孟琥

（浙江省杭州第十四中学凤起校区，杭州浙江，310000）

0 引言

近年来，人工智能技术迅猛发展，在生活、生产等多方面得到了广泛应用。基于视觉技术的人工智能方向的发展会得到飞速发展，同时也会出现越来越多的基于机器视觉技术的产品或者一些自动化的设备来代替人工进行完成一系列的工作[1]。机器视觉是利用光电成像系统来采集图像信息，然后经过计算机上运行软件进行图像信息的处理或者在专用的图像处理器上处理，最后进行识别分析来对目标物体的形状和尺寸进行判断的技术[2]。目前机器视觉已被广泛应用于国家安全方面、国家全民健康方面、不同场景下的特征检测、不同工况下的产品外观测量、蔬菜和水果的识别和品质检测[3]，但在家电系统方面却涉及较少。例如，目前机器视觉被广泛应用到纺织品印染过程中颜色检测，并利用数字图像处理分析色差[4-5]。机器视觉检测的过程简要描述为图像获取、图像处理、特征提取以及决策判断，这也是机器视觉的普遍原理及运行依据[2]。

在所有的火灾事故中，由电器引发的火灾占40%左右，这个数字十分惊人，可见有效预防电器火灾是是预防火灾的一个十分重要的方面。电器火灾的原因有短路、过载和接触不良，过载是其中很大一个原因。当家居电器过载时，电流超过了导线的安全载流量，导线会持续发热，最终引燃电线绝缘，引发火灾。针对这一问题，目前虽然有过载保护装置预防电器火灾，但是因为质量等种种原因，过载保护装置无法避免有失效的时候，这让电器火灾成为生活中一个很大的隐患，迫切需要开发一套智能系统对电器火灾进行实时监测和预警。

通过OpenCv与VS结合开发的家居电器监测与预警算法对采集到的家居电器图像进行一系列的处理，包括开闭运算等数学形态学的运算，对家居电器过载的图像特征进行阈值分割，结合开发的过载火灾识别算法实时对家居电器发生火灾与否的图像进行监测与识别，实现了对家居电器的实时火灾监测与预警。

1 系统整体结构框架设计

本系统的整体物理结构图如图1所示。在整体物理结构中包含了系统采集图像所需要的所有硬件部分，具体有光源、相机、镜头、传感器、PC端，光源主要是配合相机进行采集图像，也是为了确保所采集的图像能够更好的凸显特征，镜头与所确定的相机是配对使用的，传感器能够保证整个系统的实时性，也是系统的触发性开关。同时在图1中有显示了设计系统的软件方面的处理流程，包含了图像处理、图像采集、特征检测。

图1 系统物理结构

2 系统硬件设计

■2.1 工业相机

家用电器在镜头平行正对时为平面矩形，镜头在其他方位时为立方体，家用电器发生火灾时的特征，为了准确高质量的采集到特征图像，相机的型号确定为MARS-3140- 3GM/C-P0，相机的整体像素为200万像素，即可满足要求，每秒钟采集特征图像的数量为3.4幅，也就是相机自身的采集帧率未3.4帧，确定的相机的实物图如图2所示。

■2.2 工业镜头

根据系统设计要求，相机的像素确定为200 万像素，镜头的性能指标的确定要结合相机的像素指标要求，根据系统设计要求，镜头确定的型号为AFT- 1 614MP，镜头的像素未100完像素，可以很好的与相机进行配合采集特征图像。工业镜头实物图如图3 所示。

图2 工业相机

■2.3 光源

考虑到火灾本身会散发光线且以波长较长的光为主，选取颜色为红光的光源，外观形状为环形，且未LED灯珠阵列排列的环形光源，每一个LED灯珠的倾斜角度均为45°。光源如图4所示。

图3 工业镜头

图4 光源

■2.4 多传感器配合

本系统是对家用电器实现实时监测，不仅需要相机、镜头、光源，还需要相关传感器等其他硬件进行相互皮恶化完成，确定了系统所需的所有的硬件的型号、参数以及具体名称如表1所示。

表1 硬件型号与参数

3 系统软件框架设计

所设计的整个系统的软件系统处理的整个过程图如图5所示，整个流程一共分为三个部分组成，特征图像的采集传输过程，中间的处理分析过程，还有最后的识别监测过程。各个部分均通过千兆网进行通信与传输信号，软件整个的过程处理均是通过开发的算法进行处理的，算法依托于编程语言开发的，软件处理的结果同时会进行实时的显示。

4 结束语

根据常用的家用电器存在的火灾隐患，设计了基于机器视觉技术的实时监测预警系统，包括了硬件部分和软件部分，其中处理的额算法依托于OpenCv与VS进行设计开发完成，能够较好的对家用电器的存在的火灾进行预警和实时性的监测。具体一定的学术研究价值，同时在实际推广应用方面，也存在一定的市场前景，能够切实的解决家用电器存在火灾预警和实时监测的问题。

图5 系统流程图