摘   要 ：为解决传统消防安全监控响应滞后、覆盖有限、数据联动差等问题,提出了基于物联网的消防安全监控与预警系统。该系统以华为 OceanConnect 平台为核心,构建接入传感层、物联网开放平台层、业务应用与展示层架构。硬件以STM32 为核心,连接各类传感器, 通过 NB-IoT 传输数据 ；软件结合多源数据与 LSTM/Transformer 模型实现智能预警, 将火灾预警从“事后报警”提前至“事前预测、事中管控”,为现代消防提供技术支撑。

       关键词 ：物联网 ；监控预警 ；系统设计 ；传感器

       引言

       在现代城市化进程加速和建筑复杂度上升的背景下,消防安全成为公共安全领域的重要议题。在大型综合体、超高层建筑以及大型工业园区等应用场景中,现有手段无法满足其火灾防控需求。随着物联网技术日益成熟,它为打破火灾监控和预警的困境提供了全新可能 [1]。在物联网平台上,部署感知设备,采集环境内温度、烟雾以及可燃气体浓度等数据,并对数据进行传输和智能算法分析,将火灾预警从“事后报警”提前至“事前预测、事中精准管控”[2]。本文设计基于物联网技术的消防安全监控与预警系统,通过智能化、网络化的技术手段,提升消防安全管理的实时性、精准性和主动性,从而最大限度地减少火灾事故的发生概率,降低火灾造成的人员伤亡和财产损失。

       1   研究现状与需求

       消防安全监控与预警领域,物联网技术应用正兴。国外,美国 Honeywell、德国西门子等企业掌握着相关先进技术 ；国内,海湾安全、青鸟消防、清华大学等也取得了创新成果。但现有技术有局限 ：多数系统侧重单一参数检测,缺乏多源数据融合 ；传统系统数据利用不足, 难以构建有效预警模型 [3,4]。火灾事件发生数据凸显了提升消防监控预警能力的紧迫性,故亟需设计基于物联网的新系统,实现火灾隐患的实时精准监测与早期预警。

       2   消防安全监控与预警系统整体架构

       2.1   物联网平台开发

       华为的 OceanConnect 物联网平台是系统的核心支撑,其与 NB-IoT 模块的通信依托 CoAP 协议进行。这一协议以 UDP 为基础,采用二进制格式进行数据传输, 小长度仅 4 字节,凭借极强的轻量化特性 [5],成为低功耗物联网场景的理想选择。因此,在 OceanConnect物联网平台上开发消防安全监控与预警系统。

       在基于 OceanConnect 平台进行系统开发时,首先,新建一个项目 ；其次,在项目中创建新的产品,并在产品界面中定义 profile 文件,即该产品所能提供的服务、产品会上传的信息类型以及该产品所需要接收的命令 ；最后,开发编解码插件,定义信息的编解码规则并进行产品的部署。对于终端设备,则在物联网平台上进行设备的创建,并将终端设备上 SIM 卡所对应的IMEI 号作为标识进行绑定。联网成功后即可实现终端设备与物联网平台之间的交互。

       2.2   消防安全监控与预警系统总体架构

       在物联网平台上设计消防安全监控与预警系统,其总体架构如图 1 所示。

       依托物联网技术,消防安全监控与预警系统的总体架构由接入传感层、物联网开放平台层、业务应用与展示层组成。在接入传感层内, LORA 网关、数据采集器、传感器和红外网关实现与外部设备连接,主要负责构建系统传输网络路径,采集消防安全监控数据等。在物联网开放平台层内,硬件开放平台负责开放 API、策略下发、数据处理传输以及对终端设备进行运维管理,为系统运行提供硬件支持。该层的软件内置不同数据处理方法,如数据预处理算法,其可以对数据图像进行清洗、降噪等处理 ；特征提取则从不同数据和图像内提取火灾特征 ；监控与预警算法负责对监控区域内火灾概率进行评估并依据评估结果进行预警 ；数据采集控制则负责控制硬件开放平台和接入传感层执行数据采集功能。业务应用展示层依据消防安全监控与预警结果,实现火灾防控、灭火救援、后勤装备、实战指挥、重大灾害事故紧急救援通信等业务应用,各层级协同,借助数据采集、传输、分析及算法应用,实现消防安全的监控与预警。

       3   系统硬件设计

       消防安全监控与预警系统的微处理器选择 STM32,通过该微处理器与不同传感器和物联网平台的 NB-IoT模块连接,实现环境消防数据采集与传输。消防安全监控与预警系统的硬件结构核心为 STM32 微处理器,该微处理器覆盖多个内核,可以满足不同场景的性能需求,且支持单周期乘法、硬件触发等指令,可以快速处理数学运算和实时信号,其片上外设集成类型较多,能够降低外部电路设计的复杂度。通过 STM32 微处理器内置的 Cortex-M3 内核,借助其内部总线、存储器以及 I/O 接口等模块,组成消防安全监控与预警系统数据处理和指令调度的基础框架。在系统的监测前端,系统将监测区域划分为危险区域和重点监控区域。针对危险区域,安装气体检测器、温湿度传感器、火焰探测器和压力传感器,通过以上设备获得当前环境中有毒气体浓度、环境温湿度变化、火焰光特征和气压数据 ；针对重点监控区域,除上述基础传感设备外,额外增设热成像仪和防爆摄像机,用来获取区域热成像图像和监控视频图像。这些分布在不同区域的传感器将采集到的各类数据传输至 STM32 微处理器进行初步处理。而 STM32微处理器通过与 NB-IoT 模块衔接,借助模块内滤波天线保障信号质量、基于 WH-NB73 实现协议适配、将SIM 卡座插入物联网卡建立网络连接,通过该网络将采集到的数据传输到系统物联网平台,为后续消防安全监控与预警提供数据基础。

       4   系统软件设计

       4.1   系统采集节点软件流程设计

       消防安全监控与预警系统借助物联网开放平台层软件应用中的数据采集控制程序,控制 STM32 微处理器向气体检测器、火焰探测器、温湿度传感器等采集环境中的消防数据,用于后续消防安全监控与预警。消防安全监控与预警系统采集流程启动后,首先,对系统硬件进行初始化处理 ；其次,连接系统网络,建立数据传输通道,判断当前网络是否存在中断请求,若存在,则对报文进行校正,再判断报文校正是否正确,若不存在,则重新建立网络连接,当报文校正不正确时,返回网络连接步骤,当报文校正正确时,则对传输的数据帧进行解析 ；最后,控制传感器终端实时采集消防监控区域温湿度、气体以及图像等数据,将上述报文数据进行校验和打包后,传输到系统的网关节点,完成消防监控区域数据采集。

       4.2   消防安全监控与预警
       依据温湿度、气体、压力数据以及火焰摄像机、热成像仪采集的数据,使用深度学习神经网络模型实现消防监控与预警,其流程如图 2 所示。

       在图 2 的消防监控与预警流程内, 先利用不同类型传感器采集环境中温湿度、气体等消防参数,通过摄像机采集区域视频画面,通过热成像仪获取区域温度分布图像, 将上述数据和图像作为 LSTM/Transformer 深度学习神经网络模型的输入。在输入之前,先对上述数据中的参数数据进行格式转换、TNP 同步、数据清洗处理,对图像数据进行帧处理和热图校准,以提升不同类型数据质量 ；然后提取参数数据的时序特征和图像特征,在对该两个特征进行融合后,将融合后的特征输入LSTM/Transformer 深度学习神经网络模型内。该模型将 LSTM 和 Transformer 相结合,对时序特征与图像特征分别映射,提取火灾特征并融合,然后对火灾风险概率进行评估和决策,输出当前消防安全监控区域火灾风险概率。当火灾风险概率小于 0.6 时,判定当前消防安全监控区域为低风险,此时系统执行日志记录、持续监控和反馈数据动作。当火灾风险概率位于 0.6~0.85 （含）之间时,判定当前消防安全监控区域为中风险,此时系统执行向监控中心信息推送、消防控制中心报警动作。当火灾风险概率大于或等于 0.85 时,判定当前消防安全监控区域为高风险,此时系统执行触发负责人紧急通知、消防设备自启动及救援信息实时上传动作。该系统通过多环节协同,构建从数据采集、处理到智能决策与分级响应的完整消防监控预警体系,助力及时、精准处置火灾隐患。

       5   结语

       本文以物联网技术作为基础,设计了消防安全监控与预警系统。该系统由接入传感层、物联网开放平台层、业务应用与展示层三层架构组成,通过该三层架构实现对火灾隐患的多维度感知和智能化分析。该系统能够打破传统消防监控系统的局限性,但在实际应用过程中,不同类型传感器和热成像仪等设备受安装环境复杂影响,其抗干扰能力存在较大差异,未来在传感器选型、安装环境等方面还需要进一步优化。

参考文献

[1] 吴健,王志鹏,谢丹,等.变电站火灾监测预警及自动灭火智慧系统设计[J].中国安全生产科学技术,2025,21(1):175-185.

[2] 门茂琛,杜雨佳,徐铭铭,等.基于剩余电流波形特征量的智能电气火灾监控研究[J].消防科学与技术,2023,42(4):549-554.

[3] 林金亮,彭侠夫.改进TDM-LoRa低功耗森林火灾监测预警系统[J].福州大学学报(自然科学版),2024,52(3):253-260.

[4] 何彬彬,陈瑞,全兴文,等.森林草原火灾遥感监测预警技术及示范应用[J].电子科技大学学报,2024,53(5):698-705.

[5] 节连彬,赵嘉兴,刘毅敏.基于特征识别的变电站消防监控图像处理方法[J].沈阳工业大学学报,2023,45(6):704-709.