针对煤矿井下传统火灾探测方法的不足,提出了一种基于图像型的火灾探测方法,阐述了对所获取的红外图像进行预处理、特征提取和火灾识别的过程。根据早期火灾的特点,通过提取图像序列中多个参数的火灾信息,并将量化后的火灾特征值输入支持向量机,对支持向量机进行分类器训练,再利用训练好的分类器对火灾和干扰物进行分类识别。实验结果表明:该方法探测正确率高,误判率低,抗干扰能力强,对于小样本的非线性分类问题效果较好。该研究成果对煤矿外因火灾的预防具有一定实际意义。

针对煤矿井下环境特点,提出了基于数字图像处理和支持向量机的煤矿外因火灾早期探测方法。该方法根据火灾初期的变化特征,用图像处理方法提取温度变化率、面积增长率、火焰闪烁频率和整体稳定性等特征值,并将其作为输入信号,利用支持向量机进行数据融合后实现火灾探测。实验结果表明,该方法能够对煤矿井下高危火源和干扰信号进行分类识别,具有探测率高、误判率低、实时性好、鲁棒性强的特点。