一种电气开关柜自动灭火系统及火灾识别方法

1.一种电气开关柜自动灭火系统的火灾识别方法，其特征在于，包括以下步骤：
1)设置在电气开关柜内的光电传感器拍摄图像并传输信号，光电传感器的摄像镜头上设有透红外滤光片，摄像镜头拍摄形成黑白图像经光电转换器转换为图像数字信号，黑白图像中的白色部分为火焰，黑色部分为背景；
2)中央控制器接收检测信号，对图像数字信号进行预处理后提取火焰区别于光干扰源的静态特征和动态特征，并将其量化形成火灾判据向量，通过分析判据向量排除光干扰源并识别火灾；
所述的静态特征提取通过单帧图像运算提取包括尖角、圆形度和梯形特征的目标特征：
尖角特征：火焰边缘会出现一些朝上的尖角，火焰尖角数目的不断变化是火焰边缘抖动的表现，采用基于目标边缘提取尖角个数；
圆形度特征：火焰的形状是不规则的，通过圆形度描述其形状的规整性，圆形度的计算
2
为C＝P/4πS，其中C为圆形度，P为周长，S为面积；
梯形特征：火焰底部靠近燃烧物，使火焰的上部宽度小于底部宽度，通过区域重心与中心纵坐标的距离来描述此特征；梯形特征的区域重心与中心纵坐标的距离的计算为：
区域重心的纵坐标为
其中gy为重心纵坐标，S为目标区域面积，R为目标区域，y为目标区中各个像素的纵坐标；
根据边界点的类别和边界坐标计算重心纵坐标：
a、利用基于边界点类别的目标面积计算方法计算面积S；
b、令 初始化Y＝0；
c、遍历目标边界点分类码，如果边界点(xn,yn)为下边界点， 如果边界点(xn,yn)为上边界点， 如果边界点(xn,yn)为水平方向顶点，Y＝Y+yn；其中n＝
0、1、2…h-1，h代表图像的高度；
d、将Y的最终Y结果代入到(7)式，得到重心纵坐标；
e、根据目标边界点纵坐标最大和最小值，计算出目标中心纵坐标yc：
ymin＝Min(y)；ymax＝Max(y)；y∈R；
动态特征是通过多帧图像运算提取包括跳动、边缘扩大特征的目标特征：
跳动特征：在视觉上，火焰闪烁表现为火焰不停地跳动，提取25帧图像中目标的高度，记为x[n]，n＝0,1,2…24，根据x[n]绘制帧数-高度波形图，然后对波峰个数进行计数，只有当波峰值比两侧的波谷值都大4个像素高度时，才进行频率计数，将波峰个数记为目标跳动频率；
边缘扩大特征：在火灾发生初期，火焰主体逐渐增大，通过目标区域的周长逐渐增大来描述此特征；
3)得到火焰的特征向量数据后，对这些特征综合处理：先将静态特征和动态特征向量输入到BP神经网络；将输出层输出值与理想值比较得到输出误差；根据输出误差反向传播，逐层向前计算隐层各单元的误差，并用此误差修正前层权值；如此重复多次样本信息正向输入和误差反向传播的过程，一直进行到输出误差达到可以接受的程度，或达到预先设定的学习次数为止；输入层为提取的红外光源的特征向量，输出层的输出值做归一化处理，根据输出值对现场情况作出火灾状态、危险状态和正常状态的判断。
2.如权利要求1所述的电气开关柜自动灭火系统的火灾识别方法，其特征在于，所述的对图像数字信号的预处理包括：
1)二值化处理，按照以下二值化算法进行处理：
(式-1)
其中，Binary为二值图像素灰度值；f为灰度图像素灰度值；T为二值化处理阈值，令T＝155；
2)中值滤波：将目标像素点和2n邻域像素点灰度值进行由大到小排序，n为正整数，取第n+1个值赋给目标像素，如果目标像素和2n邻域像素灰度值中有小于n+1个为255，将目标像素灰度值置为0；有大于等于n+1个为255，将目标像素灰度值置为255；
3)目标标记：为区分不同的亮连通区域，将不同的亮连通区域标记为不同的灰度值：
a、遍历二值图像，将遍历到的第一个目标像素作为种子像素；
b、将种子像素坐标作为标记函数的输入参数，用一个指定的灰度值标记此点；
c、逐一遍历种子点的8邻域，如果是目标像素，停止遍历，调用标记函数自身；
d、标记完此连通区域后，返回到a步，采用同样的方法继续标记其它连通区域；
4)孔洞填充：当火焰内部局部亮度较低时，经二值化处理后火焰主体内部会出现一些孔洞，将填充这些孔洞，以得到一个完整的火焰主体，基于背景区域标记的孔洞填充为：
a、遍历图像，将找到的一个灰度值为0的像素作为种子像素；
b、通过非递归算法对种子像素所在连通区域的所有像素标记为Lab[n](n＝
0,1,2…)；
c、继续遍历图像，如果遍历到一个灰度值为0的像素，n＝n+1，回到b步骤；
d、整幅图遍历完成后，背景像素被标记为Lab[0]，孔洞被区别标记，将标记值为L[0]的像素灰度值置为0，非L[0]的像素灰度值置为255；
5)修正标记：以第0帧为基础帧，判断其它帧中的各边界标记值是否与第0帧相同位置上的边界标记值一致，如果不一致，将其修改为与第0帧中相同位置上的边界标记值。
3.如权利要求1所述的电气开关柜自动灭火系统的火灾识别方法，其特征在于，所述的尖角特征的提取是基于目标边缘提取尖角个数，利用递归法和回朔法标记目标边界，并记录各个边界点的坐标码；然后根据坐标链码判断各个目标边界点是否为顶点，并且与左右邻域能否构成尖角；
火焰边缘的尖角类似于三角形，顶点就是火焰边缘y坐标的极大值点，根据逐一遍历目标边界的坐标链码，比较其y坐标是否比左右5、10、15个像素的y坐标值都大；如果满足条件，则认为这些像素点构成一个尖角；
当目标边缘发生微小变动时，还要判断尖角的高度是否符合火焰尖角的特征，当尖角顶点确定后，顶点、顶点左边第15个边界像素点和右边第15个边界像素点之间的连线构成一个三角形，将此三角形的高度记为尖角的高度；
三角形边长a,b,c可以通过距离公式获得：
再根据海伦公式求三角形的面积：
q＝(a+b+c)/2 (4)
将面积公式S＝c*h/2代入公式(3)得：
当h超过设定的阈值时，将此目标的尖角个数加1，并将尖角顶点像素灰度值置为255；
此时遍历边界像素时，需跳到此顶点后边的第16个边界像素点继续进行判断；
所述的圆形度特征提取时，周长P的计算为：
①采用递归法和回朔法标记目标边界；
②对边界进行Freeman 8方向链码编码；
③周长初始化为0，如果链码为奇数，周长加1，否则周长加
面积S的计算为：利用非递归区域增长法标记各个亮区域，遍历整幅图求不同标记值对应的像素个数作为各个标记区域的面积。
4.如权利要求1所述的电气开关柜自动灭火系统的火灾识别方法，其特征在于，采用Sigmoid类型输出函数的反向传播为：
(1)选定权系数初值；
(2)重复下述过程直至收敛，将样本特征量依次输入网络：
①从前向计算各层单元输出οj
②计算输出层各单元误差δj
δj＝(y-οj)οj(1-οj) (11)
③反向传输误差，计算各隐层各单元误差δj
④计算各层权值的修正量
Δωij(t)＝αΔωij(t-1)+ηδjοj (13)
⑤根据各层权值修正量修正各层权值
ωij(t+1)＝ωij(t)+Δωij(t) (14)。
5.如权利要求1所述的电气开关柜自动灭火系统的火灾识别方法，其特征在于，当采用三层前馈网络进行火灾状态、危险状态和正常状态的分类时，输入层节点数为特征向量的维数；隐藏层节点数为 向上取整，其中p为输入层节点数；输出层节点数为分类数；
正向过程中，权值初始值选取±0.3区间的随机数；反向传输法中，步长η在0.1～3之间试探；惯性项系数α在0.9～1之间选择。

一种电气开关柜自动灭火系统及火灾识别方法\n技术领域\n[0001] 本发明属于电器开关柜安防技术领域，涉及一种电器开关柜自动灭火系统及火灾识别方法。\n背景技术\n[0002] 开关柜是一种电设备，外线先进入柜内主控开关，然后进入分控开关，各分路按其需要设置。如仪表，自控，电动机磁力开关，各种交流接触器等，有的还设高压室与低压室开关柜，设有高压母线，如发电厂等。\n[0003] 开关柜分高压开关柜和低压开关柜：\n[0004] 高压开关柜是指用于电力系统发电、输电、配电、电能转换和消耗中起通断、控制或保护等作用，电压等级在3.6kV~550kV的电器产品，主要包括高压断路器、高压隔离开关与接地开关、高压负荷开关、高压自动重合与分段器，高压操作机构、高压防爆配电装置和高压开关柜等几大类。高压开关柜应满足GB3906-1991″3-35kV交流金属封闭开关设备"标准的有关要求，由柜体和断路器二大部分组成，柜体由壳体、电器元件(包括绝缘件)、各种机构、二次端子及连线等组成。\n[0005] 低压开关柜适用于发电厂、石油、化工、冶金、纺织、高层建筑等行业，作为输电、配电及电能转换之用。产品符合IEC439-1，GB7251.1-1997《低压成套开关设备》的标准规定。\n[0006] 开关柜是电网系统中的一个基本单元，电力系统控制的执行机构。随着无人值守变电站、智能电网技术的应用，开关柜的安全防护变得尤为重要。\n[0007] 开关柜在工作过程中由于长时间运行、环境变化、线路负载扰动等原因，会出现局部高温、电弧、燃烧等灾害，这些灾害会导致柜体严重损坏，供电系统破坏及人员伤害。因此有必要研究开关柜的安全防护，保证执行机构正常工作，将损失降低到最低限度，以提高供电效率。\n[0008] 开关柜的安全防护主要是防止高温、燃烧（明火、阴燃），保证开关正常工作，或在部分设备出现故障时避免其他设备被损坏，将损失降低到最低程度，如发现开关柜燃烧，自动进行灭火；发现开关柜温度过高，进行报警等。\n[0009] 随着社会的进步，人们的防火意识越来越强，自动灭火系统的需求越来越广泛。自动灭火系统，是比较普遍使用的固定灭火系统。该系统具有安全可靠、经济实惠、灭火效率高等优点。\n[0010] 国内外目前采用的自动灭火系统类型较多，如湿式自动喷水灭火系统、预作用自动喷水灭火系统、干式和预作用联合自动喷水灭火系统、干式自动喷水灭火系统、雨淋自动喷水灭火系统、水喷雾灭火系统等。自动灭火系统不仅在高层建筑、公共建筑、工厂和仓库中普遍使用，而且已发展到家庭住宅中安装自动喷水灭火系统。\n[0011] 但电气成套设备开关柜不同于上述范畴，开关柜内电器元件或电线、电缆着火后，不能直接用水灭火。因为水中含有导电的杂质，喷在带电设备上，再渗入设备上的灰尘杂质，则更易导电。如用水灭火，还会降低电器设备的绝缘性能，引起接地短路，或危及附近救火人员的安全。\n发明内容\n[0012] 本发明解决的技术问题在于提供一种电气开关柜自动灭火系统，在克服不能直接用水、具有污染灭火剂灭火的问题的基础上，通过光电探测器探测开关柜内的明火与电弧，提高对的火灾的识别能力和自动处理能力。\n[0013] 本发明是通过以下技术方案来实现：\n[0014] 一种电气开关柜自动灭火系统，包括安装于电气开关柜内的灭火剂喷头，灭火剂喷头通过管道与储藏有不导电灭火剂的储藏器相连接，管道上设有由中央控制器控制的电磁阀；\n[0015] 电气开关柜内还设有光电传感器，光电传感器包括摄像镜头和光电转换器，摄像镜头上设有透红外滤光片，摄像镜头拍摄形成黑白图像经光电转换器转换为图像数字信号，黑白图像中的白色部分为火焰，黑色部分为背景，光电传感器将检测信号输出到中央控制器；\n[0016] 中央控制器根据检测信号当中的火焰动态特征和静态特征来识别火灾，动态特征\n2\n表征火焰的闪动频率，静态特征表征火焰的不规则形状，用圆形度来进行判别C＝P/4πS，其中C为圆形度，P为周长，S为面积；当检测到闪动频率在7～12HZ、圆形度大于1.8的发光体时，判定其为火灾，中央控制器控制电磁阀打开释放不导电灭火剂。\n[0017] 所述的灭火剂喷头设有多个，分别通过设有电磁阀的管道与储藏器相连接。\n[0018] 所述的储藏器为储压式灭火剂储藏器，其压力为1～4Mpa；\n[0019] 所述的不导电灭火剂为七氟丙烷或超细干粉灭火剂。\n[0020] 所述的电气开关柜内还设有与中央控制器控制相连接的温度探测器。\n[0021] 所述的温度探测器为光纤温度传感器或红外温度传感器，光纤温度传感器以接触式的方式、红外温度传感器以非接触式的方式设置在电气开关柜内。\n[0022] 一种电气开关柜自动灭火系统的火灾识别方法，包括以下步骤：\n[0023] 1）设置在电气开关柜内的光电传感器拍摄图像并传输信号，光电传感器的摄像镜头上设有透红外滤光片，摄像镜头拍摄形成黑白图像经光电转换器转换为图像数字信号，黑白图像中的白色部分为火焰，黑色部分为背景；\n[0024] 2）中央控制器接收检测信号，对图像数字信号进行预处理后提取火焰区别于光干扰源的静态特征和动态特征，并将其量化形成火灾判据向量，通过分析判据向量排除光干扰源并识别火灾；\n[0025] 所述的静态特征提取通过单帧图像运算提取包括尖角、圆形度和梯形特征的目标特征：\n[0026] 尖角特征：火焰边缘会出现一些朝上的尖角，火焰尖角数目的不断变化是火焰边缘抖动的表现，采用基于目标边缘提取尖角个数；\n[0027] 圆形度特征：火焰的形状是不规则的，通过圆形度描述其形状的规整性，圆形度的\n2\n计算为C＝P/4πS，其中C为圆形度，P为周长，S为面积；\n[0028] 梯形特征：火焰底部靠近燃烧物，使火焰的上部宽度小于底部宽度，通过区域重心与中心纵坐标的距离来描述此特征；\n[0029] 动态特征是通过多帧图像运算提取包括跳动、边缘扩大特征的目标特征：\n[0030] 跳动特征：在视觉上，火焰闪烁表现为火焰不停地跳动，提取25帧图像中目标的高度，记为x[n](n=0,1,2…24)，根据x[n]绘制帧数-高度波形图，然后对波峰个数进行计数，只有当波峰值比两侧的波谷值都大4个像素高度时，才进行频率计数，将波峰个数记为目标跳动频率；\n[0031] 边缘扩大特征：在火灾发生初期，火焰主体逐渐增大，通过目标区域的周长逐渐增大来描述此特征；\n[0032] 3）得到火焰的特征向量数据后，对这些特征综合处理：先将样本特征向量输入到BP神经网络；将输出层输出值与理想值比较得到输出误差；根据输出误差反向传播，逐层向前计算隐层各单元的误差，并用此误差修正前层权值；如此重复多次样本信息正向输入和误差反向传播的过程，一直进行到输出误差达到可以接受的程度，或达到预先设定的学习次数为止；输入层为提取的红外光源的特征向量，输出层的输出值做归一化处理，根据输出值对现场情况作出火灾状态、危险状态和正常状态的判断。\n[0033] 所述的对图像数字信号的预处理包括：\n[0034] 1）二值化处理，按照以下二值化算法进行处理：\n[0035] （式-1）\n[0036] 其中，Binary为二值图像素灰度值；f为灰度图像素灰度值；T为二值化处理阈值，令T=155；\n[0037] 2）中值滤波：将目标像素点和2n邻域像素点灰度值进行由大到小排序，n为正整数，取第n+1个值赋给目标像素，如果目标像素和2n邻域像素灰度值中有小于n+1个为\n255，将目标像素灰度值置为0；有大于等于n+1个为255，将目标像素灰度值置为255；\n[0038] 3）目标标记：为区分不同的亮连通区域，将不同的亮连通区域标记为不同的灰度值：\n[0039] a、遍历二值图像，将遍历到的第一个目标像素作为种子像素；\n[0040] b、将种子像素坐标作为标记函数的输入参数，用一个指定的灰度值标记此点；\n[0041] c、逐一遍历种子点的8邻域，如果是目标像素，停止遍历，调用标记函数自身；\n[0042] d、标记完此连通区域后，返回到a步，采用同样的方法继续标记其它连通区域；\n[0043] 4）孔洞填充：当火焰内部局部亮度较低时，经二值化处理后火焰主体内部会出现一些孔洞，将填充这些孔洞，以得到一个完整的火焰主体，基于背景区域标记的孔洞填充为：\n[0044] a、遍历图像，将找到的一个灰度值为0的像素作为种子像素；\n[0045] b、通过非递归算法对种子像素所在连通区域的所有像素标记为Lab[n](n=0,1,2…)；\n[0046] c、继续遍历图像，如果遍历到一个灰度值为0的像素，n=n+1，回到b步骤；\n[0047] d、整幅图遍历完成后，背景像素被标记为Lab[0]，孔洞被区别标记，将标记值为L[0]的像素灰度值置为0，非L[0]的像素灰度值置为255；\n[0048] 5）修正标记：以第0帧为基础帧，判断其它帧中的各边界标记值是否与第0帧相同位置上的边界标记值一致，如果不一致，将其修改为与第0帧中相同位置上的边界标记值。\n[0049] 所述的尖角特征的提取是基于目标边缘提取尖角个数，利用递归法和回朔法标记目标边界，并记录各个边界点的坐标码；然后根据坐标链码判断各个目标边界点是否为顶点，并且与左右邻域能否构成尖角；\n[0050] 火焰边缘的尖角类似于三角形，顶点就是火焰边缘y坐标的极大值点，根据逐一遍历目标边界的坐标链码，比较其y坐标是否比左右5、10、15个像素的y坐标值都大；如果满足条件，则认为这些像素点构成一个尖角；\n[0051] 当目标边缘发生微小变动时，还要判断尖角的高度是否符合火焰尖角的特征，当尖角顶点确定后，顶点、顶点左边第15个边界像素点和右边第15个边界像素点之间的连线构成一个三角形，将此三角形的高度记为尖角的高度；\n[0052] 三角形边长a,b,c可以通过距离公式获得：\n[0053] \n[0054] 再根据海伦公式求三角形的面积：\n[0055] \n[0056] q=(a+b+c)/2 （4）\n[0057] 将面积公式S＝c*h/2代入公式（3）得：\n[0058] \n[0059] 当h超过设定的阈值时，将此目标的尖角个数加1，并将尖角顶点像素灰度值置为\n255；此时遍历边界像素时，需跳到此顶点后边的第16个边界像素点继续进行判断；\n[0060] 所述的圆形度特征提取时，周长P的计算为：\n[0061] ①采用递归法和回朔法标记目标边界；\n[0062] ②对边界进行Freeman 8方向链码编码；\n[0063] ③周长初始化为0，如果链码为奇数，周长加1，否则周长加\n[0064] 面积S的计算为：利用非递归区域增长法标记各个亮区域，遍历整幅图求不同标记值对应的像素个数作为各个标记区域的面积；\n[0065] 梯形特征的区域重心与中心纵坐标的距离的计算为：\n[0066] 区域重心的纵坐标为\n[0067] 其中gy为重心纵坐标，S为目标区域面积，R为目标区域，y为目标区中各个像素的纵坐标；\n[0068] 根据边界点的类别和边界坐标计算重心纵坐标：\n[0069] a、利用基于边界点类别的目标面积计算方法计算面积S；\n[0070] b、令 初始化Y＝0；\n[0071] c、遍历目标边界点分类码，如果边界点(xn,yn)为下边界点， 如果边界点(xn,yn)为上边界点， 如果边界点(xn,yn)为水平方向顶点，Y=Y+yn；（其中n=0、1、2…h-1，h代表图像的高度。）\n[0072] d、将Y的最终Y结果代入到（7）式，得到重心纵坐标；\n[0073] e、根据目标边界点纵坐标最大和最小值，计算出目标中心纵坐标yc：\n[0074] ymin=Min(y)；ymax=Max(y)；y∈R;\n[0075] \n[0076] 采用Sigmoid类型输出函数的反向传播为：\n[0077] （1）选定权系数初值；\n[0078] （2）重复下述过程直至收敛，将样本特征量依次输入网络：\n[0079] ①从前向计算各层单元输出oj\n[0080] \n[0081] \n[0082] ②计算输出层各单元误差δj\n[0083] δj=(y-oj)oj(1-oj) （11）\n[0084] ③反向传输误差，计算各隐层各单元误差δj\n[0085] \n[0086] ④计算各层权值的修正量\n[0087] △ωij(t)=α△ωij(t-1)+ηδjoj （13）\n[0088] ⑤根据各层权值修正量修正各层权值\n[0089] ωij(t+1)=ωij(t)+△ωij(t) （14）\n[0090] 当采用三层前馈网络进行火灾状态、危险状态和正常状态的分类时，输入层节点数为特征向量的维数；隐藏层节点数为 向上取整，其中p为输入层节点数；输出层节点数为分类数；正向过程中，权值初始值通常选取±0.3区间的随机数；反向传输法中，步长η在0.1～3直接试探；惯性项系数α在0.9～1之间选择。\n[0091] 与现有技术相比，本发明具有以下有益的技术效果：\n[0092] 本发明提供的电气开关柜自动灭火系统，通过光电探测器对开关柜的情况适时监控，通过中央控制器进行判定，而不导电灭火剂通过喷头在电磁阀打开后喷出灭火，完全实现了电气开关柜的自动灭火。特别适合于如发电厂、供电部门变电站、无人值守变电站的严酷环境，而且体积小，不影响被测设备的正常运行，且安装方便可靠。\n[0093] 本发明提供的电气开关柜自动灭火系统，采用了七氟丙烷或超细干粉灭火剂，这些灭火剂是不导电的，因此不会由于灭火剂导电造成二次危害；而且些灭火剂是环保的，因此不会由于灭火剂导对环境造成危害。\n[0094] 七氟丙烷在常温下呈气态，无色无味、不导电具有良好的气相电绝缘性、无腐蚀，无环保限制，大气存留期较短，具有良好的清洁性（在大气中完全汽化不留残渣）。灭火机理主要是中断燃烧链，灭火速度极快，这对抢救性保护精密电子设备及贵重物品是有利的。七氟丙烷的无毒性反应（NOAEL）浓度为9%，有毒性反应（LOAEL）浓度为10.5%，七氟丙烷的设计浓度一般小于10%，对人体安全。其特点及良好的适用于灭火系统使用的物理性能。\n[0095] 超细干粉灭火剂，无毒、无污染、不破坏大气臭氧层，对保护物无腐蚀，对人体皮肤和呼吸道无刺激，灭火迅速，效率高。\n[0096] 本发明提供的电气开关柜自动灭火系统，采用光电传感器，能够快速、准确检测到开关柜内的火灾，如电弧等。通过探测器通过图像能直观地反映监控现场情况，在火灾发生初期就能自动识别火灾，记录火灾。而且监测范围大，这是传统火灾探测器无法做到的。\n[0097] 本发明提供的电气开关柜自动灭火系统，适合各种开关柜安装使用：既可用于新型开关柜同时也可用于正在使用的开关柜；还进一步能够将多个开关柜灭火装置联网、具备远程监测功能。\n附图说明\n[0098] 图1为本发明的结构示意图之一；\n[0099] 图2为本发明的结构示意图之二；\n[0100] 图3为本发明的结构示意图之二；\n[0101] 其中：1为电气开关柜；2为中央控制器；3为光电传感器；4为储藏器；5为电磁阀；6为管道；7为灭火剂喷头；\n[0102] 图4为检测信号的图像处理流程图；\n[0103] 图5为图像预处理流程图；\n[0104] 图6为目标像素8邻域遍历顺序；\n[0105] 图7为图像特征提取图；\n[0106] 图8为尖角特征提取示意图；\n[0107] 图9为Freeman 8方向链码示意图。\n具体实施方式\n[0108] 下面结合附图对本发明做进一步详细描述，所述是对本发明的解释而不是限定。\n[0109] 如图1所示，一种电气开关柜自动灭火系统，包括安装于电气开关柜1内的灭火剂喷头7，灭火剂喷头7通过管道6与储藏有不导电灭火剂的储藏器4相连接，管道6上设有由中央控制器2控制的电磁阀5；电气开关柜1内还设有光电传感器3，光电传感器3将检测信号输出到中央控制器2，由其来判定是否打开电磁阀5。\n[0110] 具体的光电传感器3包括摄像镜头和光电转换器，摄像镜头上设有透红外滤光片，摄像镜头拍摄形成黑白图像经光电转换器转换为图像数字信号，黑白图像中的白色部分为火焰，黑色部分为背景，光电传感器将检测信号输出到中央控制器；\n[0111] 中央控制器根据检测信号当中的火焰动态特征和静态特征来识别火灾，动态特征\n2\n表征火焰的闪动频率，静态特征表征火焰的不规则形状，用圆形度来进行判别C＝P/4πS，其中C为圆形度，P为周长，S为面积；当检测到闪动频率在7～12HZ、圆形度大于1.8的发光体时，判定其为火灾，中央控制器控制电磁阀打开释放不导电灭火剂。\n[0112] 如图2、图3所示，为了适应开关柜的不同层次（两次或三层）或不同单独空间的要求，电气开关柜1内对于每个对立的空间均设有独立的光电传感器2，并配置一个灭火剂喷头7，每个光电传感器3均与中央控制器2相连接，对其进行实施监测，当需要的时候，中央控制器2发出指令打开灭火剂喷头7，灭火剂喷头7喷出不导电灭火剂进行灭火。相应的，中央控制器在检测到火灾发生时，需要对火灾地点发生判断，然后控制相应管道上的电磁阀打开，释放灭火剂进行灭火。\n[0113] 具体的，管道6采用耐压高的连接管，在需要灭火的位置安装喷头，将喷头连接到一个或多个灭火位置，保证灭火剂直喷着火点，提高灭火效率。\n[0114] 由于所述的电气开关柜的特殊要求，所述不导电灭火剂具体选择是七氟丙烷、超细干粉等灭火剂。\n[0115] 七氟丙烷在常温下呈气态，无色无味、不导电、无腐蚀，无环保限制，大气存留期较短。灭火机理主要是中断燃烧链，灭火速度极快，这对抢救性保护精密电子设备及贵重物品是有利的。七氟丙烷的无毒性反应（NOAEL）浓度为9%，有毒性反应（LOAEL）浓度为10.5%，七氟丙烷的设计浓度一般小于10%，对人体安全。其特点具有良好的清洁性（在大气中完全汽化不留残渣），良好的气相电绝缘性及良好的适用于灭火系统使用的物理性能。\n[0116] 超细干粉灭火剂，是一种高效环保型新一代消防产品。常用的ABC超细干粉灭火剂无毒、无污染、不破坏大气臭氧层，对保护物无腐蚀，对人体皮肤和呼吸道无刺激，灭火迅速，效率高，是哈龙灭火剂的替代品。\n[0117] 所述的储藏器内为储压式灭火剂储藏器，其压力为（1～4MPa）当电磁阀在控制器的控制下打开后，使得储藏器中的灭火剂在其自身压力的作用下经过管道直喷到灭火位置，实现灭火。\n[0118] 进一步，所述的电气开关柜内还设有与中央控制器控制相连接的温度探测器，温度探测器用来探测开关柜中关键部件的温度；温度探测器为光纤温度传感器或红外温度传感器，光纤温度传感器以接触式的方式、红外温度传感器以非接触式的方式设置在电气开关柜内。\n[0119] 其中，光纤温度传感器是针对电力行业（如发电厂、供电部门变电站、无人值守变电站）的严酷环境开发的温度传感器，采用陶瓷封装的方式，其封装材料采用绝缘等级高、耐高温的高分子材料。体积小，不影响被测设备的正常运行，且安装方便可靠。\n[0120] 光电探测器主要探测开关柜内的明火与电弧：该探测器是将明火与电弧这样的光信号，经过光电转换器转换为图像数字信号，应用机器视觉、数字图像处理与模式识别技术确定火灾。\n[0121] 中央处理器实现对各种信号进行监测、判断、控制，是根据预先设定值对开关柜进行保护的执行机构。当光电探测器探测到明火时，通知中央控制器，中央控制器打开灭火装置进行灭火。当温度探测器探测到开关柜内温度达到预先设定值时，通知中央处理器，中央处理器根据设定方式进行报警向外传输或启动灭火。\n[0122] 上述的电气开关柜自动灭火系统采用以下灭火方法进行火灾的识别，包括以下步骤：\n[0123] 首先是对火焰信号的采集：\n[0124] 由于火焰光辐射的光谱95%集中在近红外波段，因此根据火焰的光谱特性，采集该红外光波段的图像，从而排除可见光对火灾识别的干扰。可见光波长一般为380-780nm，其它波长范围的光为不可见光，火焰光波长主要集中在950-2000nm。\n[0125] 选用CCD摄像机作为光电传感器的摄像镜头，黑白CCD摄像机不仅对380-780nm的可见光有较强的光谱响应，而且对780-1100nm的近红外光也有一定的光谱响应，在摄像镜头上加一片透红外滤光片后，使黑白CCD摄像机只能感应到波长为780~1100nm的近红外光，在摄像机中形成黑白图像，白色部分为火焰，黑色部分为背景或其他不能进入镜头的干扰光源，从而排除部分光干扰源而获得主要包含火焰信息的黑白图像。\n[0126] 进一步由于火焰具有区别于光干扰源的静态特征和动态特征，通过数学模型和几何模型将这些特征量化后，形成可执行的火灾判据向量，中央处理器通过分析判据向量排除光干扰源并识别火灾。其动态特征表现在火焰是闪动的，火焰闪动频率主要集中在\n7~12HZ，而大多数晃动或固定干扰源高度变化频率是达不到8Hz。其静态特征在于火焰是不\n2\n规则的，相对于其他光源是有尖角的，用圆形度作为判别依据：C＝P/4πS，式中C——圆形度；P——周长；S—面积。干扰源的圆形度一般大于0.8小于1.5，火焰的圆形度一般大于1.8。中央控制器将火焰的动态特征和静态特征作为特征向量，依据特征向量就可以判定是否发生火灾。即当发现有闪动频率在7~12HZ，圆形度大于1.8的发光体时，即判定其为火灾。\n[0127] 对火灾的识别主要是对检测信号的图像处理，参见图4，检测信号的图像处理包括采集图像、图像预处理、特征向量提取、火灾判定和火灾发生位置的判定。这样通过图像能直观地反映监控现场情况，在火灾发生初期就能自动识别火灾，记录火灾。而且监测范围大，这是传统火灾探测器无法做到的。\n[0128] 下面对各个处理阶段进行详细的说明。\n[0129] 1、图像预处理：图像预处理流程图如图5所示，包括二值化、中值滤波、空洞填充、目标标记、修正标记。\n[0130] 1.1二值化处理，按照以下二值化算法进行处理：\n[0131] （式-1）\n[0132] 式中：\n[0133] Binary——二值图像素灰度值；\n[0134] f——灰度图像素灰度值；\n[0135] T——二值化处理阈值，令T=155。\n[0136] 1.2中值滤波：将目标像素点即火焰像素和2n（n为正整数）邻域像素点灰度值进行由大到小排序，取第n+1个值赋给目标像素，邻域选取的越大，滤波效果越明显，但运算量也相应增大。在二值图中由于所有像素点灰度值非0即255，可以省去排序的过程，如果目标像素和2n(n>1)邻域像素灰度值中有小于n+1个为255，将目标像素灰度值置为0；有大于等于n+1个为255，将目标像素灰度值置为255。\n[0137] 1.3目标标记：由于一幅图像中可能存在多个亮连通区域，为了能区分不同的亮连通区域，需要将不同的亮连通区域标记为不同的灰度值。目标像素8邻域遍历顺序如图\n6所示。具体操作如下：\n[0138] a、遍历二值图像，将遍历到的第一个目标像素作为种子像素；\n[0139] b、将种子像素坐标作为标记函数的输入参数，用一个指定的灰度值标记此点；\n[0140] c、按图6所示的像素8邻域遍历顺序，逐一遍历种子点的8邻域，如果是目标像素，停止遍历，调用标记函数自身；\n[0141] d、标记完此连通区域后，返回到a步，采用同样的方法继续标记其它连通区域。\n[0142] 1.4孔洞填充方法：当火焰内部局部亮度较低时，经二值化处理后火焰主体内部会出现一些孔洞，并将这些孔洞归为背景。为了方便地提取目标区域的特征向量，需要填充这些孔洞，得到一个完整的火焰主体。\n[0143] 二值图中黑色区域包括背景和孔洞，其中背景为最大的一个黑色区域，孔洞为多个小的黑色区域，且背景与孔洞相互分离。利用区域增长算法要先对背景区域标记，再对孔洞区域标记。由于火焰面积可能过大将背景分割成两个黑色区域，所以在标记前先给整幅图加上一个像素宽、灰度值为0的边框，确保遍历到的第一个种子点为背景像素，而且使背景能构成一个最大的黑色连通区域。\n[0144] 基于背景区域标记的孔洞填充算法具体步骤如下：\n[0145] a、遍历图像，将找到的一个灰度值为0的像素作为种子像素；\n[0146] b、通过非递归算法对种子像素所在连通区域的所有像素标记为Lab[n](n=0,1,2…)；\n[0147] c、继续遍历图像，如果遍历到一个灰度值为0的像素，n=n+1,回到b步骤；\n[0148] d、整幅图遍历完成后，背景像素被标记为Lab[0]，孔洞被分别标记为Lab[1]、Lab[2]、Lab[3]…，将标记值为L[0]的像素灰度值置为0，非L[0]的像素灰度值置为255，完成孔洞填充。\n[0149] 1.5修正标记算法：由于火焰周围存在闪动干扰或内部存在孔洞，25帧图像中相同位置上的亮区域边界会标记成不同的灰度值，这样就无法得到25帧图像上同一亮区域的特征向量，所以需要修正标记值。\n[0150] 修正方法是以第0帧为基础帧，判断其它帧中的各边界标记值是否与第0帧相同位置上的边界标记值一致，如果不一致，将其修改为与第0帧中相同位置上的边界标记值。\n此方法不仅能修正各个边界的标记值，而且能删除快速移动或闪烁的光干扰源。\n[0151] 2、特征提取：由于环境的影响，探测视野中除火焰外还可能存在其它光干扰源，从而影响对火焰的识别。虽然火焰与干扰源在黑白图像中都呈现较高亮度的区域，但火焰具有自己的静态特征和动态特征。静态特征是通过单帧图像运算提取的目标特征，主要包括尖角、圆形度和梯形特征。动态特征是通过多帧图像运算提取的目标特征，主要包括跳动、边缘扩大特征。特征提取流程如图7所示。\n[0152] 2.1尖角特征\n[0153] 由于火焰边缘抖动及热气流上升的原因，火焰边缘会出现一些朝上的尖角，火焰尖角数目的不断变化是火焰边缘抖动的一个非常明显的表现，而如蜡烛或电灯等物体的尖角个数几乎是不变的。为了提高提取尖角个数的速度，采用基于目标边缘提取尖角个数的方法，具体步骤如下：\n[0154] 1）利用递归法和回朔法标记目标边界，并记录各个边界点的坐标码；\n[0155] 2）根据坐标链码判断各个目标边界点是否为顶点，并且与左右邻域能否构成尖角。\n[0156] 火焰边缘的尖角类似于一个三角形，不仅有一个顶点而且有一定的高度。顶点就是火焰边缘y坐标的极大值点，根据逐一遍历目标边界的坐标链码，比较其y坐标是否比左右5、10、15个像素的y坐标值都大；如果满足条件，则认为这31个像素点（左边15个像素，右边15个像素）可以构成一个尖角。\n[0157] 当目标边缘发生微小变动时，都会随机产生小的凸起，所以还要判断尖角的高度是否符合火焰尖角的特征。当尖角顶点确定后，如图8所示，顶点、顶点左边第15个边界像素点和右边第15个边界像素点之间的连线构成一个三角形，可以将此三角形的高度记为尖角的高度。\n[0158] 三角形边长a,b,c可以通过距离公式获得：\n[0159] \n[0160] 再根据海伦公式求三角形的面积：\n[0161] \n[0162] q=(a+b+c)/2 （4）\n[0163] 将面积公式S＝c*h/2代入公式（式-3）得：\n[0164] \n[0165] 当h超过设定的阈值时，可将此目标的尖角个数加1，并将尖角顶点像素灰度值置为255。由于此顶点邻近的后15个坐标可能也符合尖角条件，但它们表示同一个尖角，此时遍历边界像素时，需跳到此顶点后边的第16个边界像素点继续进行判断。\n[0166] 2.2圆形度特征：火焰的形状是不规则的，而大部分干扰源（白炽灯，手电筒，蜡烛火焰）的形状都是比较规整的，通过圆形度可以描述形状的规整性。圆形度的计算公式如下：\n[0167] \n[0168] 式中：\n[0169] C——圆形度；\n[0170] P——周长；\n[0171] S——面积。\n[0172] *目标周长P计算步骤：\n[0173] ①采用递归法和回朔法标记目标边界；\n[0174] ②对边界进行Freeman 8方向链码编码，编码规则如图9所示；\n[0175] ③周长初始化为0，如果链码为奇数，周长加1，否则周长加\n[0176] *目标面积S计算方法：\n[0177] 利用非递归区域增长法标记各个亮区域，遍历整幅图求不同标记值对应的像素个数作为各个标记区域的面积。当亮区域个数较多或单个亮区域面积较大时，非递归区域增长算法耗时较长。\n[0178] 2.3跳动特征：表面上看，火焰闪动是杂乱无章的，其实火焰信号的频谱特征有着特有的规律。在视觉上，火焰闪烁表现为火焰不停地跳动，火焰闪动频率主要集中在\n7~12Hz，而大多数晃动或固定干扰源高度变化频率是达不到8Hz的，依此可以排除高度变化频率较低的干扰源。\n[0179] 首先提取25帧图像中目标的高度，记为x[n](n=0,1,2…24)，根据x[n]绘制帧数-高度波形图，然后对波峰个数进行计数，将波峰个数记为目标跳动频率。\n[0180] 由于固定干扰源边缘有轻微颤动，而轻微颤动引起的高度变化是非常小的，一般不会超过两倍目标周长，即高度变化一般不会超过4个像素，所以只有当波峰值比两侧的波谷值都大4个像素高度时，才进行频率计数，此方法可以快速得到火焰跳动频率。\n[0181] 2.4梯形特征：一般情况下，由于火焰底部靠近燃烧物，使火焰的上部宽度明显小于底部宽度，其形体类似于一个梯型，一般是通过目标的重心高度与目标的总高度比率来描述此特征，重心高度为重心纵坐标与目标下边界纵坐标最小值之差，目标总高度为目标上边界纵坐标最大值与下边界纵坐标最小值之差。对于形状较规则的干扰光源，其重心高度与中心高度非常接近，而对于形体类似于梯形的火焰，其重心高度明显小于中心高度，为了简化算法和提高精确度，通过重心与中心纵坐标的距离来描述此特征。\n[0182] 区域重心是的纵坐标：\n[0183] （式-7）\n[0184] 式中：\n[0185] gy——重心纵坐标；\n[0186] S——目标区域面积；\n[0187] R——目标区域（即火焰区域）；\n[0188] y——目标区中各个像素的纵坐标。\n[0189] 由于图像都是基于边界对目标区进行处理的，所以目标区内部像素的坐标无法直接得到，所以根据边界点的类别和边界坐标计算重心纵坐标，计算方法如下：\n[0190] a、利用基于边界点类别的目标面积计算方法计算面积S；\n[0191] b、令 初始化Y＝0；\n[0192] c、遍历目标边界点分类码，如果边界点(xn,yn)为下边界点， 如果边界点(xn,yn)为上边界点， 如果边界点(xn,yn)为水平方向顶点，Y=Y+yn；（其中n=0、1、2…h-1，h代表图像的高度。）\n[0193] d、将Y的最终Y结果代入到（7）式，得到重心纵坐标；\n[0194] e、根据目标边界点纵坐标最大最小值，可以计算出目标中心纵坐标yc：\n[0195] （式-8）\n[0196] 2.5边缘扩大特征\n[0197] 在火灾发生初期，火焰主体逐渐增大，而固定干扰源的主体基本不变，通过目标区域的周长（与上述的目标周长P计算相同）逐渐增大来描述此特征。\n[0198] 3、火灾判定：得到火焰的特征向量数据后，需要将这些特征综合处理，判别参数难以通过人工确定。先将样本特征向量输入到BP神经网络；将输出层输出值与理想值比较得到输出误差；根据输出误差反向传播，逐层向前计算隐层各单元的误差，并用此误差修正前层权值。如此周而复始的样本信息正向输入和误差反向传播的过程，一直进行到输出误差达到可以接受的程度，或达到预先设定的学习次数为止。\n[0199] 具体的采用Sigmoid类型输出函数，反向传播算法如下：\n[0200] （1）选定权系数初值。\n[0201] （2）重复下述过程直至收敛（将样本特征量依次输入网络）：\n[0202] ①从前向计算各层单元输出oj\n[0203] （式-9）\n[0204] （式-10）\n[0205] ②计算输出层各单元误差δj\n[0206] δj=(y-oj)oj(1-oj) （式-11）\n[0207] ③反向传输误差，计算各隐层各单元误差δj\n[0208] （式-12）\n[0209] ④计算各层权值的修正量\n[0210] △ωij(t)=α△ωij(t-1)+ηδjoj （式-13）\n[0211] ⑤根据各层权值修正量修正各层权值\n[0212] ωij(t+1)=ωij(t)+△ωij(t) （式-14）\n[0213] 反向传播算法能够修正隐层权值，而采用梯度法求非线性函数极值时，有可能陷入局部极小值点，不能保证收敛到全局极小点。\n[0214] 当采用三层前馈网络进行分类时，输入层节点数为特征向量的维数；隐藏层节点数为 向上取整，其中p为输入层节点数；输出层节点数为分类数。正向过程中，权值初始值通常选取±0.3区间的随机数。反向传输法中，步长η对收敛性和最优值影响很大，通常在0.1~3直接试探；惯性项系数α影响收敛速度，一般在0.9~1之间选择。\n[0215] 输入层为提取的红外光源的特征向量，输出层的输出值做归一化处理：\n[0216] （1）out=1(火灾状态)\n[0217] （2）out=0.5(危险状态)\n[0218] （3）out=0(正常状态)\n[0219] 或者，当使用BP神经网络模型对火灾进行判别时，根据输出区间值值对现场情况判别如下：\n[0220] （1）0.75<=out<=1火灾状态\n[0221] （2）0.25