Введение

Результативность противопожарной защиты зависит не только от скорости прибытия пожарно-спасательных подразделений, но и от промежутка между возникновением очага огня и момента срабатывания сигнала о пожаре. Чем раньше система обнаруживает признаки пожара, тем больше времени остаётся для оповещения людей, безопасной эвакуации, отключения технологического оборудования и запуска систем автоматического пожаротушения.

Время реагирования системы можно представить в виде суммы:

Tреаг = Tобн + Tвер + Tперед + Tреш,

где Tобн — время обнаружения признаков пожара; Tвер — продолжительность проверки тревоги; Tперед — время передачи сообщения; Tреш — задержка до выполнения управляющего действия.

Традиционная пожарная сигнализация контролирует отдельные физические факторы: концентрацию дыма, температуру, скорость её повышения, оптическое излучение пламени или концентрацию газообразных продуктов горения. Ограничение одноканального контроля заключается в том, что один фактор не всегда позволяет одновременно обеспечить раннее обнаружение и устойчивость к ложным тревогам.

Дымовой извещатель может реагировать на пыль, пар или технологический аэрозоль. Тепловой извещатель устойчивее к таким помехам, но обычно формирует сигнал после заметного повышения температуры. Газовые датчики способны выявлять продукты термического разложения, однако отдельные летучие вещества, не связанные с пожаром, также влияют на их показания. Обзор химических сенсорных систем показывает, что совместная обработка сигналов дыма, температуры и монооксида углерода может повысить специфичность обнаружения по сравнению с одним чувствительным элементом [1].

Компьютерное зрение использует изображение и может анализировать цвет, форму, текстуру, движение, мерцание пламени и пространственное распространение дымового шлейфа. Это особенно актуально для производственных цехов, складов, ангаров, атриумов и открытых территорий, где очаг может находиться на значительном расстоянии от потолочного извещателя.

Вместе с тем видеоаналитика зависит от освещения, видимости, расположения камер и состава обучающей выборки. Дым может сливаться с паром, облаками или запылённым фоном, а пламя — с бликами, сварочными работами и сигнальными огнями. Поэтому ИИ-видеоаналитику следует рассматривать прежде всего как дополнительный канал обнаружения, интегрированный с сертифицированной системой пожарной сигнализации.

Цель исследования — оценить возможности датчиков и ИИ-видеоаналитики для сокращения времени обнаружения возгорания и предложить архитектуру их совместного применения.

Для достижения цели поставлены следующие задачи:

рассмотреть основные технологии раннего обнаружения;

сопоставить их быстродействие и устойчивость к помехам;

проанализировать результаты опубликованных экспериментов;

определить различие между временем обработки изображения и временем обнаружения события;

предложить алгоритм объединения сенсорных и визуальных данных;

сформировать методику натурного испытания гибридной системы.

Нормативная основа

СП 484.1311500.2020 определяет пожарный извещатель как техническое средство, обнаруживающее пожар посредством контроля изменений физических параметров окружающей среды. Документ предусматривает извещатель пожарный с видеоканалом обнаружения — автоматическое устройство, выявляющее возгорание посредством анализа видеоизображения в контролируемом поле зрения.

Выбор типа пожарного извещателя должен основываться на характеристиках преобладающей пожарной нагрузки и преобладающего фактора пожара на начальной стадии. Следовательно, нельзя выбирать дымовой, тепловой или видеоканальный извещатель исключительно по площади помещения: необходимо учитывать свойства материалов, высоту, вентиляцию, запылённость, температурный режим и вероятный сценарий возникновения пожара.

ГОСТ Р 53325-2012 распространяется на пожарные извещатели, приёмно-контрольные приборы, устройства управления и другие технические средства пожарной автоматики. Нормативное признание извещателей с видеоканалом не означает, что любая камера с нейросетью автоматически является элементом пожарной сигнализации. Для применения в противопожарной защите оборудование должно соответствовать обязательным требованиям, обеспечивать контроль исправности, резервирование питания, регистрацию событий и выдачу управляющих сигналов.

Материалы и методы

Работа выполнена в форме сравнительного обзора нормативных документов и опубликованных экспериментов. Рассматривались три группы решений: традиционные пожарные извещатели; системы активного отбора воздуха; интеллектуальные системы, включая мультикритериальные извещатели, сенсорные сети и видеоаналитику на основе нейронных сетей семейства YOLO.

При сравнении учитывались время от возникновения контролируемого фактора до тревоги, чувствительность, устойчивость к ложным срабатываниям, возможность локализации очага, зависимость от вентиляции, освещённости и видимости, вычислительная задержка и возможность интеграции с пожарной автоматикой. Приведённые далее результаты принадлежат авторам цитируемых публикаций и не представляются как собственный эксперимент.

Точечные дымовые извещатели

Оптический дымовой извещатель реагирует на рассеяние или ослабление света частицами дыма. Его быстродействие зависит от того, насколько быстро аэрозоль достигнет чувствительной камеры. При большой высоте, интенсивной вентиляции, стратификации дыма или сложной геометрии помещения перенос может занять значительное время.

Исследования NIST показали влияние характера горения на время срабатывания. При тлеющих пожарах фотоэлектрические извещатели в среднем реагировали раньше ионизационных: среднее время до первой тревоги составляло 1927 с. против 2489 с. Значительный разброс результатов подтверждает зависимость времени от сценария и условий переноса дыма [2].

Тепловые извещатели

Тепловые устройства реагируют на достижение заданной температуры или скорость её повышения. Они устойчивы к пыли, пару и аэрозолям, поэтому применимы в помещениях, где дымовые устройства могут часто формировать ложные сигналы. Недостаток способа — необходимость накопления энергии для повышения температуры в зоне чувствительного элемента. При медленном тлении или большой высоте тепловой сигнал может возникнуть позже дымового и газового.

Газовые и мультикритериальные извещатели

На ранней стадии термического разложения материалов могут выделяться CO и другие продукты. Для ряда пожаров химические летучие вещества возникают до плотного видимого дыма, что создаёт возможность раннего обнаружения [6]. Однако газовые датчики реагируют и на посторонние вещества, поэтому их эффективнее использовать совместно с дымовым, температурным или визуальным каналом.

В серии испытаний, рассмотренной в научном обзоре, обычные фотоэлектрические и ионизационные устройства сформировали ложные тревоги соответственно в 17 и 9 из 27 помеховых сценариев. Мультисенсорная система с каналом CO сработала только в 6 сценариях. Сочетание ионизационного и CO-канала в большинстве огневых испытаний реагировало быстрее одиночного ионизационного извещателя, за исключением сценариев с гептаном и полиуретаном.

Аспирационные извещатели

Аспирационная система принудительно отбирает воздух через сеть трубопроводов и направляет пробу в высокочувствительную измерительную камеру. Она не ожидает, пока дым самостоятельно попадёт в потолочное устройство, но быстродействие зависит от расположения отверстий, расхода воздуха, длины труб и транспортного времени.

Руководство по проектированию аспирационных систем рекомендует ограничивать транспортное время 120 с, если проектом не обосновано иное. Работоспособность подтверждается введением дыма либо тестового аэрозоля в наиболее удалённое пробоотборное отверстие.

ИИ-видеоаналитика

Видеоаналитическая система получает кадры с камеры, выполняет предварительную обработку, выделяет признаки и определяет вероятность присутствия дыма или пламени. Одностадийные нейросетевые детекторы семейства YOLO способны одновременно классифицировать объект и определять его положение в кадре.

Преимуществами являются контроль большого пространства, визуальная локализация очага, наблюдение за динамикой дыма и применение существующей сети видеонаблюдения. Ограничения связаны с освещением, загрязнением объектива, перекрытием обзора, малым размером очага и визуальным сходством дыма или пламени с безопасными объектами.

Складское испытание аспирационной системы

В опубликованном испытании аспирационная система сравнивалась с точечными дымовыми и линейными оптическими извещателями в складе длиной 43 м и шириной 12 м. В качестве источников дыма использовали 100 мл гептана, древесину и дымовые шашки. Аспирационная система в среднем формировала сигнал на 52,2 с раньше точечных извещателей. Результат показывает, что активный отбор воздуха способен сократить транспортную задержку, однако величина выигрыша зависит от геометрии, воздушных потоков и расположения отверстий.

Видеосистемы и точечные устройства

В экспериментальной программе по оценке видеодетекции сравнивались системы распознавания дыма и обычные точечные извещатели. Видеосистемы в большинстве испытаний выявляли тлеющие очаги раньше ионизационных и фотоэлектрических устройств. Выигрыш составлял приблизительно от 0,5 до более чем 10 мин, причём большая часть результатов находилась в диапазоне 1–5 мин. При небольших пламенных очагах видеосистемы часто уступали ионизационным извещателям. Следовательно, преимущество зависит от того, какой фактор возникает и становится измеримым раньше.

Эксперимент с YOLOv6

Модель YOLOv6 была испытана на наборе из 4000 изображений пожара. Авторы сообщили precision 0,83, recall 0,96 и время отклика 0,66 с в модельном сценарии. Это значение характеризует работу конкретной вычислительной системы, но не означает гарантированное обнаружение любого пожара через 0,66 с после его возникновения: камера сначала должна получить различимый визуальный признак.[3]

Показатель FPS отражает вычислительную производительность, но не полное время обнаружения. В фактическое время дополнительно входят появление дыма в поле зрения, накопление подтверждающих кадров, передача данных и выполнение логики верификации.

В исследовании 2026 года для склада размером 50 × 100 м предложена беспроводная сеть датчиков температуры, CO и дыма. Обработка включала устранение выбросов, нейросетевое объединение признаков и нечёткую логику. В натурных испытаниях время реагирования уменьшилось на 35%, а частота ложных тревог — на 42% относительно одноканального обнаружения. Результаты относятся к конкретному помещению, оборудованию и алгоритму и требуют проверки перед переносом на другой объект. [4]

Таблица 1

Сводные результаты экспериментов

Результаты позволяют предложить трёхуровневую систему. Первый уровень образуют сертифицированные пожарные извещатели: оптические дымовые, аспирационные, тепловые, газовые, извещатели пламени и мультикритериальные устройства. Набор определяется пожарной нагрузкой и условиями объекта.

Второй уровень получает изображения от камер и выполняет контроль видеопотока, коррекцию освещённости, распознавание дыма и пламени, анализ изменения объекта во времени, исключение технологических зон и подтверждение устойчивости признака на последовательности кадров. Временная проверка необходима для подавления единичных ошибок, но её продолжительность не должна устранять преимущество раннего обнаружения.

На третьем уровне объединяются данные. Логика «ИЛИ» обеспечивает высокую чувствительность, но повышает риск ложной тревоги; логика «И» уменьшает число ложных сигналов, но способна задерживать тревогу. Практичным является взвешенное решение, в котором каждому признаку присваивается коэффициент значимости.

Pпож = w1Pвидео + w2Sдым + w3SCO + w4Sтемп,

где Pпож — итоговая оценка вероятности пожара; Pвидео — вероятность по нейросетевой модели; Sдым, SCO и Sтемп — нормированные сигналы датчиков; w1…w4 — коэффициенты значимости. Порог и коэффициенты следует определять по результатам огневых и помеховых испытаний конкретного объекта.

Целесообразен двухступенчатый алгоритм: один высокочувствительный канал формирует предупреждение и запускает усиленный анализ; сочетание двух независимых признаков формирует сигнал «Пожар» и управляющее воздействие.

Методика авторского эксперимента

Для превращения обзорной работы в экспериментальную предлагается сравнить точечный дымовой извещатель, аспирационную систему, камеру с алгоритмом распознавания дыма и пламени и гибридное решение. До фактического проведения испытаний приводить результаты как собственные недопустимо.

Оборудование и безопасность

испытательная камера или специально подготовленное помещение;

сертифицированный генератор тестового аэрозоля либо стандартный тестовый очаг;

точечный и аспирационный извещатели;

камера с фиксированными разрешением и частотой кадров;

компьютер или периферийный вычислительный модуль;

датчики температуры, CO и оптической плотности дыма;

синхронизированная система регистрации;

средства тушения и ответственный специалист по безопасности.

Использование открытого горения в обычном помещении без утверждённой программы, вентиляции, пожарного поста и средств тушения недопустимо.

Сценарии и показатели

Следует выполнить серии с тлеющим материалом, небольшим пламенным очагом и безопасными помехами — паром, пылью, ярким светом или сценическим аэрозолем. Каждый сценарий желательно повторить не менее пяти раз. Регистрируются время появления первого признака, предварительного предупреждения и подтверждённой тревоги, пропуски, ложные срабатывания, задержка передачи сообщения и реакция оператора.

Среднее время обнаружения:

T̄обн = (1/n) · Σ Ti.

Абсолютное и относительное сокращение времени:

ΔT = T̄баз − T̄иссл;     RT = ((T̄баз − T̄иссл) / T̄баз) · 100%.

Кроме среднего значения необходимо указать стандартное отклонение, минимум и максимум. Без оценки разброса единичный быстрый результат может создать неверное представление о надёжности.

Пустые значения оставлены намеренно: подстановка вымышленных чисел вместо измерений сделала бы работу недостоверной.

Обсуждение

Рассмотренные работы показывают, что сокращение времени достигается различными механизмами. Аспирационные устройства уменьшают задержку переноса дыма, видеосистемы выявляют пространственные визуальные признаки, а мультисенсорные алгоритмы сопоставляют несколько физических параметров.

Наиболее перспективна не замена датчиков искусственным интеллектом, а их интеграция. Физические датчики непосредственно измеряют состояние среды, тогда как камера даёт пространственную информацию и позволяет оператору проверить событие. Главная задача — согласовать чувствительность и достоверность. Единичное превышение порога ускоряет тревогу, но увеличивает риск ложного сигнала; длительное подтверждение несколькими каналами уменьшает ошибки, но задерживает управляющее воздействие.

Необходимо различать скорость обработки кадров, вычислительную задержку и время обнаружения события. Модель, работающая со скоростью 100 кадров/с, может не обнаруживать очаг, пока дым не попал в поле зрения. И наоборот, менее производительная модель может раньше сформировать тревогу при правильном расположении камеры и настройке на слабоконтрастный дым.

Испытания должны включать не только огонь, но и характерные помехи: пыль, пар, солнечные блики, свет фар, работу погрузчиков, сварку, открывание ворот, технологические аэрозоли и горячие поверхности. Проверка только на положительных изображениях приводит к завышенной оценке качества.

Заключение

Технологии раннего обнаружения способны сократить интервал между возникновением возгорания и формированием тревоги. Выбор типа извещателя должен определяться фактором, который первым становится измеримым при наиболее вероятном сценарии пожара.

Аспирационная система в рассмотренном складском испытании реагировала в среднем на 52,2 с раньше точечных извещателей. Видеодетекция в экспериментальной программе обнаруживала большинство тлеющих очагов на 0,5–10 мин раньше обычных точечных устройств, но при небольшом пламенном горении могла уступать ионизационным извещателям.

Современные модели YOLO позволяют обрабатывать видеопоток в реальном времени, однако точность на наборе изображений и скорость в кадрах в секунду нельзя приравнивать к фактическому времени обнаружения пожара. Мультисенсорное объединение температуры, дыма и CO представляется обоснованным направлением: в опубликованном складском эксперименте время реагирования сократилось на 35%, а число ложных тревог — на 42% [5].

Предлагаемая архитектура включает сертифицированную пожарную сигнализацию, анализ видеопотока и последовательную верификацию. Первый признак формирует предварительное предупреждение, а сочетание независимых признаков — подтверждённую тревогу. Практическое внедрение требует натурных испытаний на конкретном объекте с огневыми и помеховыми сценариями и регистрацией полного времени от возникновения очага до получения сообщения ответственным лицом.