基于RK3568嵌入式开发板与HM-TM32红外热成像摄像头完成了一套棉花火情智能监测与数据迭代系统。目前已实现全部基础核心功能红外视频实时采集、30秒自动分段循环录制基于ONNX深度学习模型的AI火情识别正常视频循环覆盖、火情视频永久保留的智能存储策略基于MobaXterm SSH/SFTP远程文件传输实现板端数据回传电脑FFmpeg批量解码抽帧、数据集构建、模型重训练与迭代部署优化火情识别逻辑解决阴燃与明火混淆问题目前仅依靠单帧图像灰度均值推理红外图像中棉花阴燃大面积高温区域与明火高亮特征高度相似易出现误判。通过多特征融合优化识别逻辑无需更换模型即可提升精度。引入图像灰度均值、灰度方差、高温像素面积、帧间亮度波动四重特征区分燃烧状态棉花阴燃温度均匀、方差小、高温面积大、帧间波动平稳棉花明火温度极值高、方差大、热点集中、帧间闪烁波动剧烈通过多特征阈值融合判断实现正常/阴燃/明火三类状态精准区分大幅降低误报、漏报问题。def get_fire_feature(frame): gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) mean_val gray.mean() var_val gray.var() _, bright_mask cv2.threshold(gray, 60, 255, cv2.THRESH_BINARY) bright_area cv2.countNonZero(bright_mask) return mean_val, var_val, bright_area # 在主循环中调用 mean_val, var_val, bright_area get_fire_feature(frame) is_smolder False is_fire False if 55 mean_val 90 and var_val 800 and bright_area 1500: is_smolder True elif mean_val 95 and var_val 1200: is_fire True当前程序无完整日志、无异常捕获长时间运行出现摄像头断连、帧读取失败、资源占用异常时会直接退出无法满足无人值守监测需求。新增完善机制新增全局日志记录保存设备运行状态、火情识别时间、异常报错信息增加摄像头掉线自动重连逻辑USB红外设备异常断开后自动重启采集增加视频资源防泄漏机制异常终止时自动释放VideoWriter资源import logging import cv2 import time import os # 初始化日志系统 logging.basicConfig( filename/home/fire_system.log, levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s ) CAM_ID 1 # 摄像头初始化函数支持重连 def init_camera(): cap cv2.VideoCapture(CAM_ID) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 256) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 192) cap.set(cv2.CAP_PROP_FPS, 8) return cap # 初始化设备 cap init_camera() out None # 主循环容错逻辑 while True: ret, frame cap.read() if not ret: logging.warning(camera disconnect, start reconnect) cap.release() time.sleep(1) cap init_camera() continue # 视频资源异常兜底释放 try: out.write(frame) except Exception as e: logging.error(fvideo write error: {str(e)}) if out is not None: out.release() out None下一阶段当前仅利用红外图像视觉特征识别火情未利用红外机芯原始测温数据。下一阶段将读取HM-TM32原始温度矩阵获取逐像素温度数值、最高温、平均温、高温分布特征实现视觉图像温度数据双模态融合识别彻底解决阴燃明火难区分的问题。依托连续红外视频时序帧搭建时序预测模型学习棉花阴燃到明火的高温扩散规律预判未来短时间内高温区域蔓延趋势实现早期隐患预判开发电脑端上位机实现实时画面接收、火情日志查询、温度曲线绘制、历史视频回看、数据统一归档形成完整的嵌入式终端PC上位机一体化监测系统。
