0 引　言

在现代海战中，随着舰船大型化以及不沉性设计技术的持续进步，导弹直接将舰船击沉已经越来越困难，造成船舶沉没的主要原因更多的归因于一次毁伤后的次生灾害。而在所有次生灾害中，火灾越来越成为威胁舰船生命力的首要因素，据统计二战后有85%左右的舰船被导弹命中产生大火毁伤^[1]。除了战时武器命中导致的火灾，舰船平时训练、停泊、维修期间各类事故也经常诱发大火，威胁着舰船和舰员的安全。因此做好舰船的火灾防控工作是提高舰船生命力的重要保证。

对于船舶火灾来讲，其与一般建筑的火灾存在一定的差异。船舶火灾的发生率高，火灾载荷较大，且散热困难，因此火灾一旦发展开来，往往很难扑救，造成极严重的后果^[2]。因此对于船舶火灾，特别是舰船火灾提倡“早期探测，快速灭火”，在火灾发生时尽早探测报警，并实施有效灭火，确保人员和舰艇的安全。船舶的火灾探测技术经过长时间的发展逐步演化出了几种主流的探测方式，包括感温探测、感烟探测等^[3]。但该类探测普遍存在响应时间较长，在受到空间高度、空气流速、温度和湿度等外界因素的干扰下易引起频繁误报或漏报的现象，因此难以对早期火灾做出准确预警。随着计算机视觉技术的发展，火灾探测也正朝着图像化、智能化的方向转变，近年来基于图像识别的火灾探测技术在不同领域的应用越来越多^{[4 – 6]}。基于视频图像的火灾探测系统具有智能化程度高、探测范围广、响应灵敏度高、抗干扰和适应性强等优点，代表了目前火灾探测技术的较高水平。因此本文对图像识别火灾探测技术的基本原理及技术发展现状进行综述，并对火灾图像探测技术在舰船的适用性进行分析。

1 火灾图像探测技术基本原理

一个火灾图像的识别可以分为5个步骤，其完整流程如图1所示。第1步是图像信息的获取，火灾图像通过探测器记录下来，并通过光电扫描将图像信号转变为电信号，以便后续处理；第2步是对获取的图像进行预处理，即使用一些相关技术手段来改善图像的质量；第3步是对图像进行图像分割，即把目标图像从背景中分割出来；第4步是图像的特征提取，主要根据相应的判据对火灾火焰特征进行准确的辨识；第5步是进行火焰识别，通过建立火灾图像识别算法模型，将火灾特征作为模型的输入信息从而分析判断有无火灾发生^[7]。

其中对图像的数字处理是整个流程的核心，是能否通过图像准确探测火灾的关键所在。数字图像处理主要包括流程中的图像预处理、火灾特征的提取以及火灾图像识别3个部分。其中对火灾图像的预处理常采用的方法包括图像的增强、滤波和细化等^[8]。火灾图像特征提取中常采用的火灾识别判据有火焰面积变化、火焰形态变化、火焰圆形度、火焰相对稳定性、火焰尖角特性、火焰相似度等^[9]。火灾图像识别则采用基于规则或统计的智能学习算法，主要方法有概率与统计方法、贝叶斯估计法、支持向量机、模糊逻辑法以及人工神经网络方法等。

2 火灾图像探测技术发展现状

区别于其他的火灾探测技术，火灾图像探测更关心火灾在图像上的表征。火灾图像是一种包含对象强度、形体、位置等信息的信号，能够明显区别于其他的物理量，因此火灾探测的准确性相比传统的火灾探测器更高。国内外对图像识别技术进行大量研究，并推出了相应的产品，这里将主要就视频火灾探测技术和图像型火灾探测产品2个方面介绍国内外火灾图像探测技术的发展现状。

2.1 火灾图像探测技术研究现状

火灾图像探测技术根据探测对象及识别算法的不同，通常可分为图像火焰探测技术和图像烟雾探测技术。其中，图像型火焰探测技术是指采用视频图像来分析燃烧过程中产生的火焰，从而进行火灾探测报警。在理论研究方面，Noda等^[10]利用隧道已有的黑白电视监控系统在灰度图像上实现火灾图像检测；Liu ^[11]提出一种火焰区域的光谱、时间和空间模型，通过自回归模型来描述火焰轮廓的变化情况，从而得到火焰的识别判据；One等^[12]利用红色分量图的差影图对火焰可疑区域进行提取，并使用神经网络的方法对火焰特征量进行识别。吴龙标等^[13]则釆用火焰尖角数量随时间的变化对火焰进行了判定。

图像型烟雾火灾探测则是采用视频图像方式分析燃烧或热解过程中产生的烟雾，从而实现火灾探测。火灾烟雾在色彩、亮度等图像特征上相对于火焰往往更不明显，因此烟雾图像特征的提取在技术上难度更大。近年来，随着模式识别和图像处理等技术的不断发展，使用烟雾视频进行探测逐渐变为可能。Chen^[14]通过在RGB颜色空间中建立相应的烟雾颜色分布模型对火灾烟雾进行了识别。Guillemant等^[15]对森林火灾烟雾探测的计算方法进行研究，算法通过多维时空聚类成功分析了森林火灾场景和干扰源图像颜色分布的差异。

2.2 火灾图像探测系统发展现状

对国内外典型的火灾视频探测系统的调研发现，目前主要的产品有^{[16 – 17]}：科大立安公司开发的双波段火灾探测器、北京智安邦科技有限公司开发的VSFD系统、美国SigniFire系统以及美国MicroPack公司的FDS系统。

1）科大立安LIAN-DC系统

LIAN-DC视频火焰探测系统采用双波段图像火灾探测器，探测器由红外CCD 和彩色CCD 共同组成，识别对象主要为拍摄画面内火焰信息，适用于大空间和其他特殊空间场所，且该系统抗振动性能良好，在–10℃~55℃的温度范围内均能正常使用。

LIAN-DC系统结构如图2所示，该系统首先通过红外CCD的热成像原理采集火焰的辐射信息，然后根据火灾面积的判据对火焰进行识别，并利用FFT（傅里叶变换）提取图像帧序列中火焰面积变化的频率，从而利用火焰相似度计算确认火情信息。另外，该套系统通过以太网与前端的火灾探测器、自动消防炮等设备进行连接，组成一个核心管理系统，可完成对探测器的管理、配置、报警显示、日志记录查询、打印和消防联动功能，实现了对火情的智能分析、分布式探测和集中式管理。

2）北京智安邦VSFD系统

VFSD（Video Fire& Smoke Detection）智能视频烟火探测系统，由视频火灾探测器（包括摄像机、VFSD智能视频烟火识别处理器）、控制室监控管理平台等组成^[17]。在火灾探测时，摄像机首先采集火灾视频信号并将其传送到识别处理器中，处理器应用火灾智能识别算法对视频图像内的火焰和烟雾进行识别，最终产生火灾报警并传输到火灾监控管理平台。

该系统优势在于采用了独立的图像型火灾信息处理器，可以独立采集、分析摄像机传出的视频信号并对视频信号中的图像信息进行识别，最终输出控制和报警信号。另外，VFSD采用DSP数字处理技术，具有强大的信息吞吐及处理能力，可实现视频信号的在线实时处理（Real-Time），大大提高了系统的可靠性和扩展性。

3）美国SigniFire系统

SigniFire系统是一款美国开发的图像型火灾探测系统，其在车场码头、商超馆园都有应用，是目前最先进，效率最高的图像型探测系统。该公司开发了基于DSP数字处理技术和工业以太网通信方式的独立式图像型火灾探测器即SigniFire IP系统，如图3所示。该系统采用SigniFire IP视频烟雾探测摄像机，具有高分辨率和画面清晰度。另外该系统还能同时识别火焰和烟雾信息，可检测信号包括：1）摄像机视野内存在的火焰；2）火焰被阻挡时反射的火光；3）羽化的烟云和环境烟雾。其中对于火焰的识别算法更是融合了火焰的频闪信息和色区信息，实现了对高温燃烧区和焰角（焰冠）的边缘识别。

在管理终端，火灾视频通过SPYDERGUARD监控软件进行分析，该软件旨在通过企业范围的网络或Internet无缝访问多个图像探测服务器，实时提供各位置的报警信息，从而及时对火情进行处理。另外，该软件提供搜索和回放功能，以便对酿成火灾的事件进行事故分析。

4）美国MicroPack公司的FDS系统

美国MicroPack公司的FDS系列探测器也是一款基于DSP数字处理器的图像型火焰探测器（见图4），其算法可以有效地识别真实火焰和发热体、高温CO₂气体辐射以及闪烁发光体之间的区别。并且该系统配备的视觉火焰探测器具有水平120°和垂直80°的视野，可提供现有探测器中最大的覆盖范围，从而降低维护和安装成本。更为重要的是，该探测器是目前少数采用防爆设计的图像型火焰探测器，并通过了我国的GB3836-1.2000和GB3836-2.2000的防爆认证，其产品在中国石化等企业已有成功应用。美国MicroPack公司的FDS系统不仅检测视野范围广，响应时间短，且结合防爆型设计，适用范围广，是目前工业领域一款较为优秀的火灾图像识别系统。

3 火灾图像探测技术舰船适用性分析 3.1 舰船典型火灾适用性分析 3.1.1 船舶油类火灾

与陆上建筑中的可燃物不同，船舶舱室尤其机舱常常装载大量的液态燃油，发生的火灾多以油池火和喷射火为主，并且船舶机舱为局部受限空间，火灾的发展势必与陆地建筑物火灾有所不同。因此分析图像型火灾探测器能否准确识别船舶受限空间油类火灾早期特征是论证其适用性的关键。研究表明封闭空间船舶封闭舱室油类火灾的火灾初期表现与普通油类火灾的初期特性基本相同，火羽流形状明显，并随着火灾的发展呈现周期性的脉动^[18]。但是值得注意的是，虽然油类火灾火羽流特征明显，但是船舶机舱中油管布置错综复杂，油品泄漏位置往往极其隐蔽，因此在火灾发生早期难以发现。为了避免火情的漏报，建议采用多功能型图像火灾探测器，从感焰和感烟多个角度识别火情，保证火灾探测的准确性。

3.1.2 船舶电气火灾

电气火灾也是船舶上较为常见的一种火灾类型。电缆的局部过热或全线过热造成温度的上升，当温度达到一定值时，就会引燃电缆绝缘层、外护套及现场的其他可燃物，从而引发电气火灾^[19]。电气火灾中电缆燃烧时会产生一定的烟尘，由于烟对光的吸收和散射作用，使得仅有一部分光可以透过烟气，从而降低火场的能见度。烟气的遮光性给火场中的图像识别造成了很大的困难，因此仅采用感焰式的火灾探测器显然存在不足，此时感烟式的火灾探测器反而具有较大的探测优势。

3.2 舰船运行环境适应性分析 3.2.1 海洋环境影响

对于舰船来说，船舶长时间在海上航行。舰船上的设备会受到海洋大气、海水飞沫、雨雪以及凝结水的侵蚀，设备在这种环境下长时间运行对设备的可靠性带来了极大的挑战。另外，海上环境湿度较大，盐雾浓度相对较高，再加上每逢夏季高温，便形成了海上特有的“三高”环境（高温、高湿、高盐）。设备长时间暴露在高浓度盐雾下是金属材料腐蚀生锈和非金属材料因霉菌的侵蚀而变质的重要原因，同时配合上夏季海上高温的环境，加剧了以上危害的恶化。环境对舰船设备的腐蚀直接影响到设备的可靠性和使用寿命，因此在设计舰用图像型火灾探测器外壳时，要充分考虑到海洋环境的适应性，选择耐腐蚀的外壳材质并且采用锌合金电镀层等具有优良耐腐蚀性能的保护方法。

3.2.2 舱室环境影响

舰船内舱室功能多样，许多舱室中都存在有一处或者多处热源。特别是机舱中主辅机的排气管、锅炉等壁面温度相对较高，部分设备周围的温度可达100℃以上。火灾探测器要在如此高温的环境中可靠运行，对探测器的环境适应性提出了很高的要求。因此在局部温度升高时采取及时有效的隔热降温措施是避免设备损坏的有效途径，通常可在图像探测器内中安装半导体冷却器对探测器自身实施及时有效的冷却。

电子设备在振动环境下，由于振动的疲劳性及共振现象，可能出现电性能下降，零部件失效，疲劳损伤甚至破坏的现象。因此振动噪声是影响图像型火灾探测器产品舰船适用性的关键因素。一般情况下船舶的主要振动是螺旋桨产生的低频周期振动，为了避免共振现象，探测器的固有频率应避开振动激励的频率，并且在设备结构优化设计、提高设备的抗振动性能上做出相应的改进。同时在火灾识别算法上，应该设计相应的抗误报算法，避免因船舶振动引起日光灯、窗户、甲板反光等引起的误报现象。

4 结　语

火灾图像探测技术作为一种基于火灾图像的探测方法，为早期火灾的辨识和判断提供了可能，在舰船火灾防控上具有巨大的应用价值和良好的前景。但对于将该技术运用于舰船环境，还有许多方面的问题值得改进。首先船舶典型火灾发生规律不同于普通建筑火灾，火灾图像识别算法应根据船舶火灾的特点进行相应的修改，重点关注舰船油池火和电缆火在有遮挡情况下的早期识别。然后对于舰船这一特定的环境，图像火灾探测器应重点提高其耐腐蚀、耐高温、抗振动的能力，避免因为船舶的恶劣环境而造成的探测器可靠性降低、寿命缩短等问题。