(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211033260.X (22)申请日 2022.08.26 (71)申请人 徐工消防安全 装备有限公司 地址 221100 江苏省徐州市高新 技术产业 开发区珠 江东路17号 (72)发明人 张勇　王刚　徐小东　叶家良　 李鑫　舒文琪　李晨　 (74)专利代理 机构 中国贸促会专利商标事务所 有限公司 1 1038 专利代理师 张海强 (51)Int.Cl. G08B 17/10(2006.01) G08B 17/12(2006.01) G08B 21/16(2006.01) G08B 21/20(2006.01)G08B 29/18(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) G06V 10/82(2022.01) G06V 20/52(2022.01) (54)发明名称 火灾风险的确定方法、 装置、 系统和机 器人 (57)摘要 本公开提供了一种火灾风险的确定方法、 装 置、 系统和机器人， 涉及火灾监测技术领域， 所述 方法包括： 获取基于M个传感器得到的M组第一环 境数据， M≥2； 根据第m组第一环境数据， 确定第m 个传感器是否故障， 1≤m≤M； 对基于所述M个传 感器中未故障的N个传感器得到的N组第一环境 数据进行第一预处理， 以得到N组第二环境数据； 将所述N组第二环境数据输入训练好的神经网络 模型， 以得到第一参考信息， 所述第一参考信息 包括多种火势对应的多个第一概率； 和根据参考 信息， 确定所述火场的火灾风险， 所述参考信息 包括所述第一 参考信息。 权利要求书3页 说明书12页 附图5页 CN 115394034 A 2022.11.25 CN 115394034 A 1.一种火灾 风险的确定方法， 包括： 获取基于 M个传感器得到的M组第一环境数据， M≥2； 根据第m组第一环境数据， 确定第m个传感器是否故障， 1≤m≤ M； 对基于所述M个传感器中未故障的N个传感器得到的N组第一环境数据进行第一预处 理， 以得到N组第二环境数据； 将所述N组第 二环境数据输入训练好的神经网络模型， 以得到第一参考信息， 所述第一 参考信息包括多种火势对应的多个第一 概率； 和 根据参考信息， 确定所述火场的火灾 风险， 所述 参考信息包括所述第一 参考信息。 2.根据权利要求1所述的方法， 其中， 对基于所述M个传感器中未故障的N个传感器得到 的N组第一环境数据进行第一预处 理， 以得到N组第二环境数据包括： 在第n组第一环境数据包括异常的第 一环境数据的情况下， 将第n组第 一环境数据中异 常的第一环境数据剔除， 以得到第n组第三环境数据， 1≤n≤N； 在第n组第一环境数据不包括异常的第一环境数据的情况下， 将第n组第 一环境数据作 为第n组第三环境数据； 和 对第n组第三环境数据进行第二预处 理， 以得到第n组第二环境数据。 3.根据权利要求2所述的方法， 其中， 对第n组第 三环境数据进行第二预处理， 以得到第 n组第二环境数据包括： 根据第n组第一环境数据， 确定第n个传感器的环境补偿修 正系数； 和 基于第n个传感器的环境补偿修正系数， 对第n组第三环境数据进行归一化处理， 以得 到第n组第二环境数据。 4.根据权利要求3所述的方法， 其中， 基于以下公式对第n组第三环境数据进行归一化 处理： 其中， xn为第n组第三环境数据中的每个第三环境数据， Rn为第n组第二环境数据中的每 个第二环境数据， Ln为第n个传感器采集信号对应的第一环境 数据的额定最小值， Hn为第n个 传感器采集信号对应的第一环境数据的额定最大值， kn为第n个传感器 的环境补偿修正系 数。 5.根据权利要求3所述的方法， 其中， 第n个传感器的环境补偿修正系数根据第 n组第一 环境数据的平均值与第n个传感器的标准 值的比值确定 。 6.根据权利要求1 ‑5任意一项所述的方法， 其中， 根据第m组第一环境数据， 确定第m个 传感器是否故障包括： 在第m组第一环境数据均不在预设范围内的情况 下， 确定第m个传感器故障； 和 在第m组第一环境数据中的至少一个第一环境数据在所述预设范围内的情况下， 确定 第m个传感器未故障。 7.根据权利要求1 ‑5任意一项所述的方法， 还 包括：权　利　要　求　书 1/3 页 2 CN 115394034 A 2根据所述火场的图像， 确定第二参考信息， 所述第二参考信息包括所述火场存在火焰 的第二概率和所述火焰的特 征信息中的至少一个； 其中， 所述 参考信息还 包括所述第二 参考信息。 8.根据权利要求7 所述的方法， 还 包括： 确定所述第一 参考信息的第一权 重， 所述第一权 重与N正相关； 和 确定所述第二 参考信息的第二权 重， 所述第二权 重与所述第一权 重负相关； 其中， 所述 参考信息还 包括所述第一权 重和所述第二权 重。 9.根据权利要求8所述的方法， 其中， 根据参 考信息， 确定所述火场的火灾 风险包括： 将所述第一 参考信息与所述第一权 重相乘， 以得到第三 参考信息； 将所述第二 参考信息与所述第二权 重相乘， 以得到第四参 考信息； 和 将所述第三 参考信息和所述第四参 考信息输入模糊推理模型， 以得到所述火灾 风险。 10.根据权利要求7 所述的方法， 其中， 所述特 征信息包括尺寸。 11.根据权利要求7 所述的方法， 其中， 根据所述火场的图像， 确定第二 参考信息包括： 基于YOLO V4深度学习算法对所述图像进行处 理， 以得到所述第二 参考信息。 12.根据权利要求1 ‑5任意一项所述的方法， 其中， 所述神经网络模型为基于自适应粒 子群算法优化的反向传播神经网络模型。 13.根据权利要求1 ‑5任意一项所述的方法， 其中， 所述M个传感器包括湿度传感器和空 气质量传感器。 14.一种火灾 风险的确定装置， 包括： 获取模块， 被 配置为获取基于 M个传感器得到的M组第一环境数据， M≥2； 第一确定模块， 被配置为根据第m组第一环境数据， 确定第m个传感器是否故障， 1≤m≤ M； 预处理模块， 被配置为对基于所述M个传感器中未故障的N个传感器得到的N组第一环 境数据进行第一预处 理， 以得到N组第二环境数据； 输入模块， 被配置为将所述N组第 二环境数据输入训练好的神经网络模型， 以得到第一 参考信息， 所述第一 参考信息包括多种火势对应的多个第一 概率； 和 第二确定模块， 被配置为根据参考信 息， 确定所述火场的火灾风险， 所述参考信 息包括 所述第一 参考信息。 15.一种火灾 风险的确定装置， 包括： 存储器； 以及 耦接至所述存储器的处理器， 被配置为基于存储在所述存储器中的指令， 执行权利要 求1‑13任意一项所述的方法。 16.一种火灾 风险的确定系统， 包括： 权利要求14或15所述的火灾 风险的确定装置； 和 所述M个传感器。 17.一种机器人， 包括： 权利要求16所述的火灾 风险的确定系统。 18.一种计算机可读存储介质， 包括计算机程序指令， 其中， 所述计算机程序指令被处 理器执行时实现权利要求1 ‑13任意一项所述的方法。权　利　要　求　书 2/3 页 3 CN 115394034 A 3