Моделирование безопасного проведения процесса сжигания абгазов с использованием нейронных сетей
Ю.Ф. Коваленко, Е.А. Шулаева, И.А. Табаков et al. · Южно-Сибирский научный вестник · 2024
Использование технологий обнаружения возгораний с помощью нейросетей становится всё более востребованным в промышленности благодаря их эффективности и точности. Однако оптимизация работы таких систем остаётся сложной задачей из-за сложного характера взаимодействия факторов, таких как изменения освещения, задымление и другие визуальные шумы. В данном тексте представлен обзор методов, используемых для анализа и разработки систем на основе нейросетей для обнаружения огня. Для реализации такой системы был проведён обзор существующих подходов в области компьютерного зрения и машинного обучения, а также разработан алгоритм на основе свёрточных нейронных сетей (CNN). Свёрточные нейронные сети позволяют выделять ключевые визуальные признаки, характерные для огня, такие как формы, текстуры и цветовые градиенты. Для построения алгоритма использовалась каскадная сеть с прямым распространением сигнала и обратным распространением ошибки, что обеспечивает высокую точность классификации изображений. Использовали такие слои для обучения искусственного интеллекта, как archae convolute, max pooling, полносвязные, dropout. Обучение модели проводилось на большом наборе данных, включающем различные типы возгораний в разнообразных условиях, чтобы обеспечить надёжность алгоритма в реальных сценариях. Точность обучения достигла уровня, при котором модель успешно классифицировала возгорания даже на ранее невиданных изображениях. Валидация показала минимальные ошибки, что свидетельствует о правильном построении нейросетевой архитектуры. В итоге была создана нейросетевая система, способная предсказывать возможные возгорания и предотвращать аварии. Использование данного подхода способствует повышению безопасности на производстве, снижению рисков, связанных с пожарами, и защите окружающей среды. Дальнейшая оптимизация алгоритма и расширение набора обучающих данных позволят повысить его универсальность и точность. The use of fire detection technologies based on neural networks is becoming increasingly sought-after in industry due to their efficiency and accuracy. However, optimizing the performance of such systems remains a challenging task due to the complex nature of the interaction between factors such as lighting changes, smoke, and other visual noise. This text provides an overview of the methods used for the analysis and development of neural network-based fire detection systems.Index terms: exhaust gases, neural network, computer vision, safety. To implement such a system, an overview of existing approaches in computer vision and machine learning was conducted, and an algorithm based on convolutional neural networks (CNN) was developed. Convolutional neural networks allow the extraction of key visual features characteristic of fire, such as shapes, textures, and color gradients. The algorithm was built using a cascade network with feedforward propagation and backpropagation, ensuring high classification accuracy. Layers such as archae convolute, max pooling, fully connected, and dropout were used for training the artificial intelligence. The model was trained on a large dataset containing various types of fires in diverse conditions to ensure the reliability of the algorithm in real-world scenarios. The training accuracy reached a level where the model successfully classified fires even in previously unseen images. Validation showed minimal errors, indicating the correct construction of the neural network architecture.As a result, a neural network system was created that can predict potential fires and prevent accidents. This approach enhances safety in industrial settings, reduces fire-related risks, and protects the environment. Further optimization of the algorithm and expansion of the training dataset will improve its versatility and accuracy.
Cited by 0 works. doi:10.25699/sssb.2024.58.6.036 Open-access PDF
Authors
References
- Simulation and Modeling Software in Chemical Technology: Polymerization of Vinyl Chloride
- Modeling of the process of electrolysis production of caustic, chlorine and hydrogen
- Mathematical methods of modeling of polymerizer reactor for the process of polymerization of vinyl chloride
- Mathematical methods for modeling of the process of diaphragm electrolysis