基于ARM的新型船舶火灾监控及数据传输系统

1、基于ARM的新型船舶火灾监控及数据传输系统摘要：在传统的使用温度、湿度、烟雾传感器识别火灾基础上，本设计增加了通过摄像头抓取现场图像进行基于OpenCV的火灾图像识别算法，结合多信息融合技术，用多因子概率综合模型确定四种影响火灾因素的权重来计算发生火灾的概率。在图像和数据传输上采用了以太网和can现场总线的综合冗余技术，经实践表明：系统工作稳定，火灾识别可靠性高，数据传输及时，能准确、快速反应火灾过程，给出报警信号。关键词：火灾智能监控；冗余； 多信息融合0引言船舶火灾是船舶海难中较常见而且危险性较大的一种安全事故。火灾一旦发生，不仅对船员、船体及货物的安全造成威胁，事故发生地点的海洋环境也会

2、遭到破坏。因此，船舶防火的重要性一直受到国际海事组织(IMO)和各国航运企事业单位的普遍关注。随着智能传感器的发展，以微型计算机为基础的数字图像处理技术的不断提高，船舶火灾监控系统必须更加自动化、智能化，以保证船舶的安全航运。本系统为网络化架构，基于OpenCV在ARM上的应用，提出了一种综合根据火焰运动特征的码本训练算法及根据火焰颜色特征的HIS模型的新型火灾图像识别算法，采用多信息融合技术，结合实时采集机舱的温度、湿度、烟雾状况，提高了火灾检测的可靠性。同时考虑船舶机舱环境极为恶劣，图像等数据采用了以太网和CAN总线综合冗余的监控数据传输方案，使船舶管理相关人员能同步获取火灾信息，从而实现

3、对火灾现场图像的实时检测和参数的传输，及时采取相应措施，对船舶的安全航行无疑有着重要的意义。1火灾智能监控系统的结构和框图智能火灾监控系统由传感器监测节点（温度、湿度、烟雾），分辨率可调的USB摄像头，中央处理器（ARM），图像及数据传输总线（2对CAN总线、1路以太网总线），上位机（图像、数据显示和火灾报警）。图1 系统框图1) 传感器监测节点系统采用了温度、湿度和烟雾传感器，因为这三个环境因素是判断火灾的必要条件。传感器采集到的数据通过串口发送到中央处理器，与摄像头抓取的图像进行综合处理来确认是否发生火灾。传感器分布在机舱的重点部位，如主机、辅机、发动机、锅炉和分油机等能及时探测到火灾的地

4、方，安装的距离要合适，以免产生误报和漏报。2) 分辨率可调的USB摄像头由于船舱内空间狭小，为了更好地监视各柴油机组工作，及时发现火灾，在各个柴油机组的上方设置分辨率可调的usb摄像头，实时监测各柴油机的工作场景，并通过数据线传输图像到中央处理器。为了克服船舱的昏暗背景，提高图像数据的质量，可采用分辨率可调的USB摄像头加补光的方式来满足火灾图像分析要求。3) 中央控制单元整个智能监控系统的核心，采用了三星公司的16/32位RISC微处理器S3C2440，一款低价格、低功耗、高性能的ARM处理器。为了提高火灾图像分析的可靠性，本方案在Linux系统上移植了OpenCV库，结合视觉库的使用，提出

5、了一种综合根据火焰运动特征的码本训练算法及根据火焰颜色特征的HIS模型的新型火灾图像识别算法。同时通过S3C2440的串口1实时接收传感器采集的机舱温度、湿度和烟雾数据，用概率综合来最终判定是否发生火灾。4) 图像及数据传输总线数据传输采用了具有高可靠性和实时性的双CAN总线网络技术和高速双重冗余设计的Ehernet以太网技术，大大提高了报警的及时性和可靠性。5) 上位机上位机由一台高性能工控计算机构成，以太网数据经交换机直接连接至计算机的网口。CAN总线不能与计算机直接相连，通过总线接口卡转换CAN总线数据经USB接口连接至PC机。若发生火灾，上位机软件将实时显示火灾现场图像，并发出警报提示

6、管理人员进行处理。2 系统软件设计系统软件需对USB摄像头抓取的图像进行火灾算法分析，接收串口的传感器数据，通过以太网或can总线向上位机发生图像和数据等多个任务同时加以控制，为了提高资源使用效率来提高系统的效率，采用了多线程处理的方式，创建了三个任务相对应的三个线程thread_algorithm，thread_usart，thread_send。Video4linux2（简称V4L2)，是Linux中关于视频设备的内核驱动。在Linux中，视频设备是设备文件，可以像访问普通文件一样对其进行读写，摄像头在/dev/video0下。由于Linux系统移植了OpenCV，所以可以直接使用库函数c

7、vCaptureFromCAM(0)直接打开设备。Linux串口1设备位于/dev/ttySAC1，使用前先对串口进行必要的配置，定义一个termios结构体，选择串口的数据位、停止位、校验类型，用cfsetispeed函数初始化通信速率。当系统确认有火灾发生时，启动发送图像数据线程thread_send，首先尝试建立Socket，Socket数据结构中包含五种信息：通信协议、本地协议地址、本地主机端口、远端主机地址和远端协议端口。地址族、端口号、IP地址等信息保存在sockaddr_in结构体中。这里使用了面向连接的Socket客户端，因此调用Connect函数在Socket数据结构中保存本

8、地和远端信息，并与服务器建立连接。若连接成功，则通过send函数将采集的图像和传感器测量到的数据发送到上位机服务端应用程序。若连接失败或超时，则打开之前创建好的can设备文件，启动S3C2440外接的MCP2515 独立can协议控制器，通过can总线将图像和数据经can-usb转换器传输到上位机。 图2 软件流程图3 火灾报警的可靠性分析火灾发生时, 伴随很多特征参数的变化, 传统火灾报警器只针对单一因素进行阈值判断, 没能将多传感器有机结合,误判概率极大。本系统采用多信息融合技术，通过多因素概率综合模型考虑分析图像、温度、湿度和烟雾四类监测特征, 确定火灾发生概率, 结合实际情况确定灵敏度

9、, 最终判定是是否发生火灾。 图3 多因子概率综合模型对于图像和烟雾这两个定性因素，概率模型可简化为：（1）（i=1,2）为图像，烟雾单独反映火灾发生的概率值。而温度和湿度是定量的数据，温度是判别火灾的重要因素，标准火灾曲线升温速率表达式为： （2）式中，和T为实验开始和t时刻的炉温，t为实验时间(min)。湿度和火灾一般满足：当空气湿度大于60%时，发生火灾的情况不多；当空气湿度在50%-60%时，可以慢慢燃烧，但不能蔓延；湿度在40%-50%时，能发烟燃烧但不容易扩大燃烧面积；当空气湿度在30%-40%时，较易燃烧并扩大蔓延；湿度低于25%时，极容易发生火灾。因此温度和湿度的模型为：（3）

10、式中，（i=3,4）为温度，湿度单独反映火灾发生的概率值，为信号的阈值，为信号的饱和值，为对应信号的影响系数， 。综合分析四种因素, 分别得到每种因素对总结果的影响系数, 即权重。则火灾发生概率的最终结果由各独自概率加权和得到:（4）参数的准确度直接决定了智能火灾报警的质量, 不同环境下所需的参数差异较大,比如, 周围木质材料较多时, 火灾发生时烟雾起主导影响, 这时就要加大烟雾权重；周围是金属材料较多时，温度起主导作用，这时就要加大温度权重。所以权重需要根据不同情况做大量调研及实验, 根据结果分析参数的最佳选择。由于测试条件的限制，在实验室得到的结果可在下面的图中显示：4结论与传统的船舶火灾

11、报警相比，硬件上本系统在使用温度、湿度和烟雾传感器的基础上增加了摄像头抓取火灾图像进行分析，大大降低了误报和漏报的几率。在图像和数据传输方面也是采用了以太网和can现场总线的综合冗余技术，系统结构紧凑、数据传输稳定、网络化强，提高了火灾报警的及时性。在软件上采用了多信息融合技术，结合基于多因子概率综合模型，根据不同的使用环境灵活调节四种因素的权重，提高了判别发生火灾的可靠性，具有较高的推广与应用价值。参考文献1 陈国庆,陆守香.船舶火灾安全工程研究现状J.消防技术与产品信息,2004,08:21.2 周立功.iCAN现场总线原理与应用M.北京:北京航空航天大学出版社,2007:159.3 田泽

12、.嵌入式开发与应用教程M .北京:北京航空航天大学出版社,2004,36:37. 4 三星公司.S3C2440X 32Bit Risc Microprocessor Users ManualM.Samsung Electronics,2003 .5 SergioScaglia.嵌入式Internet TCP/IP基础、实现及应用M(第一版).北京:北京航空航天大学出版社,2008.Abstract: Given the traditional use of sensors of temperature, humidity, smoke to identify the fire hazard,

13、this design adds the image recognition algorithm based on OpenCV to identify fire through capturing images with camera, and caculates the probability of fire hazard according to weight of four factors that influence fire occurrence. The weight is determined by integrated multifactor probability model. Integrated fieldbus Redundancy technology is used