基于散射光谱的火灾烟雾与干扰源辨识方法OA

传统的光电感烟探测器获取的散射信息维度低,在复杂环境中易受干扰源影响,导致误报率高、识别准确率低。该研究通过分析不同波长、不同角度的散射光谱特征,提出了一种火灾烟雾与干扰源的辨识方法。具体而言,采用LED光源与光谱传感芯片,在40°~85°范围内以5°为间隔,选取10个散射角进行测量,并于每个散射角下同步采集415~680 nm波长范围内8个离散通道的散射光谱信号。实验对象为5种标准火和5种典型干扰源,并通过5种非标准火验证了方法的有效性。基于随机森林、 XGBoost等5种机器学习算法构建火灾烟雾与干扰源辨识模型。结果表明,在封闭腔体实验环境和特定样本库条件下,50°散射角为最佳探测角度:XGBoost模型对5类标准火与干扰源的辨识准确率达100%, KNN模型对5类非标准火与干扰源的辨识准确率达97.2%且召回率大于95%。因此,该散射光谱识别方法能够显著抑制误报问题。