礦井外因火災感知方法

孫繼平， 崔佳偉

(中國礦業大學(北京)， 北京 100083)

0 引言

礦井火災是煤礦的主要災害之一，平均每起事故死亡人數最多[1]。礦井火災、瓦斯煤塵爆炸等事故，由于創傷和燒傷造成的死亡人數不足20%，一氧化碳中毒窒息死亡人數達80%多[1-2]。因此，盡早發現事故，盡早撤出遇險人員，是減少事故人員傷亡的有效措施[2]。盡早、準確地感知礦井火災并報警，可以及時控制火災，減少人員傷亡和財產損失，具有重要的理論意義和實用價值。

目前礦井外因火災監測[3]主要采用溫度、氣體(CO、CO2、O2等)、煙霧等礦用傳感器。利用礦用傳感器監測礦井外因火災，在傳感器設置足夠多、全礦井覆蓋的前提下，具有準確率高、實時性強等優點，但當傳感器設置較少時，遠離傳感器的火源不能被及時發現。礦用分布式光纖測溫適用于礦用電纜和膠帶火災的監測，但存在光纖易損壞、安裝復雜、維護困難等缺點。

文獻[4]提出了基于可見光圖像監測礦井外因火災的方法，具有監測范圍廣、成本低、使用與維護簡單、受距離影響小、色彩信息豐富、分辨率高、邊緣特征清晰等特點，但易受煤礦井下礦燈、車燈、巷道燈及紅色物體等影響，且井下粉塵大，會降低可見光圖像的監視距離及圖像清晰度。文獻[4-5]提出了基于遠紅外圖像監測礦井外因火災的方法，具有可靠性高、實時性強等優點，但成本高。

為解決可見光圖像在井下受礦燈、車燈、巷道燈、粉塵、紅色物體等干擾大[6-7]的問題，筆者提出了基于近紅外和可見光圖像的礦井外因火災感知方法。基于近紅外圖像監測礦井外因火災，能夠消除顏色影響并降低井下粉塵等的影響，且成本低，但仍受礦燈、車燈和巷道燈等的影響。為提高礦井火災識別準確性，筆者又提出了基于近紅外和可見光圖像及傳感器多信息融合的礦井外因火災感知方法，除融合近紅外圖像和可見光圖像信息外，還需設置一定數量的氣體(CO、CO2、O2等)傳感器、溫度傳感器和煙霧傳感器，但不需要傳感器無盲區全覆蓋。

1 火焰特征提取

圓形度、矩形度、尖角特征等是區分火焰與礦燈、車燈和巷道燈等的主要特征。

1.1 圓形度特征

火焰的圓形度特征是指檢測區域的形狀與圓形的相似程度[8]。在近紅外和可見光圖像中，礦燈、車燈和巷道燈等光源與火焰相比，更接近于圓，圓形度β接近或等于1，而火焰的圓形度β遠大于1。因此，可以通過圓形度分析來排除或減少礦燈、車燈、巷道燈等光源和圓形物體對礦井外因火災圖像的干擾。圓形度β的計算公式為[9]

(1)

式中：l為檢測區域周長；S為檢測區域面積。

1.2 矩形度特征

火焰的矩形度特征表示檢測區域的邊緣輪廓形狀與矩形的相似程度。矩形度τ用檢測區域面積占其最小外接矩形面積的比表示。在近紅外和可見光圖像中，矩形物體的矩形度接近于或等于1，而火焰的矩形度遠小于1。因此，可以通過矩形度分析來排除或減少矩形物體對礦井外因火災圖像的干擾。矩形度τ的計算公式為[10]

(2)

式中St為檢測區域最小外接矩形的面積。

1.3 尖角特征

火焰的尖角特征是指火焰尖角及火焰尖角的數目[11]。在近紅外圖像和可見光圖像中，火焰有一定數目的尖角，礦燈、車燈、巷道燈等常見光源一般沒有尖角或尖角較少，其他物體尖角也較少。因此，火焰的尖角特征是區別于礦燈、車燈、巷道燈等常見光源的明顯特征，是火災檢測的主要特征。

1.4 面積變化率特征

在火災的早期階段，隨著時間的增加，火焰的近紅外圖像和可見光圖像面積也增大。相對靜止物體的近紅外圖像和可見光圖像面積變化較小。因此，可以通過檢測區域面積變化率分析來排除或減少巷道燈等靜止光源和物體對礦井外因火災圖像的干擾。面積變化率ε的計算公式為

ε=(Sn-Sn-1)/[T×max(Sn,Sn-1)]

(3)

式中：Sn為第n次監測圖像檢測區域的面積；T為第n-1次到第n次監測時間間隔；max(Sn，Sn-1)為取Sn和Sn-1的最大值。

1.5 質心移動距離特征

在火災初期，受到風力等影響，火焰的整體形狀會發生變化，但是其質心移動并不明顯。而車燈、礦燈等在運動過程中，其質心移動較大。因此，在近紅外和可見光圖像中，可以用檢測區域圖像質心在多幀圖像的移動累加距離來區分火焰與移動車燈和礦燈等。質心在2幀之間的移動距離計算公式[12]為

(4)

式中(xi,yi)和(xi-1，yi-1)分別為視頻圖像中第i幀及第i-1幀檢測區域質心的坐標。

1.6 亮度變化率特征

在礦井火災早期，火焰逐漸變大變亮，但火焰亮度變化緩慢，不同于燈光突然變亮。因此，可以利用近紅外圖像和可見光圖像中檢測區域亮度變化率來辨識火焰。亮度變化率計算公式為

Lc=(Ln-Ln-1)/[T×max(Ln,Ln-1)]

(5)

式中：Ln為第n次監測圖像檢測區域平均亮度；max(Ln，Ln-1)為取Ln和Ln-1中的最大值。

1.7 顏色和紋理特征

火焰在可見光彩色圖像中，主要表現在紅色與黃色之間，如圖1(a)所示。火焰在近紅外圖像中，表現為亮度，如圖1(b)所示。因此，在可見光彩色圖像中，可以用顏色提取火焰，但受紅色、橙色和黃色等物體影響。在可見光圖像中，不同的物體紋理特征不同。因此，可通過紋理特征區分火焰與其他干擾。

(a) 火焰的可見光圖像

(b) 火焰的近紅外圖像

2 基于近紅外和可見光圖像的礦井外因火災感知方法及實驗研究

為解決可見光圖像受礦燈、車燈、巷道燈、粉塵、紅色物體等干擾大的問題，筆者提出了基于近紅外和可見光圖像的礦井外因火災感知方法，融合近紅外和可見光圖像信息，提高礦井外因火災識別率。基于近紅外圖像監測礦井外因火災，能夠消除顏色影響并降低井下粉塵等影響，且成本低，但仍受礦燈、車燈和巷道燈等的影響。

2.1 實驗設計

選取紙張、白熾燈、可見光攝像機和近紅外攝像機作為實驗器材。白熾燈通電之后具有高亮度，可模擬煤礦井下礦燈、車燈、巷道燈等干擾。點燃的紙張模擬井下火焰。周圍環境模擬井下黑暗環境。白熾燈與火焰位于同一水平線處。近紅外攝像機與可見光攝像機位于相同高度，與白熾燈和火焰的距離相同。將白熾燈通電，同時點燃紙張，將白熾燈與被點燃紙張放在同一水平面上，在相同距離處同時獲取可見光圖像和近紅外圖像。白熾燈位于圖片的左側，火焰位于圖片的右側。

2.2 早期火焰圖像識別

白熾燈與早期火焰的可見光圖像如圖2(a)所示。對白熾燈與早期火焰的可見光圖像進行特征提取后的圖像如圖2(b)所示。從圖2(b)可看出，早期火焰輪廓不清晰，火焰形狀模糊，難以區分火焰與白熾燈。

白熾燈與早期火焰的近紅外圖像如圖3(a)所示。對白熾燈與早期火焰的近紅外圖像進行特征提取后的圖像如圖3(b)所示。從圖3(b)可看出，提取特征后的早期火焰尖角特征和輪廓特征明顯，可以區分火焰與白熾燈。

圖2 白熾燈與早期火焰的可見光圖像及其特征Fig.2 Visible light images of incandescent lamp andearly flames and their characteristics

圖3 白熾燈與早期火焰的近紅外圖像及其特征Fig.3 Near-infrared images of incandescent lamp andearly flames and their characteristics

2.3 中期火焰圖像識別

白熾燈與中期火焰的可見光圖像如圖4(a)所示。對白熾燈與中期火焰的可見光圖像進行特征提取后的圖像如圖4(b)所示。從圖4(b)可看出，中期火焰火勢旺盛，尖角特征明顯，火焰尖角特征易于提取，與白熾燈差異大。

圖4 白熾燈與中期火焰的可見光圖像及其特征Fig.4 Visible light images of incandescent lamp and mid-term flame and their characteristics

白熾燈與中期火焰的近紅外圖像如圖5(a)所示。對白熾燈與中期火焰的近紅外圖像進行特征提取后的圖像如圖5(b)所示。從圖5(b)可看出，中期火焰火勢旺盛，火焰邊緣平滑，尖角特征不明顯，難以區分火焰與白熾燈。

圖5 白熾燈與中期火焰的近紅外圖像及其特征Fig.5 Near-infrared images of incandescent lamp and mid-term flame and their characteristics

上述近紅外圖像和可見光圖像實驗及特征提取結果表明，可見光圖像中，在火焰早期階段，火焰邊緣信息模糊，形狀與白熾燈接近，難以區分火焰與白熾燈；在火焰中期階段，火焰尖角特征明顯，形狀特征清晰，可以區分火焰與白熾燈。近紅外圖像中，火焰早期階段的火焰形狀和邊緣特征明顯，可以區分火焰與白熾燈；火焰中期階段的火焰邊緣特征平滑，難以區分白熾燈與火焰。因此，將近紅外圖像和可見光圖像融合，發揮近紅外圖像中早期火焰特征明顯、可見光圖像中中期火焰特征明顯的優點，以提高礦井外因火災識別率。

3 基于近紅外和可見光圖像與傳感器多信息融合的礦井外因火災感知方法

為充分利用溫度、煙霧、氣體傳感器及近紅外圖像、可見光圖像信息提高礦井外因火災識別率，筆者提出了基于近紅外、可見光圖像和傳感器多信息融合的礦井外因火災感知方法，將報警信息分為圖像、溫度、煙霧和氣體4類，并將火災報警等級分為藍色、黃色、橙色和紅色4級，紅色為最高級。

圖像類火災報警信息包括近紅外圖像和可見光圖像信息；當近紅外圖像或可見光圖像監測到火災信息時，發出圖像類火災報警信號。當溫度超限時，發出溫度類報警信號。當煙霧超限時，發出煙霧類報警信號。氣體類火災報警信息包括CO、CO2、O2等，當CO、CO2或O2超限時，發出氣體類報警信號。圖像、溫度、煙霧和氣體類報警見表1。

表1 圖像、溫度、煙霧和氣體類報警Table 1 Image, temperature, smoke and gas alarm

當圖像類、溫度類、煙霧類、氣體類4類信息中有1類報警，發出火災藍色報警信號。當圖像類、溫度類、煙霧類、氣體類4類信息中同時有2類報警，發出火災黃色報警信號。當圖像類、溫度類、煙霧類、氣體類4類信息中同時有3類報警，發出火災橙色報警信號。當圖像類、溫度類、煙霧類、氣體類4類全部報警，發出火災紅色報警信號。礦井外因火災藍色、黃色、橙色和紅色4級報警見表2。

表2 火災藍色、黃色、橙色和紅色4級報警Table 2 4-level fire alarm in blue, yellow, orange and red

4 結論

(1) 利用礦用溫度、氣體和煙霧等傳感器監測礦井外因火災，在傳感器設置足夠多、礦井全覆蓋的前提下，具有準確率高、實時性強等優點；但當傳感器設置較少時，遠離傳感器的火源不能被及時發現。

(2) 礦用分布式光纖測溫適用于礦用電纜和膠帶火災監測，但存在光纖易損壞、安裝復雜、維護困難等缺點。

(3) 基于可見光圖像監測礦井外因火災具有監測范圍廣、成本低、使用與維護簡單、受距離影響小、色彩信息豐富、分辨率高、邊緣特征清晰等特點，但易受煤礦井下礦燈、車燈、巷道燈及紅色物體等影響，且井下粉塵大，會降低可見光圖像的監視距離及圖像清晰度。在可見光圖像中，在火焰早期階段，火焰邊緣信息模糊，形狀與白熾燈接近，難以區分火焰與白熾燈；在火焰中期階段，火焰尖角特征明顯，形狀特征清晰，可以區分火焰與白熾燈。

(4) 基于遠紅外圖像監測礦井外因火災具有可靠性高、實時性強等優點，但成本高。

(5) 基于近紅外圖像監測礦井外因火災，能夠消除顏色影響并降低井下粉塵等的影響，且成本低，但受礦燈、車燈和巷道燈等影響。近紅外圖像中，在火焰早期階段，火焰形狀和邊緣特征明顯，可以區分火焰與白熾燈；在火焰中期階段，火焰邊緣平滑，難以區分白熾燈與火焰。

(6) 基于近紅外和可見光圖像及傳感器多信息融合的礦井外因火災感知方法，融合了近紅外圖像、可見光圖像和傳感器信息，傳感器不需要無盲區覆蓋，僅需設置一定數量的氣體傳感器、溫度傳感器和煙霧傳感器，具有及時、可靠、成本低等優點。

(7) 基于近紅外和可見光圖像及傳感器多信息融合的礦井外因火災感知方法將報警信息分為圖像、溫度、煙霧和氣體4類。圖像類火災報警信息包括近紅外圖像和可見光圖像信息,當近紅外圖像或可見光圖像監測到火災信息時，發出圖像類火災報警信號;當溫度超限時，發出溫度類報警信號;當煙霧超限時，發出煙霧類報警信號;氣體類火災報警信息包括CO、CO2、O2等,當CO、CO2或O2超限時，發出氣體類報警信號。

(8) 基于近紅外和可見光圖像及傳感器多信息融合的礦井外因火災感知方法將火災報警分為藍色、黃色、橙色和紅色4級，紅色為最高級。當圖像類、溫度類、煙霧類、氣體類4類信息中有1類報警，發出火災藍色報警信號;當圖像類、溫度類、煙霧類、氣體類4類信息中同時有2類報警，發出火災黃色報警信號;當圖像類、溫度類、煙霧類、氣體類4類信息中同時有3類報警，發出火災橙色報警信號;當圖像類、溫度類、煙霧類、氣體類4類全部報警，發出火災紅色報警信號。