针对贵重实验设备的主动式多模态智慧安防系统

成员介绍

• 徐清振：华南师范大学计算机学院博士生导师
• 刘寿强：华南师范大学计算机学院硕士生导师
• 贾小硕：华南师范大学计算机学院博士研究生，负责多模态火灾预测模型的研发与优化。
• 朱艾清：华南师范大学计算机学院硕士研究生，负责用户端APP的开发与接口设计。
• 匡小梅：华南师范大学计算机学院硕士研究生，负责数据分析和实验设备的监控模块开发。
• 龙邱千：华南师范大学计算机学院硕士研究生，负责系统前端及可视化设计。

项目概述

本项目旨在开发一套针对贵重实验设备的主动式多模态智慧安防系统。该系统利用先进的物联网、大数据和人工智能技术，主动监测实验室中的各项安全细节，如温湿度、电流、电压等参数，实时评估安全状态，提前预测事故并发出警报，从而有效避免安全事故的发生。

该系统基于华为的MindSpore AI框架构建，不同于传统被动式系统，能够实现更全面的实时监测、火灾预测及安全态势评估。

主要功能

1. 火灾预测模型：采用基于LSTM和RBF-BF的多模态模型进行火灾风险预测。
2. 多维度实时监控：包括温湿度、噪声、电流、电压等多种安全参数监测。
3. 安全态势评估：自动评估实验室的安全状态，并提供违规行为检测和隐患发现功能。
4. 事故超前预警：通过短信和电话方式，及时将潜在的事故风险通知相关人员。
5. 远程监控与管理：基于鸿蒙OS的移动应用，让用户可以实时查看设备状态、接收警报通知，并进行远程操作。

系统架构

本系统由三个部分组成：

• 监测端：包括热成像摄像头、噪声测量仪、电流和电压变送器、烟雾传感器等。
• 云端：基于openEuler OS以及Mindspore AI框架，部署火灾预测模型，并处理传感数据。
• 用户端：基于鸿蒙OS开发的APP，用户可通过该应用实时监测设备，接收告警通知，并进行远程操作。

技术亮点

• 多模态火灾预测：结合LSTM和RBF-BF的模型实现更加精准的火灾预测。
• 实时安全态势评估：通过多维数据分析提供实验室综合安全状态评估。
• 软硬件协同：集成智能安防系统，实现消防设备的定期检测和提前预警功能。
• 历史数据分析：支持对设备状态的历史数据进行分析，以提高事故预测的准确性。

商业模式与市场前景

该系统广泛适用于科研实验室及其他对设备安全要求较高的场景，具备良好的商业化前景。通过主动式安防系统的应用，可以显著降低设备损坏风险及事故损失，保障生命财产安全。