本室长期致力于解决火安全问题。近期，本室设计了一种由机器学习算法辅助的早期火灾探测系统，不仅可快速准确识别明火和高温 (1 s内识别明火、4 s内实现130 °C低速热流），还能准确解析出火情产生原因。具体来说， FPS系统由近红外光发射模块（NTM）、由VO2/PDMS构成的温度火焰光开关（TOS）和近红外光接收模块（NRM）构成。NTM可发射基础的近红外光信号，并经TOS进行反射被NTR接收到，当外部有异常温度或明火时，这些信号会被TOS膜调制并和基础信号耦合，再被NRM接收，再由机器学习模型解调信号后，快速准确识别出外部异常温度/明火。该研究以题为“Bioinspired Machine-Learning-Assisted Early-Fire Perception System Based on VO2 Optical Switch”的论文发表在《Advanced Functional Materials》上，第一作者为本室博士研究生宋玄，通讯作者为付腾特聘研究员和王玉忠教授。
【研究背景】
火灾是威胁工业生产和公众安全的主要灾害之一，随着现代科技的爆发式发展和全球环境变化，人类也在面临更加严苛的火灾风险（如飞行器火灾、新能源火灾、电力火灾、森林火灾或建筑火灾等），迫切需要更先进的阻燃防火技术和更精准的火灾探测技术，防火于未燃，把火灾危害降至最低。
【主要内容】
受以大脑为中心的火灾感知过程的启发，提出了一种机器学习辅助的早期火灾感知系统（FPS）。首先将VO2/PDMS分散液均匀涂覆在高透明的石英衬底上，热固化后制备得到具有高透明性和温敏反射调制特性的TOS；并设计由TOS、NTM和NRM组件构成的原型器件，研究了FPS对火焰、异常温度和耦合信号的快速响应性能；在FPS对不同信号的差异化响应曲线的基础上，提出一种基于长短期记忆的机器学习辅助解调方法，实现了对高温预警，明火预警和耦合信号预警的准确判定（准确率95.7%）；进一步研制出火灾探测器件（图2），应用于全尺寸火灾实验（点火后15 s内即可响应，状态识别准确率达86.9%）和无人机高空动态火情监控（点火后1 s内即可响应，状态识别准确率达98.4%），均表现出优异的火灾响应与状态识别性能。
图1 FPS设计创制原理
图2 FPS探测器件及其在全尺寸火灾实验中的应用验证
图3 火灾探测器件性能比较
原文链接：https://onlinelibrary.wiley.com/doi/10.1002/adfm.202210251
