BULETINUL POMPIERILOR - IGSU

varianta detectoarele clasice de incendiu. Este bine cunoscut faptul că pot apare turbulenţe ale flăcării atuncicând avem o imaginea cu o frecvenţă de aproximativ 10Hz.Prin urmare, sistemele de detecţie a incendiilor pot fi făcute mai robuste, ţinând cont de acest lucru, prindetectarea frecvenţelor mai înalte din flacără colorată, deplasând pixelii în comparaţie cu sistemele existente dedetectare a incendiilor clasice. În practică, imaginea unei flăcări va avea o frecvenţă care poate fi bineaproximată ca fiind constantă şi, pe o perioadă destul de lungă de timp, nu se modifică. De fapt, variaţiile înflacără ale pixelilor poate fi considerată ca un evenimente aleator. Prin urmare, procesului de modelarea aflăcării, bazat pe Markov, este mai robust în comparaţie cu celelalte sisteme. În cazul în care conturul unuiobiect variază rapid în timp, acest comportament este un factor important, fiind un semn de prezenţă a flăcăriiîn spaţiul de protejat.O altă metodă de identificare a flăcării în cazul supravegherii video are la bază culoarea, sistemul sebazează pe detectarea unui incendiu determinând apariţia acestor regiuni colorate. Dacă aceste regiuni coloratese mută, acestea sunt marcate ca fiind posibile regiuni de foc monitorizate, chiar şi către un aparat defotografiat.În supravegherea video, apariţia unui obiect, în care contururile au crominanţe sau luminozităţi care semodifică repede în timp devin similare cu comportarea flăcării apărute ca urmare a izbucnirii unui incendiu.Modelele Markov sunt modele folosite extensiv în sistemele de recunoaştere şi de curând au fostutilizate şi în aplicaţii de Computer Vision. Forma regiunii de foc este foarte bine reprezentată cu ajutorultransformatei Fourier, deoarece, transformata Fourier nu transportă în orice moment informaţii, acestea fiindcalculate în ferestrele de date, ferestre de dimensiune temporală şi care sunt foarte importante pentru detectareaincendiului.Dacă este prea lungă atunci nu se vor poate obţine prea multe vârfuri în domeniul Fourier, iar dacă esteprea scurtă se poate ca aceste vârfuri să nu fie deloc observate. O altă problemă este că nu se poate detecta ooarecare periodicitate într-o dezvoltare rapidă a unui incendii, deoarece limita de foc din regiunea monitorizatăcreşte pur şi simplu în înregistrarea video. Modelul de culoare pentru determinarea focului şi a flăcării esteutilizat pentru definirea pixelilor din flacără. S-a constatat că în ciuda unei mari diversităţi ale tipurilor deincendii, şi a modelelor de flacără, în special în primele etape ale izbucnirii unui incendiu, în flacără apare ogamă largă de culori de la galben, roşu. În ceea ce priveşte valorile RGB, acest lucru implică apariţia unorrelaţii între R, G şi B, canalele de culoare: R> G şi G> B combinate în condiţiile apariţiei unui incendiu înregiunea de imagine este capturat predominant R> G>B, lucru care scoate în evidenţă faptul că începe săpredomine componenta R, deoarece devine predominantă într-un canal de culoare RGB a imaginii unei flăcări.Mai apare şi o altă condiţie pentru ca R să fie peste un predeterminat Rt, cu toate acestea, în condiţii deiluminare de fundal se poate afecta saturaţia de valori a flăcării rezultate, similare în R, G şi B, iar valorile depixeli pot provoca nonflame, trebuie să fie considerate ca flacără colorată. Prin urmare, saturaţia de valori depixeli în cauză ar trebui să fie, de asemenea, peste pragul de valoare St. Toate aceste condiţii pot fi rezumate înurmătoarele compozite condiţii:R>Rt R>G>B S>(255-R)*St/St/RtDacă cel puţin două din cele trei condiţii sunt îndeplinite de un pixel, va fi considerat un pixel carecaracterizează un incendiu, care apoi este considerat ca un foc de pixeli coloraţi. După cum se ştie, saturaţia vadescreşte cu creşterea valorii R. Aceasta este formulată (255-R)*St/Rt. În cazul incendiului, ambele valori aleRt şi St sunt definite în funcţie de diverse rezultate experimentale, valorile tipice ale lor variază de la 40 la 60 şi170 la 190.Machine VisionMachine Vision (MV Systems) este aplicarea elementelor de computer vision în domeniul de fabricaţiedin cadrul industriei. Întrucât, computer vision este axat în principal pe maşina pe bază de prelucrare deimagine, Machine Vision necesită echipamente digitale de intrare/ieşire şi o serie de dispozitive, reţele decalculatoare pentru a controla alte echipamente de fabricaţie. Machine Vision este un subdomeniu foarte lamodă al ingineriei, care cuprinde ştiinţa calculatoarelor, optică, inginerie mecanică, aplicaţii industriale şi deautomatizare. Una dintre cele mai întâlnite aplicaţii de Machine Vision este aceea de inspecţie a mărfurilorfabricate, cum ar fi cipurile semiconductoare, automobile, produse alimentare şi farmaceutice. La fel cum existăoameni inspectori de calitate la liniile de montaj, care inspectează vizual părţi ale produselor şi pot trageconcluzii legate de calitatea acestora, la fel şi sistemele care utilizează Machine Vision, aparate foto digitale,camere inteligente şi de prelucrare a imaginii, pe baza unui software aferent se utilizează tot mai des pentruefectuarea unor inspecţii similare.134