近日，闽南师范大学“见微知灼”团队历时三年攻关，基于YOLOv8深度学习技术研发出多光谱图像型智能火灾探测系统，针对工业厂房、仓储物流等大空间场景传统消防设备的短板，实现了火灾防控能力的显著提升，为工业安全生产提供了新的技术解决方案。
工业大空间一直是火灾事故高发领域，据应急管理部数据，我国每年工业火灾直接经济损失超百亿元，70%以上重特大火灾源于初期火情未被及时处置。传统感烟、感温探测器存在响应时间长、受粉尘水汽等环境干扰误报率超30%、无法精准定位火点等问题，导致消防人员错过最佳灭火时机，该团队正是瞄准这一行业痛点，将深度学习计算机视觉技术与消防工程深度融合开展研发。
图1 团队走访调研学习
图2 团队商讨
该团队创造性构建“多光谱识别+秒级响应+厘米级定位+智能联动+动态自适应”五维一体技术体系，系统集成可见光、中红外与热成像双摄像头，经YOLOv8算法优化后火焰和烟雾识别率达97.9%，火情响应时间小于5秒，25米范围内火源地面坐标定位误差不超过15厘米，可打通“探测—报警—联动—处置”全链条，从报警到消防炮喷水联动延迟不超5 秒，还能根据不同工业场景动态调整检测阈值，进一步降低误报率。
图3 算法调试
图4 模型机组装及联动消防水炮调试
目前该项目已完成实验室原型开发、户外长期稳定性测试和工业现场中试，实验室1000余次不同场景火情模拟测试识别正确率稳定在97%以上，2个月户外连续运行经受住高温、高湿、暴雨等恶劣天气考验无故障报警；在泉州豪发铁艺有限公司1200平方米厂房的3个月中试中，系统共响应100次，误报仅2次、漏报0次，获企业高度认可，同时团队已与福建省宇安机电设备有限公司签订研发合作协议授权算法应用，项目还获第十七届 “挑战杯” 福建省大学生课外学术科技作品竞赛银奖等多项荣誉，申请多项专利和软件著作权，发表学术论文3篇。
图5 模拟训练
图6 中试落地安装
该项目由跨学科团队在拥有丰富消防工程实践和双创指导经验的导师团队及专家顾问支持下完成，不同专业背景的成员协同配合保障了技术实力与商业逻辑的统一。未来团队将继续深耕智能消防领域，进一步优化算法性能、拓展产品应用场景，以科技创新赋能公共安全，助力建设更高水平的平安中国。
图7 团队参赛合影
（文字：吕佳琪、吴艺斌、许育娟；图片：“见微知灼”团队）
以上内容为推广信息，所涉及内容不代表本网观点，不构成投资建议、消费建议。
