تشخیص آتش با دوربین

مسئله: آتش‌سوزی‌ها خیلی دیر دیده می‌شوند

تشخیص آتش سنتی منتظر می‌ماند دود بالا بیاید و به‌طور فیزیکی به یک حسگر برسد. این در اتاقی بسته با سقف کوتاه و هوای ساکن جواب می‌دهد. اما مناطقی که خطر واقعی دارند به‌ندرت چنین‌اند:

• در انبارهای سقف‌بلند تا دود به حسگر برسد آتش گسترش یافته است.
• در محوطه‌های باز، انبارهای روباز و کارگاه‌های ساختمانی دود پخش می‌شود و دتکتورها هرگز فعال نمی‌شوند.
• در گلخانه‌ها، دامداری‌ها و آشیانه‌ها رطوبت و گرد و غبار حسگرها را غیرقابل اتکا می‌کند.
• شب‌ها و آخر هفته‌ها کسی هم در محل نیست که آتش را ببیند.

در همین حال بیشتر مجموعه‌ها هم‌اکنون ده‌ها دوربین دارند که دقیقاً به همان مناطق نگاه می‌کنند. تنها چیزی که کم است سامانه‌ای است که شبانه‌روز آن‌ها را ببیند.

راه‌حل: بگذارید هوش مصنوعی آنچه دوربین می‌بیند را ببیند

CamGuard AI جریان زنده دوربین‌های شما را روی یک سرور GPU در داخل مجموعه تحلیل می‌کند. هنگام ظهور شعله یا دود، در کسری از ثانیه علامت‌گذاری می‌شود. سپس لایه‌های تأیید تصمیم می‌گیرند که آیا واقعاً آتش است.

یک تصمیم طراحی آگاهانه: تصویر زنده هرگز از محل شما خارج نمی‌شود. تحلیل به‌صورت محلی انجام می‌شود و تنها هشدارهای تأییدشده یک تصویر شاهد و سابقه رویداد به پنل مرکزی می‌فرستند. این هم پهنای باند شما را حفظ می‌کند و هم داده خروجی را کمینه نگه می‌دارد.

تشخیص آتش گام به گام چگونه کار می‌کند

۱. تحلیل پیوسته تصویر

یک مدل تشخیص شیء، جریان هر دوربین را فریم به فریم می‌کاود؛ این مدل برای شناخت شعله و دود آموزش دیده است. مدل رنگ، شکل، بافت و حرکت را با هم می‌سنجد.

۲. فیلترهای فیزیکی

آیا ناحیه شناسایی‌شده با رفتار شعله واقعی هم‌خوانی دارد؟ سامانه اندازه، نسبت ابعاد و پراکندگی بافت را بررسی می‌کند. لکه‌های روشن صاف و یکنواخت مانند عدسی چراغ، نور خودرو یا بازتابنده کنار گذاشته می‌شوند. شعله واقعی نامنظم است و مدل همین نامنظمی را می‌خواهد.

۳. فیلتر نور ثابت

سامانه درخششی را که در یک نقطه تکرار می‌شود می‌آموزد. یک چراغ ثابت، LED چشمک‌زن یا سطحی که خورشید در ساعت معینی به آن می‌تابد به‌تدریج از مسیر هشدار کنار می‌رود.

۴. بررسی پایداری و گسترش

آتش واقعی امضایی در زمان دارد: می‌لرزد، سطحش بزرگ می‌شود و رفتارش ناپایدار است. یک جرقه تک‌فریمی هشدار نمی‌دهد. رویداد باید در یک بازه زمانی پایدار بماند، گسترش یابد یا هر دو.

۵. حالت روز و شب

سامانه از روی تصویر می‌فهمد که دوربین به دید در شب رفته و تصویر سیاه و سفید می‌دهد. تصمیم‌های شبانه با معیارهای دیگری گرفته می‌شوند: آیا لکه سفید روشنی است، آیا بافت بیش از حد صاف است، آیا شکل بیش از حد منظم است؟ به همین دلیل تیر چراغ برق و نور خودرو آتش خوانده نمی‌شوند.

۶. تأیید بصری در مرحله دوم

رویدادی که از همه فیلترها بگذرد پیش از تبدیل به هشدار از یک بررسی بصری دوم می‌گذرد. برش شاهد با حالت عادی صحنه مقایسه می‌شود. همین مرحله است که سامانه را از فریاد بیهوده باز می‌دارد.

۷. قواعد منطقه و زمان

شما ناحیه پایش هر دوربین را ترسیم می‌کنید و به آن محدودیت زمانی می‌بندید. کارگاه جوشکاری را می‌توان در ساعات کار کنار گذاشت و پس از آن خودکار پایش کرد. اجاق اتاق استراحت را می‌توان کاملاً کنار گذاشت.

وقتی هشدار فعال می‌شود چه می‌گذرد

• تماس تلفنی خودکار با مخاطبان شما همراه با نوع رویداد و محل.
• پیامک با هشداری کوتاه، بی‌درنگ.
• ایمیل با تصویر، نام دوربین، محل و زمان.
• اعلان موبایل برای کاربران پنل.
• دستگاه هشدار محلی آژیر می‌زند، قرمز چشمک می‌زند و رویداد را روی نمایشگر نشان می‌دهد.

هم‌زمان ویدیوی رویداد و تصویر شاهد بایگانی می‌شوند تا بتوانید بعداً آن‌ها را در پنل مرور و گزارش کنید.

مقایسه با دتکتور دود

این دو رقیب هم نیستند. زیرساخت دتکتوری را که مقررات ایمنی می‌خواهد نگه دارید و CamGuard AI را به‌عنوان لایه هشدار زودهنگام بصری روی آن بیفزایید.

با چه دوربین‌هایی کار می‌کند

با هر دوربین IP که ONVIF یا RTSP را پشتیبانی کند، فارغ از برند. دوربین‌های آنالوگ از راه NVR یا DVR که جریان RTSP بدهد متصل می‌شوند. دوربین حرارتی لازم نیست. کافی است دوربین ناحیه خطر را روشن ببیند و دید در شب آن کار کند.

پرسش‌های رایج