【摘 要】采用德州儀器TMS320DM642處理器及無線局域網(wǎng)（WLAN）技術實現(xiàn)了移動式火災監(jiān)測機器人設計。機器人搭載長波紅外（LWIR）熱像儀來捕捉場景中的火災紅外圖像，綜合火焰的靜態(tài)和動態(tài)特性對火災進行識別。當機器人檢測到火災發(fā)生，自動通過WLAN向遠程控制終端發(fā)出火災報警信息，遠程控制終端通過WLAN對機器人的行動進行操控，同時接收機器人傳回的火災現(xiàn)場紅外圖像。LWIR熱像儀具有良好的煙霧穿透性，幫助操作人員迅速定位火源位置，進而有效、安全的展開救援和滅火工作。

【關鍵詞】火災監(jiān)測 無線局域網(wǎng)絡 長波紅外熱像儀 機器人

一、引言

以檢測火災為目的，發(fā)展出了基于對煙霧顆粒、溫度、相對濕度、空氣透明度以及紫外光輻射等多種物理參數(shù)進行檢測的火災早期檢測技術。然而，這類傳感器檢測范圍很小且不能提供火災火源位置、火勢大小和火災蔓延速度等更詳細的信息。本文設計的移動式火災監(jiān)測機器人，搭載LWIR熱像儀、高性能控制器、滅火系統(tǒng)和遠程無線通訊系統(tǒng)，有效的彌補了傳統(tǒng)火災檢測系統(tǒng)的不足，可以及時有效的消滅火災、保證消防人員的安全。

二、火焰檢測

傳統(tǒng)相機捕捉場景中物體反射的可見光線，而長波紅外熱像儀（8-12um）采集場景中物體發(fā)射出的電磁輻射，因此，LWIR成像儀拍攝的紅外圖像反應場景中物體的表面溫度：溫度越高，紅外圖像中對應的像素點亮度越大。DM642核心處理器基于YcrCb色彩空間對紅外圖像中的Y分量進行分析處理，Y分量的值代表每個像素對應場景位置的溫度值。

首先，通過設定溫度閾值將紅外圖像中的高溫像素點分割出來。公式1中表示像素點的亮度值；為高溫閾值；這樣，紅外圖像中的高溫可疑區(qū)域被分割了出來。

為了進一步降低其他高溫干擾目標引起的誤報警率，火災檢測算法依據(jù)火焰的動態(tài)特征對分割出的可以區(qū)域作進一步識別。由于燃燒過程中能量釋放的不穩(wěn)定，火焰存在明顯的閃爍特性。公式2中是第i幀紅外圖像中高溫區(qū)域像素點個數(shù)；是第i+1幀紅外圖像中高溫區(qū)域像素點個數(shù)；為相鄰N幀紅外圖像中高溫區(qū)域像素點波動的累加值?；鹧娴拈W爍特性使得紅外圖像中的高溫區(qū)域像素點個數(shù)不斷的變化，利用火焰這一動態(tài)特性可以有效的將火焰和其他形態(tài)穩(wěn)定的高溫目標區(qū)分出來。

三、通信和導航系統(tǒng)

Wi-Fi（基于IEEE 802.11的無線局域網(wǎng)絡），Wi-Fi技術在性價比和通信速率方面的優(yōu)勢使其成為應用最為廣泛的無線通信技術。本文所述機器人通信系統(tǒng)利用DM642核心處理器自帶的MAC接口連接WLAN模塊實現(xiàn)，機器人巡航區(qū)域布設AP節(jié)點實現(xiàn)機器人與遠程控制終端的互聯(lián)。

利用紅外熱像儀采集到連續(xù)幀的火災和高溫干擾物圖像。圖1為按照本文所述火災識別算法分析得出的結果。（a）圖展示了火災與干擾物相鄰幀紅外圖像中高溫區(qū)域像素點數(shù)目的柱狀圖，可以看出火焰紅外圖像中的高溫區(qū)域像素點數(shù)存在很大的波動，而干擾物紅外圖像中高溫區(qū)域像素點數(shù)非常穩(wěn)定。（b）圖展示了相鄰幀紅外圖像中高溫區(qū)域像素點數(shù)目波動的累計值?；馂募t外圖像中高溫區(qū)域像素點數(shù)目波動累積值遠大于非火災高溫干擾目標的累積值。實驗結果表明本文設計的移動式火災監(jiān)測機器人可以準確的識別到火災的發(fā)生。

參考文獻：

[1]李艷娜.Fike SigniFire視頻煙霧圖像探測系統(tǒng)[J].消防科學與技術，2012（4）.

[2]冷春艷.基于紅外圖像處理的森林火災識別關鍵技術研究[D].電子科技大學，2012.