین وهمچنین مبتنی بر پردازش تصاویر و ویدئو ارائه شده است. علیرغم روشهای متعدد ارائه شده برای مسئله آشکارسازی آتش بطور خودکار، این مسئله همچنان دارای یک مسئله مهم غیر قابل حل تلقی می گردد.از آنجا که نظارت بر فضاهای عمومی و خصوصی بطور گسترده جلوگیری از جرم و یا حملات تروریستی می نماید، تحقیق برروی مانیتورینگ آتش بصورت خودکار اهمیت ویژه ای در حوادث و تصادفات مربوط به آن دارد چراکه در بسیاری از موارد آتش تمایل به گسترش داشته و موجبات خسارات زیادی را به بار می آورد. همچنین امکان بهبود کارایی روشهای ارائه شده برای آن وجود دارد. در این پژوهش، برای مسئله ی آشکارسازی آتش از روشهای هوش محاسباتی استفاده شده است. برای تشخیص آتش نواحی کاندید در حال حرکت با استفاده از روش تخمین پشت زمینه مبتنی بر یک مدل گوسی استخراج می شود، سپس روشی بر پایه مدلهای تصاویر ویدئویی رنگی با استفاده از ابزارهای تحلیل انرژی و جهت حرکت بهره برده می شود و با استفاده از شبکه بیزین فازی صحت وجود آتش و دامنه آن تعیین می گردد. نتایج حاصل از شبیه سازی روش پیشنهادی و اعمال آن بر روی مجموعه تصاویر ویدئویی مختلف حاکی از کارامدی و دقت بالای این روش در آشکارسازی وقوع حریق می باشد.

منبع:پژوهشگاه علوم و فناوری اطلاعات ایران