近年来，由于火灾报警系统未能正确识别周围生产、生活环境的状况而引发的火灾事故屡屡发生，致使人民生命和财产遭受重大损失。目前，市场上的火灾报警系统尽管多种多样，却不能准确探测到周围环境的综合状况，并依据状况及时预报火灾的可能性，因而误报、漏报率较高。为了能够提早并准确报警，本文提出由多传感器融合技术组成的智能火灾报警系统以取代传统的单一传感器报警系统。 本文在讨论传统火灾探测报警系统的基础上，提出了由温度、烟雾和CO三种传感器信息融合的智能火灾报警系统，该系统采用16位单片机SPCE061A作为

针对煤矿井下复杂环境中传统火灾探测的不足,提出了基于图像处理技术的SVM分类器模型进行火灾探测。首先利用颜色空间进行火焰图像的分割,进而提取出尖角数、圆形度、质心位移等特征,最后通过改进人工蜂群算法优化参数后的支持向量机融合特征量进行分类,以取得最优的探测效果。

针对目前火灾探测方面的不足，提出了基于支持向量机的火灾探测技术。基于HSI颜色模型提取出火灾火焰疑似区域，在图像处理技术基础上获得早期火灾火焰的五个主要特征，采用支持向量机技术进行火灾识别。Matlab仿真实验证明，基于支持向量机的火灾探测技术识别率高，克服了神经网络过学习、容易陷入局部极小点等不足。该技术的研究在火灾探测领域具有重要的理论意义和实用价值。