摘要:建筑保温层内的隐蔽火灾(如冷库和电影院)构成严重火灾隐患,因为电气故障产生的热量可在点火前积聚在防护板后面,一旦燃烧开始便迅速蔓延。传统火灾检测方法在点火前阶段识别这些隐藏热异常的能力有限。为解决此问题,研究人员提出了一种深度学习方法,称为多尺度跨模态融
摘要:建筑保温层内的隐蔽火灾(如冷库和电影院)构成严重火灾隐患,因为电气故障产生的热量可在点火前积聚在防护板后面,一旦燃烧开始便迅速蔓延。传统火灾检测方法在点火前阶段识别这些隐藏热异常的能力有限。为解决此问题,研究人员提出了一种深度学习方法,称为多尺度跨模态融合网络(MSCMFNet),该方法利用多光谱图像在可见燃烧发生前识别保温层下方的异常热源。研究人员开发了一个标准化实验平台,以精确模拟保温材料点火前温度范围内的地下热源。该方法不依赖固定温度阈值,而是学习隐藏加热产生的特征光谱模式。它从不同光谱波段提取信息,结合这些互补特征,并验证检测到的热源随时间持续性,以减少非火灾干扰引起的误报。实验结果表明,该方法能有效检测点火前的隐蔽热异常,提供可靠的早期预警,并为提高大量使用保温材料的建筑物的消防安全提供了一种有前景的方法。
现代建筑中,冷库、室内滑雪场、大型影院等特殊用途建筑日益增多,这些建筑对室内温度控制和围护结构能效要求极高,因此广泛采用有机聚合物保温材料,如膨胀聚苯乙烯(EPS)和聚氨酯(PU)泡沫。然而,这些材料多为可燃或易燃,一旦起火会释放大量剧毒烟雾,严重阻碍消防和人员疏散。尽管各国标准对保温材料燃烧性能有明确要求,但实际火灾数据表明,即使符合阻燃标准的材料,在内部电路故障产生高温热源时仍可能被点燃。此类火灾通常经历一个漫长的隐蔽异常热量积聚阶段,期间无可见火焰或烟雾,检测此类早期异常热源以实现点火前干预成为全球建筑消防的关键痛点。
目前,传统点式感温、感烟探测器无法穿透保护层或在产生烟雾前有效工作。嵌入式热电偶或测温电缆虽能直接测量内部温度,但会破坏保温层完整性,且安装维护困难。分布式光纤测温空间分辨率有限,难以覆盖大面积保温墙。智能阻燃材料需替换现有保温层,改造成本高。气体气味识别易受环境气流干扰,在大空间或通风良好区域精度显著下降。红外热成像虽为非接触、大面积监测的理想手段,但现有单波段长波红外(LWIR,7.5–14.0 μm)方法基于温度阈值或异常温升速率做出报警决策,弱的地下热异常信号易被背景和表面温度波动掩盖。更重要的是,现有热成像火灾检测算法多针对明火或极高温度场景,而绝缘层内电气短路火灾是低温、缓慢热传导过程,无明火且通常无明显烟雾,其辐射信号强度与光谱形态与常规明火火灾截然不同。多光谱技术虽能获取不同波段热辐射特性,但现有融合算法未充分考虑绝缘层结构对早期异常加热阶段不同波段的衰减作用,导致检测精度严重不足。因此,亟需一种专门针对绝缘层隐蔽火灾早期预警的多光谱协同检测方法。
为解决上述问题,研究人员提出了一种基于多光谱成像和深度学习的早期检测方法,名为多尺度跨模态融合网络(MSCMFNet)。该方法将早期预警表述为点火前与异常热量积聚相关的多光谱特征模式识别问题,而非依赖单一红外温度阈值。研究人员构建了标准化的地下热故障模拟装置,模拟绝缘层内部电气故障引发的热传导过程,收集了短波红外(SWIR,0.9–2.0 μm)、中波红外(MWIR,3.7–4.8 μm)和LWIR三个波段的多光谱图像数据,涵盖不同材料、界面温度和干扰条件。通过分级特征提取和交叉注意力融合,设计多尺度跨模态融合网络以整合三个波段的互补信息。实验结果表明,该模型在检测隐蔽热异常方面表现优异:在有无干扰场景下,均能有效避免80 °C条件下的误报,并在100 °C和120 °C危险条件下实现快速响应(无干扰时83秒和38秒,有干扰时88秒和48秒),误报率仅1.2%,漏报率0.9%,检测准确率98.2%。该研究发表在《Fire》期刊,为大量使用保温材料的建筑提供了一种可靠、快速的隐蔽火灾早期预警技术路线。
1. **标准化地下热故障模拟装置**:采用高纯度石墨板作为热传导界面,实现均匀加热;设计九点穿透式温度采集系统,精确测量加热界面与保温材料之间的实际温度;采用瞬时接触加热策略模拟电气短路电弧引起的突发温升。
3. **MSCMFNet网络架构**:包含多波段独立特征提取模块(基于轻量级ResNet18,SWIR分支去除最后下采样层以保持高分辨率,LWIR分支集成通道注意力机制)、两级多尺度交叉融合模块(第一级融合SWIR和MWIR,第二级通过交叉注意力融合LWIR)、危险风险量化模块(全局平均池化+全连接网络输出概率)和多帧时间验证模块(滑动窗口分析连续10帧概率趋势,需满足多数帧超过阈值且呈上升趋势)。
5. **数据集构建**:收集来自PU和EPS两种保温材料的15,940组多光谱图像(6,620正样本,9,320负样本),包含无干扰、单干扰及混合干扰场景,按7:2:1比例划分训练、验证和测试集。
6. **模型训练与评估**:使用AdamW优化器,初始学习率1×10?4,权重衰减1×10?5,批量大小32,共200个epoch,余弦退火学习率衰减。在服务器(NVIDIA RTX 3090 GPU)和边缘设备(NVIDIA Jetson Orin AGX 32G,TensorRT 8.4量化优化)上进行推理性能测试,评估指标包括准确率、误报率(FPR)、漏报率(FNR)、参数量、浮点运算数(FLOPs)和单帧推理时间。
通过五组逐步添加模块的消融实验,定量验证了MSCMFNet中各模块的独立贡献。
- **B1(单LWIR波段+基础ResNet18)**:准确率81.5%,FPR 12.7%,FNR 9.8%。表明单波段LWIR检测存在瓶颈,无法有效区分表面正常温度波动与内部微弱热异常信号。
- **B2(三波段简单拼接+基础ResNet18)**:准确率86.2%,FPR 8.3%,FNR 7.1%。多光谱数据包含更丰富信息,但统一特征提取网络未考虑各波段物理特性差异,性能提升有限。
- **B3(三波段独立特征提取+两级融合,不含注意力机制和时间验证)**:准确率92.1%,FPR 4.2%,FNR 4.5%。差异化建模显著提升性能:SWIR分支保留高分辨率捕捉局部异常线索,MWIR分支提取热传导空间梯度特征,LWIR分支抑制恒定背景热源干扰。
- **B4(在B3基础上增加交叉注意力融合)**:准确率96.3%,FPR 2.1%,FNR 2.3%。自适应权重调整机制有效增强有用信号、抑制背景噪声。
- **完整模型(MSCMFNet)**:准确率98.2%,FPR 1.2%,FNR 0.9%。多帧时间验证机制在不增加参数量的情况下进一步降低误报率,确保系统对瞬态噪声的鲁棒性。
将传统单LWIR热成像阈值法与MSCMFNet在无干扰和干扰场景下进行对比,加热台温度分别设置为80 °C(负样本)、100 °C和120 °C(正样本)。
- **80 °C条件**:传统低阈值(40 °C)在无干扰场景下466秒后误报,干扰场景下43秒误报,误报率100%;高阈值(60 °C及以上)无报警。MSCMFNet在两类场景中均无报警,误报率0%。
- **100 °C条件**:传统40 °C阈值在无干扰下223秒报警,60 °C阈值需945秒;干扰场景下40 °C阈值误报率100%,60 °C阈值误报率10%;80 °C和100 °C阈值因表面温度从未达到而完全失效。MSCMFNet在无干扰下83秒报警,干扰下88秒报警,误报率0%,响应速度比传统最优阈值快62.8%–76%。
- **120 °C条件**:传统40 °C阈值无干扰下168秒报警,60 °C阈值需635秒;干扰场景下40 °C阈值误报率100%,60 °C阈值误报率10%;80 °C和100 °C阈值仍完全失效。MSCMFNet无干扰下38秒报警,干扰下48秒报警,误报率0%,实现快速响应与零误报的平衡。
综合性能讨论表明,传统LWIR热成像依赖表面温度阈值,在灵敏度和可靠性之间存在固有矛盾:低阈值响应快但易误报,高阈值可减少误报但因保温层衰减而无法检测内部加热。MSCMFNet将报警决策从表面温度阈值转变为多光谱特征模式识别,通过结合多波段光谱信息与时间验证,有效区分非报警热量积聚与高风险内部热状态,且对外部热源干扰不敏感。
研究假设验证:多光谱成像可捕获单波段不可检测的互补信息;波段特异性特征提取与分层跨模态融合能在强背景噪声下识别微弱异常热源信号;时间验证能显著降低瞬态环境干扰引起的误报。消融实验证实各模块独立贡献,时间验证模块以极小计算成本实现最大误报率降低。
研究意义:该方法为大量使用保温材料的建筑中隐蔽火灾早期预警提供了有效技术路线,具有检测准确率高、误报抑制、响应速度快和边缘部署可行性等优势。边缘推理结果表明模型可在资源受限设备上实时运行,支持大规模监测应用。
局限性:数据集主要来自实验室实验,未充分反映真实建筑结构复杂性(如多层保温、嵌入式构件、保护材料差异);当前算法仅提供火灾危险概率和风险等级,不支持火源定位或温度估计;在不同湿度、粉尘浓度等场景下的性能需进一步验证。
未来工作:考虑实际场景中水蒸气、粉尘等环境干扰因素;对不同厚度、多层复合、嵌入金属管件和龙骨的保温结构进行实验测试;在真实冷库等建筑场景中进行部署测试;探索更系统的超参数调优方法(如强化学习);扩展框架至火源定位、温度估计和火灾发展趋势预测。
研究人员提出了多尺度跨模态融合网络MSCMFNet,用于检测保温层下早期异常热源,实现隐蔽火灾预警。该方法整合了波段特异性特征提取、两级多光谱融合、交叉注意力加权、火灾风险量化和多帧时间验证。消融实验证明各模块均对整体性能有正向贡献。与单波段LWIR基线相比,完整MSCMFNet达到98.2%的检测准确率、1.2%的误报率和0.9%的漏报率。对比实验揭示了传统单LWIR阈值热成像的固有局限,而MSCMFNet将报警决策从表面温度阈值转变为多光谱特征模式,从而在多种干扰条件下实现更快、更可靠的检测。该方法为保温材料内隐蔽火灾早期预警提供了有效技术路线,在检测准确率、误报抑制、响应速度和边缘部署可行性方面具有明显优势。未来工作将包括真实环境现场验证以及支持火源定位和温度估计的框架扩展。