关键词:
大型化工仓库监测系统
YOLOv2模型
LSTM神经网络
NB-IoT
明火检测
数据预测
数据曲线库
摘要:
由于现代大型化工品仓库空间庞大与化工品易燃易爆易交叉反应的特殊化学性质,仓库内环境的各项参数均须严格把控,本文以此为出发点,设计了一种基于长短期时间记忆神经网络(Long Short Term Memory)的多源数据预测的大型化工仓库监测系统.系统采用K210运行YOLOv2模型,检测仓库明火,并将视频流传输至远端监控平台,多源传感器采集仓库主要环境参数,搭建NB-IoT蜂窝网络实时传输数据至远端监测平台并绘制各节点数据曲线库,利用LSTM模型预测环境参数.最终测试结果YOLOv2识别准确率达0.711,LSTM的RMSE为0.091287,表明系统可以准确地识别化工仓库明火,预测多种数据,达到动态监测和提前警示仓库人员的作用.