摘要：火场残留助燃剂检测是火灾调查的重要组成部分。现有方法以大型分析仪器为主,存在成本高、速度慢等缺点。提出了一种面向火场助燃剂快速检测的便携式电子鼻系统设计及相关的识别方法。采用15个金属氧化物半导体气体传感器和Jetson Nano核心控制器构造了电子鼻系统,并利用此电子鼻对汽油、柴油、酒精和稀料四种典型助燃剂采集气味信息,分别建立了未燃烧与燃烧后助燃剂气味数据集。基于四种传统机器学习算法、一维卷积神经网络(1D CNN)、二维CNN(2D CNN)和通道分离CNN(CS⁃CNN)模型开展了助燃剂识别实验。结果表明,CS⁃CNN模型针对未燃烧与燃烧后气味数据集的识别率分别为96.57%与94.66%,优于其他六种分类算法。本研究初步验证了电子鼻用于火场助燃剂快速识别的可行性,为后续的深入研究与应用奠定了基础。

摘要：为便于开展气味源定位或烟羽建图等研究,设计了3维机器人主动嗅觉仿真平台RAOS(robot active olfaction simulator).RAOS围绕旋翼无人机主动嗅觉研究进行设计,同时支持地面移动机器人仿真,主要包括3维场景、机器人、风场、气味扩散及传感器仿真5部分.通过CAD(computer aided design)软件生成3维场景并导入仿真平台;采用CFD(computational fluid dynamics)软件仿真环境自由风场;基于旋翼无人机气动嗅觉效应模型仿真尾流诱导风场,并利用全连接网络近似计算诱导风场以提高计算实时性;结合CFD环境风场和烟丝扩散模型对气味扩散过程进行仿真;同时提出了简化的TDLAS(tunable diode laser absorption spectroscopy)传感器仿真模型.为验证仿真环境与真实环境中气味扩散过程的一致性,提出利用弗雷歇距离和推土机距离2个指标分别定量地描述气味扩散轮廓和气味浓度分布的相似性,结合KS(Kolmogorov-Smirnov)检验进行一致性判定.通过与实物实验及风洞数据对比,验证了RAOS平台仿真烟羽与真实环境烟羽扩散分布的一致性,可为3维环境主动嗅觉研究提供一致、可重复的仿真环境.

摘要：针对现有视频图像火焰检测算法前景提取不完整、准确率低和误检率高等问题,提出一种基于改进混合高斯模型(GMM)和多特征融合的视频火焰检测算法。首先针对背景建模,提出了自适应高斯分布数和学习率的改进GMM方法,以提高前景提取效果和算法实时性;然后利用火焰颜色特征筛选出疑似火焰区域,再通过融合改进局部二值模式纹理和边缘相似度特征用于火焰检测。基于支持向量机设计火焰融合特征分类器并进行对比实验,在公开数据集上的实验结果表明,所提算法有效提高了背景建模效果,火焰检测准确率可达到92.26%,误检率低至2.43%。