طراحی و ارزیابی عملکرد سیستم های هوشمند تشخیص و اطفاء حریق مبتنی بر هوش مصنوعی

این پژوهش به طراحی و ارزیابی جامع یک سیستم یکپارچه هوشمند تشخیص و اطفاء حریق با بهره گیری از پیشرفته ترین الگوریتم های هوش مصنوعی (AI) و یادگیری ماشین (ML) می پردازد. با توجه به محدودیت های سیستم های سنتی که اغلب با تاخیر در تشخیص، نرخ هشدارهای کاذب بالا و عدم توانایی در ارزیابی دقیق شدت و نوع حریق مواجه هستند، نیاز به توسعه راهکارهای نوین امری ضروری است. معماری پیشنهادی این سیستم، بر پایه ادغام داده های چندوجهی (Multi-modal Data Fusion) از سنسورهای متنوع (مانند دود، حرارت، گازهای اشتعال پذیر، و دوربین های حرارتی/مرئی) و استفاده از شبکه های عصبی عمیق (Deep Neural Networks) بنا شده است. به طور مشخص، شبکه های عصبی کانولوشنی (CNNs) برای تحلیل الگوهای فضایی-زمانی در تصاویر و شبکه های عصبی بازگشتی (RNNs) یا LSTM برای پردازش سری های زمانی داده های سنسورها به کار گرفته شده اند. این سیستم قادر است با دقت بالایی وقوع حریق را تشخیص داده، شدت و محل دقیق آن را شناسایی کند و سپس با استفاده از الگوریتم های تصمیم گیری مبتنی بر یادگیری تقویتی (Reinforcement Learning) یا منطق فازی (Fuzzy Logic)، به صورت خودکار و بهینه، فرآیند اطفاء حریق را مدیریت نماید. معیارهای ارزیابی عملکرد سیستم شامل دقت طبقه بندی (Classification Accuracy)، حساسیت (Sensitivity)، ویژگی (Specificity)، زمان پاسخ دهی (Response Time)، نرخ هشدارهای غلط مثبت و منفی (False Positive/Negative Rates) و اثربخشی عامل اطفاء (Fire Suppression Efficiency) است. نتایج اولیه شبیه سازی ها با استفاده از نرم افزارهایی نظیر FDS (Fire Dynamics Simulator) و پلتفرم های ML، کارایی قابل توجه سیستم پیشنهادی را در مقایسه با روش های متداول تایید نموده و پتانسیل بالای آن را در ارتقاء سطح ایمنی در محیط های مختلف، از اماکن مسکونی گرفته تا صنایع حساس، نشان می دهد. هدف اصلی این تحقیق، ارائه یک چارچوب عملیاتی و قابل اتکا برای پیاده سازی نسل جدیدی از سیستم های ایمنی حریق با قابلیت خودتنظیمی و هوشمندی بالا است.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، یادگیری عمیق ، تشخیص حریق ، سیستم اطفاء حریق ، شبکه های عصبی کانولوشنی (CNN) ، شبکه های عصبی بازگشتی (RNN/LSTM) ، اینترنت اشیاء (IoT) ، سنسورهای حریق ، ادغام داده ها ، یادگیری تقویتی ، منطق فازی ، ایمنی حریق ، شبیه سازی دینامیک حریق