Библиографическое описание:Integration of Deep Learning and Wireless Sensor Networks for Accurate Fire Detection in Indoor Environment : научное издание / Omer. A. Dheyab, Dmitry Yu. Chernikov, Alexander S. Selivanov. - Текст : непосредственный // Журнал Сибирского федерального университета. Серия: Техника и технологии. - 2024. - Т.17, №1. - P. 124-135. - ISSN 1999-494X. - ISSN 2313-6057.
Аннотация:Systems for detecting fires are essential for protecting people and property. Still, there are a lot of problems with these systems' accuracy and the frequency of false warnings. This study uses wireless sensor networks with deep learning to improve the accuracy of real-time fire detection systems and decrease false alarms. Wi-Fi camera movies are analyzed using the YOLOv5 deep learning model. This model locates and classifies items quickly and precisely using deep learning techniques. To guarantee accurate detection, a sizable collection of fire-related data is used to train the model. When a fire occurs, users receive early warnings via WebRTC technology, and live footage of the burning location is broadcast. Using these sophisticated technologies, the efficiency of fire detection in the indoor environment can be improved, providing users with immediate and accurate alarms. Personnel and property safety is improved, and losses due to fires in the interior environment are decreased.
Системы обнаружения пожаров необходимы для защиты людей и имущества. Тем не менее существует множество проблем с точностью этих систем и частотой ложных предупреждений. В этом исследовании используются беспроводные сенсорные сети с глубоким обучением для повышения точности систем обнаружения пожара в реальном времени и уменьшения количества ложных тревог. Видео с камеры Wi-Fi анализируется с использованием модели глубокого обучения YOLOv5. Эта модель быстро и точно находит и классифицирует предметы, используя методы глубокого обучения. Чтобы гарантировать точное обнаружение, для обучения модели используется значительная коллекция данных, связанных с пожарами. При возникновении пожара пользователи получают ранние предупреждения с помощью технологии WebRTC, а также идет прямая трансляция места горения. Используя эти сложные технологии, можно повысить эффективность обнаружения пожара в помещении, предоставляя пользователям немедленные и точные сигналы тревоги. Повышается безопасность персонала и имущества, снижаются потери от пожаров во внутренней среде.
