买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉陕西卫仕厨房灭火设备有限公司申请的专利一种厨房初始火灾类型的智能识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120808094B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511319884.1，技术领域涉及：G06V10/80；该发明授权一种厨房初始火灾类型的智能识别方法及系统是由李红梅;王晨皓设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本一种厨房初始火灾类型的智能识别方法及系统在说明书摘要公布了：本发明公开了一种厨房初始火灾类型的智能识别方法和系统，该方法包括：获取厨房内的多模态环境数据；多模态环境数据包括可见光图像数据、红外热成像数据和气体浓度数据；对多模态环境数据分别进行预处理；对预处理后的多模态环境数据进行火灾特征提取，得到各多模态初始火灾特征；多模态初始火灾特征包括可见光图像特征、红外热成像特征和气体浓度特征；将多模态初始火灾特征输入多模态特征融合的深度学习模型，输出厨房初始火灾类型的判定结果。本发明的厨房初始火灾类型的智能识别方法和系统，能够在厨房复杂环境下快速、精准地识别出厨房初始火灾的类型，为后续采取有针对性的灭火措施提供依据。

本发明授权一种厨房初始火灾类型的智能识别方法及系统在权利要求书中公布了：1.一种厨房初始火灾类型的智能识别方法，其特征在于，包括步骤： 获取厨房内的多模态环境数据；所述多模态环境数据包括可见光图像数据、红外热成像数据和气体浓度数据； 对所述多模态环境数据分别进行预处理； 对预处理后的多模态环境数据进行火灾特征提取，得到各多模态初始火灾特征；所述多模态初始火灾特征包括可见光图像特征、红外热成像特征和气体浓度特征； 将所述多模态初始火灾特征输入多模态特征融合的深度学习模型，输出厨房初始火灾类型的判定结果； 其中，在对所述多模态环境数据进行预处理步骤中，对可见光数据进行预处理的方法，包括： 对所述可见光图像数据进行中值滤波处理，以消除可见光图像数据中的椒盐噪声； 对消除椒盐噪声后的可见光图像数据进行自适应直方图均衡化处理，以增强火焰与背景的对比度； 将增强对比度后的可见光图像数据由RGB色彩空间转换至HSV色彩空间，以解耦颜色与亮度信息； 对所述HSV色彩空间各通道进行分量子频带降噪处理； 对降噪处理后的HSV色彩空间进行动态阈值分割，分割出火焰区域； 其中，将所述多模态初始火灾特征输入多模态特征融合的深度学习模型，输出厨房初始火灾类型的判定结果，具体方法包括： 可见光图像特征投影表示为： ； 其中，Fvis为输入的可见光图像特征向量；Wvis为可见光权重矩阵；C为输入特征的通道数；D为投影后的目标特征维度；bvis为可见光偏置向量；F’vis为投影后的可见光图像特征； 红外热成像特征投影表示为： ； 其中，GlobalAvgPool3D为三维全局平均池化操作；Wir为红外热成像权重矩阵；bir为红外热成像偏置向量；Fir为红外热成像特征张量；F’ir为投影后的红外热成像特征； 气体浓度特征投影表示为： ； 其中，Wgas为线性变换的权重参数；GlobalAvgPool1DFgas表示对气体浓度特征Fgas进行一维全局平均池化后的结果；bgas表示气体浓度的偏置参数；F’gas为投影后的气体浓度特征； 通过多层感知机生成门控权重g： ; 其中，σ为sigmoid激活函数，g∈[0,1]3；Wg为权重矩阵；bg为偏置项；[⋅;⋅]表示拼接; 将静态特征与动态特征按门控权重加权求和，得到融合特征Ffusion： ； 其中，为投影后的可见光图像特征F’vis的权重，为投影后的红外热成像特征F’ir的权重，为投影后的气体浓度特征F’gas的权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人陕西卫仕厨房灭火设备有限公司，其通讯地址为：710086 陕西省西安市沣东新城沣东大道西安中兴深蓝科技产业园3号楼5层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。