[发明专利]火灾识别网络模型的训练方法、火灾识别方法及相关设备

说明书

本申请提供了一种火灾识别网络模型的训练方法、火灾识别方法及相关设备。该网络模型训练方法包括：利用训练样本训练对抗网络模型；以对抗网络模型作为教师网络，利用知识蒸馏技术，训练得到作为学徒网络的嵌入网络模型，以嵌入网络模型作为火灾识别网络模型。本申请提高了防误报的能力。

技术领域

本申请涉及感烟火灾探测器技术领域，特别是涉及一种火灾识别网络模型的训练方法、火灾识别方法及相关设备。

背景技术

感烟火灾探测器主要由光电发射管、光电接收管、光学迷宫以及相应的电路和结构件组成。在正常情况下，由于光学迷宫的存在，光电发射管发出的光学信号无法被光电接收管所接收；当火灾产生的烟雾、气溶胶等进入光学迷宫后，会造成光线散射，从而使光电接收管接收到一个信号，在一定范围内，光电接收管所接收信号的强度与光学迷宫内的烟雾、气溶胶浓度正相关。由此可知感烟火灾探测器根据探测的烟雾、气溶胶浓度，推断当前是否处于火灾状态。

在实际使用过程中，灰尘、水汽、冷热冲击等场景下探测的烟雾、气溶胶浓度也有可能改变光学迷宫中散射现象的强度，从而造成火灾探测器误报的情况。

发明内容

本申请提供了一种火灾识别网络模型的训练方法、火灾识别方法及相关设备，主要解决的技术问题是如何避免火灾探测器误报的情况。

为解决上述技术问题，本申请提供了一种火灾识别网络模型的训练方法，所述方法包括：

利用训练样本训练对抗网络模型；

以所述对抗网络模型作为教师网络，利用知识蒸馏技术，训练得到作为学徒网络的嵌入网络模型，所述嵌入网络模型作为所述火灾识别网络模型；

其中，所述对抗网络模型包括生成器和判别器；所述利用训练样本训练对抗网络模型，包括：

将样本类别和随机信号输入生成器，所述生成器输出随机生成的伪样本；

将所述伪样本和同一样本类别的所述训练样本输入所述判别器，所述判别器输出类别结果以及真假结果；

其中，所述样本类别包括火灾和非火灾，所述训练样本包括火灾训练样本和非火灾训练样本；所述生成器以真伪距离最小化以及类别损失最小化为目标，所述判别器以真伪距离最大化以及类别损失最小化为目标；所述真伪距离表示所述伪样本和所述训练样本的相似程度，所述类别损失表示所述类别结果和所述样本类别的相似程度。

根据本申请提供的一实施方式，所述以所述对抗网络模型作为教师网络，利用知识蒸馏技术，训练得到作为学徒网络的嵌入网络模型，包括：

将训练样本输入所述教师网络和所述学徒网络，分别输出第一样本识别结果和第二样本识别结果；

计算所述教师网络输出的第一样本识别结果以及所对应分类二进制结果的第一交叉熵损失；

计算所述学徒网络输出的第二样本识别结果以及所述第一样本识别结果的第二交叉熵损失；

以所述第一交叉熵损失和所述第二交叉熵损失之和变小为目标训练得到所述学徒网络。

根据本申请提供的一实施方式，所述以所述对抗网络模型作为教师网络，之前包括：

对所述对抗网络模型进行高斯噪音处理；

将处理后的对抗网络模型作为所述教师网络。

根据本申请提供的一实施方式，所述嵌入网络模型为一维卷积神经网络，所述一维卷积神经网络包括至少两个卷积层和一个池化层，所述卷积层用于将训练样本卷积为多通道的特征向量和/或将多通道的特征向量卷积为单通道的特征向量，所述池化层用于将所述单通道的特征向量池化为火灾概率。

根据本申请提供的一实施方式，所述方法包括：