1.一种火灾烟雾识别方法,其特征在于,包括:
获取通过呈预设角度配置在烟雾识别器上的散射光接收器组件采集到的散射光数据,其中,散射光数据包括多路散射光信号,具体的,呈预设角度配置在所述烟雾识别器上的散射光接收器组件采集到周围环境的多路光源波长信号以及多路散射光接收角度信号,将采集到的每一个所述多路散射光接收角度信号与每一个所述多路光源波长信号两两组合,相应生成多组探测光路,其中,所述探测光路即为所述散射光信号;
对所述散射光数据进行处理,生成多个散射光强比信号,具体为:获取所述散射光数据中的一路散射光信号,并定义该路散射光信号为基准信号;
生成基准信号与其他路的多个散射光信号的比值,定义为散射光强比信号;
调用训练好的火灾烟雾识别模型对所述散射光强比信号进行处理,以生成感知结果,其中,所述火灾烟雾识别模型配置有多个输入节点,以及三个输出节点,具体为:获取多个所述散射光强比信号,并将所述散射光强比信号作为多层感知器模型的输入参数输入至所述多层感知器模型;
获取所述多层感知器模型的输出结果,并根据所述输出结果判断是否为火灾烟雾;
在判断到所述散射光强比信号属于火灾烟雾时,继续判断所述输出结果是否属于白烟;
若是,在判断到散射信号强度达到预设报警阈值,产生报警信号;
若否,降低预设报警阈值,并在判断到散射信号强度达到降低后的预设报警阈值,产生报警信号;
根据所述感知结果,输出报警信号;
在所述散射光数据进行处理,生成多个散射光强比信号之后,还包括:建立一个多层感知器模型,并设置所述多层感知器模型的隐藏层的层数,以及每层节点的数量;
调用群智能优化算法,以及散射光强比信号数据集对所述多层感知器模型进行迭代优化;
在判断所述多层感知器模型的解满足预设条件时,生成火灾烟雾识别模型,具体为:获取所述多层感知器模型的连接权重和节点偏置参数;
根据所述连接权重和节点偏置参数获取与散射光强比信号数据集对应的实际输出值;
获取期望值与实际输出值均方误差平均值;
重复以上步骤预设次数,直至获取的均方误差平均值最小,生成最小均方误差平均值对应的连接权重和节点偏置参数的火灾烟雾识别模型。
2.一种火灾烟雾识别装置,其特征在于,包括:
散射光数据获取单元,用于获取通过呈预设角度配置在烟雾识别器上的散射光接收器组件采集到的散射光数据,其中,散射光数据包括多路散射光信号以及多路光源波长信号,具体的,呈预设角度配置在所述烟雾识别器上的散射光接收器组件采集到周围环境的多路光源波长信号以及多路散射光接收角度信号,将采集到的每一个所述多路散射光接收角度信号与每一个所述多路光源波长信号两两组合,相应生成多组探测光路,其中,所述探测光路即为所述散射光信号;
散射光数据处理单元,用于对所述散射光数据进行处理,生成多个散射光强比信号,具体为:获取所述散射光数据中的一路散射光信号,并定义该路散射光信号为基准信号;
生成基准信号与其他路的多个散射光信号的比值,定义为散射光强比信号;
烟雾识别处理单元,用于调用训练好的火灾烟雾识别模型对所述散射光强比信号进行处理,以生成感知结果,其中,所述火灾烟雾识别模型配置有多个输入节点,以及三个输出节点,具体为:获取多个所述散射光强比信号,并将所述散射光强比信号作为多层感知器模型的输入参数输入至所述多层感知器模型;
获取所述多层感知器模型的输出结果,并根据所述输出结果判断是否为火灾烟雾;
在判断到所述散射光强比信号属于火灾烟雾时,继续判断所述输出结果是否属于白烟;
若是,在判断到散射信号强度达到预设报警阈值,产生报警信号;
若否,降低预设报警阈值,并在判断到散射信号强度达到降低后的预设报警阈值,产生报警信号;
报警单元,用于根据所述感知结果,输出报警信号;
在所述散射光数据进行处理,生成多个散射光强比信号之后,还包括:建立一个多层感知器模型,并设置所述多层感知器模型的隐藏层的层数,以及每层节点的数量;
调用群智能优化算法,以及散射光强比信号数据集对所述多层感知器模型进行迭代优化;
在判断所述多层感知器模型的解满足预设条件时,生成火灾烟雾识别模型,具体为:获取所述多层感知器模型的连接权重和节点偏置参数;
根据所述连接权重和节点偏置参数获取与散射光强比信号数据集对应的实际输出值;
获取期望值与实际输出值均方误差平均值;
重复以上步骤预设次数,直至获取的均方误差平均值最小,生成最小均方误差平均值对应的连接权重和节点偏置参数的火灾烟雾识别模型。
3.一种火灾烟雾识别器,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1所述的一种火灾烟雾识别方法。
4.一种可读存储介质,其特征在于,存储有计算机程序,所述计算机程序能够被该存储介质所在设备的处理器执行,以实现如权利要求1所述的一种火灾烟雾识别方法。