初期火灾确定方法、装置、终端及存储介质与流程

1.本发明涉及火灾灾情确定技术领域，尤其涉及一种初期火灾确定方法、装置、终端及存储介质。


背景技术：

2.目前，常用的火灾报警手段有人工巡检、点式烟感、线性光束、火焰探测器、图像探测器等。其中，人工巡检准确度高但效率低下，且巡检员在巡检过程中容易产生疲劳。
3.点式烟感、线性光束都是固定灵敏度，而越来越多的建筑物内采用的空调系统给上述烟感设施带来一定的不利影响。
4.空调系统的常规换气率通常为每小时15至60次，一方面烟雾被大幅度稀释，难以到达传统烟雾探测设备的报警阈值。另一方面，空调气流将使烟雾难以达到探测器，造成报警延误或漏报。
5.一般认为，传统点式烟雾探测器可以清楚地定位火源位置，但实践证明，由于空调系统，设备安放，房间结构等多方面的影响，点式感烟探测器往往在火灾已经发生到一定规模以后才能发出报警且无法报告火源准确位置。
6.火灾达到相当规模，高温及腐蚀性气体将会对人身和设备造成了巨大的损害。
7.二氧化碳气体灭火系统虽然不具备腐蚀性，在密闭空间内也有很好的防护效果，并且现在已应用于电子设备的防护。然而，它要求保持具有毒性的高浓度，并在低温下释放，这对于电子设备和人身也将产生较严重的危害。
8.其他气体灭火系统，如fm200、ig541、烟络尽等气体灭火装置，一旦误启动，将造成灭火剂巨大的浪费，即使在正常情况下，也将对环境、物品和设备造成或多或少的不良影响。
9.由以上灭火设施的特点可以看出，现有消防手段，普遍存在启动时机偏晚的问题。灭火设施晚启动或误启动后对设备、人身造成危害，造成安置及使用费用昂贵等缺点。
10.综上所述，需要一种能够准确发现初期火灾的技术方案，以降低对人身、设备的伤害，降低灭火设施的使用成本。


技术实现要素：

11.本发明实施方式提供了一种初期火灾确定方法、装置、终端及存储介质，用于解决不能及时发现初期火灾的问题。
12.第一方面，本发明实施方式提供了一种初期火灾确定方法，包括：
13.获取采集样本、对比数量k以及训练集，所述训练集包括：第一样本集以及第二样本集，所述第一样本集的火灾属性与所述第二样本集的火灾属性不同，所述采集样本为用于表征火灾属性的样本，所述采集样本包括：空气质量指标；
14.计算所述采集样本与所述训练集中每个样本之间的距离；
15.选出所述训练集中与所述采集样本距离最小的k个样本；
16.根据所述k个样本中多数样本的火灾属性确定是否发生了火灾。
17.在一种可能实现的方式中，所述计算所述采集样本与所述训练集中每个样本之间的距离，包括：
18.根据第一公式计算所述采集样本与所述训练集中每个样本之间的距离，所述第一公式为：
[0019][0020]
其中，a(x1,x2...x
n
)为采集样本，x1,x2...x
n
为采集样本a的元素，b
j
(y
j1
,y
j2
...y
jn
)为训练集中的第j个样本，y
j1
,y
j2
...y
jn
为样本b
j
的元素，0<j≤m，m为训练集中样本的总数量，n为样本的元素总数量。
[0021]
在一种可能实现的方式中，所述采集样本以及所述训练集每个样本包括至少一个下列元素：烟雾颗粒浓度、一氧化碳气体浓度以及温度。
[0022]
在一种可能实现的方式中，所述根据所述k个样本中多数样本的火灾属性确定是否发生了火灾之后，还包括：
[0023]
验证所述采集样本的火灾属性；
[0024]
根据所述采集样本的火灾属性将所述采集样本加入到所述训练集。
[0025]
第二方面，本发明实施方式提供了一种初期火灾确定装置，包括：
[0026]
数据获取模块，用于取采集样本、对比数量k以及训练集，所述训练集包括：第一样本集以及第二样本集，所述第一样本集的火灾属性与所述第二样本集的火灾属性不同；
[0027]
计算模块，用于计算所述采集样本与所述训练集中每个样本之间的距离筛选模块，用于选出所述训练集中与所述采集样本距离最小的k个样本；
[0028]
火灾确定模块，用于根据所述k个样本中多数样本的火灾属性确定是否发生了火灾。
[0029]
第三方面，本发明实施方式提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0030]
在一种可能实现的方式中，还包括：光束模块以及感光元件，所述光束模块用于产生光束照射样气，所述感光元件用于采集所述样气反射的光束强度信号，所述光束模块产生的光束照射方向与所述感光元件的感光平面平行，所述处理器用于根据所述光束强度信号计算获得烟雾颗粒浓度，所述处理器以所述烟雾颗粒浓度作为采集样本确定是否发生了初期火灾。
[0031]
在一种可能实现的方式中，还包括：温度传感器模块以及一氧化碳浓度传感器模块，所述温度传感器模块用于采集样气的温度信号，所述一氧化碳浓度传感器模块用于采集样气中的一氧化碳浓度信号，所述处理器以所述温度信号以及所述一氧化碳浓度信号作为采集样本确定是否发生了初期火灾。
[0032]
在一种可能实现的方式中，还包括：显示模块，所述显示模块用于显示采集样本，所述显示模块还用于在确定发生了火灾时显示火灾报警信号。
[0033]
第四方面，本发明实施方式提供了一种计算机可读存储介质，所述计算机可读存
储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0034]
本发明实施方式与现有技术相比存在的有益效果是：
[0035]
本发明实施方式公开的一种初期火灾确定方法，采用knn算法判断采集样本的特征量与火灾的对应关系，该算法基于分类与回归，利用了样本和样本之间的关系，分类结果只与相邻的样本有关，可以避免样本不平衡的问题，思路简单直观，易于实现。
附图说明
[0036]
为了更清楚地说明本发明实施方式中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1是本发明实施方式提供的火灾报警装置原理图；
[0038]
图2是本发明实施方式提供的初期火灾确定方法的流程图；
[0039]
图3是本发明实施方式提供的knn算法原理图；
[0040]
图4是本发明实施方式提供的初期火灾确定装置功能框图；
[0041]
图5是本发明实施方式提供的终端功能框图。
[0042]
图中：
[0043]
100 抽气泵；
[0044]
210 滤网；
[0045]
310 测量室；
[0046]
320 感光元件；
[0047]
221 箱体；
[0048]
222 孔板；
[0049]
223 均压织物；
[0050]
321 激光器；
[0051]
322 扩束镜；
[0052]
323 偏振镜；
[0053]
400 消光腔。
具体实施方式
[0054]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0055]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施方式来进行说明。
[0056]
图1为本发明实施方式提供的火灾报警装置原理图。
[0057]
本发明实施方式以变电站内的火灾报警装置实施例为基础进行详述，参见图1，上
述火灾报警装置可以包括：
[0058]
抽气泵100、过滤部以及探测部。
[0059]
过滤部包括：滤网210，滤网210设置在抽气泵100的出气口。
[0060]
探测部包括：测量室310，测量室310设有：进气口、出气口、第一孔以及第二孔。测量室310的进气口与测量室310的出气口同轴设置，第一孔的轴线、第二孔的轴线以及测量室310的进气口的轴线互相垂直设置。
[0061]
测量室310的进气口与抽气泵100的出气口连通。
[0062]
抽气泵100用于抽取变电站内的空气样本，送入报警装置内部进行检测。
[0063]
抽气泵100进气口与变电站内部连通，出气口的样气送入到过滤部进行过滤，通常来说抽气泵100的吸气口还设有一个用于粗滤的滤网，该滤网用于过滤较大的颗粒物，该滤网设置在较为明显的位置，方便维护，另一方面也对火灾报警装置内部起到保护作用，避免一段时间使用后较多的颗粒物附着在火灾报警装置的内部。
[0064]
过滤部用于滤除样气中的大颗粒，通常而言以滤除空气样品中大于20μm的大颗粒粉尘为主。过滤部很大程度上减小了烟雾颗粒在抽气泵100中堆积对泵的工作效率以及寿命的影响，减轻烟颗粒对探测装置内部造成污染。更重要的是，它保证了所检测的颗粒大小范围，有效降低了大颗粒对烟雾浓度探测产生的误差，降低误报率。
[0065]
过滤部还用于将样气气流进行温流，形成稳定的均匀的气流，防止产生气流交叉、涡流，避免一部分颗粒长时间存留在火灾报警装置内部，进一步影响检测的精度。
[0066]
在测量室310结构设计上，光束方向、传感器接收方向、以及气流流动方向处于互相垂直的轴线上，以保证在空气样本中无烟颗粒情况下，没有散射光信号被接收到。
[0067]
因此，测量室310设有的气路、光路以及检测路径三者之间相互垂直，进气口与出气口同轴设置，气流直线进出测量室310，第一孔以及第二孔用于安装光束模块53以及传感器，三者垂直设置，保证了检测的精度。
[0068]
在一种可能的实施方式中，探测部还包括：光束模块53以及感光元件320，光束模块53与测量室310的第一孔固定连接，感光元件320与测量室310的第二孔固定连接，光束模块53的发光光轴与第一孔的轴线平行，感光元件320的感光平面与第二孔的轴线垂直；
[0069]
光束模块53用于发出平行光照射抽气泵100抽取的样气气流，感光元件320用于采集样气反射光的光强度信号。
[0070]
示例性地，光束模块53用于发出平行光，光束模块53与第一孔固定连接，感光元件320与第二孔固定连接，光束模块53发出的光束与感光元件320的感光轴线垂直，样气气流与光柱模组发出的光束以及感光元件320的感光轴线垂直，保证了在空气样本中无烟颗粒情况下，没有散射光信号被接收到，保证了检测的精度。
[0071]
在一种可能的实施方式中，过滤部还包括：静压箱，静压箱包括：箱体221、孔板222以及均压织物223；
[0072]
箱体221设有进气口以及出气口，箱体221的进气口与箱体221的出气口同轴平行设置，孔板222设有多个孔，孔板222的平面与箱体221的进气口平行设置，孔板222固定设置在箱体221的内部；均压织物223固定覆盖在孔板222的表面；
[0073]
箱体221的进气口与抽气泵100的出气口连通，箱体221的出气口与测量室310的进气口连通。
[0074]
示例性地，静压箱内设有孔板222，孔板222上设有多个孔，本技术无特殊说明之处，多是指三个以上。孔板222上的孔为微孔，从箱体221进入的气流会遇到孔板222的阻隔，气流速度明显降低，气流的动压转变为静压，气流从孔板222的孔中流出，再经过粘贴在孔板222表面的织物的阻尼和均匀作用，气流方向一致性好，气流无交叉、无涡流推进式进入测量室310，从测量室310的进气口和出气口直进直出，保证了检测的精度。
[0075]
一种实施方式中，滤网210设置在静压箱内部，进口的位置。
[0076]
在一种可能的实施方式中，光束模块53包括：激光器321以及扩束镜322，扩束镜322固定设置在激光器321的前端，激光器321发出的光束经过扩束镜322调节为一束平行光照射样气。
[0077]
示例性地，光束模块53采用激光器321与扩束镜322的组合，激光器321发出的光束其颜色单性好，强度高，光束平行，经过扩束镜322扩束后，光斑扩大，光照强度降低，以适合感光元件320的需要。
[0078]
激光器321发出的光束通过扩束镜322调节成一束平行光光束，再通过准直整形单元后，变为半径大约1.5mm的光束，光束经过测量室310后，通过半径3mm的小孔进入消光腔400内。使用波长850nm功率5mw的红外激光作为光源，光束在消光腔400内经过多次的反射，光束被吸光材料吸收，防止光束反射回测量室310对感光元件320的影响。
[0079]
扩束镜322的一种可能的实现方式为伽利略扩束镜，最通用的扩束镜322类型起源于伽利略望远镜，通常包括一个输入的凹透镜和一个输出的凸透镜。输入镜将一个虚焦距光束传送给输出镜。一般的低倍数的扩束镜都用该原理制造，因为它简单、体积小、价格也低。一般的尽可能的被设计为小的球面相差，低的波前变形和消色差。它的局限性在于不能容纳空间滤波或者进行大倍率的扩束。
[0080]
扩束镜322的另一种可能实现的方式为开普勒扩束镜，事实上在需要空间滤波或者进行大倍率的扩束的时候，人们一般使用开普勒设计的望远镜。开普勒望远镜一般有一个凸透镜作为输入镜片，把实焦距聚焦的光束发送到输出元件上。另外，可以通过在第一个透镜的焦点上放置小孔来实现空间滤波。
[0081]
在一种可能的实施方式中，光束模块53还包括：偏振镜323，偏振镜323固定设置在扩束镜322的前端。
[0082]
示例性地，光束模块53还包括偏振镜323，偏振镜323设置在扩束镜322的前端，有效滤除散射光，使得产生的光束方向性更趋于一致，从而进一步提高了检测的精度和检测数据的稳定性。
[0083]
在一种可能的实施方式中，火灾报警装置还包括：消光腔400，测量室310还设有第三孔，测量室310的第三孔与第一孔同轴设置，消光腔400设有进光孔，消光腔400的进光孔与测量室310的第三孔同轴设置，消光腔400的内表面附有吸光层。
[0084]
在一种可能的实施方式中，消光腔400的进光孔孔径小于光束模块53所发出的光束的直径的二倍。
[0085]
示例性地，消光腔400通常为密闭的腔体，测量室310通过第三孔将光束射出进入到消光腔400内部，消光腔400设有进光孔，消光腔400内部设有吸光层，进入消光腔400内部的光束被消光腔400内部的吸光层吸收、反射以及再吸收，经过若干次反射和吸收后，光束强度大为降低，进光孔的孔径略大于光束直径，小于光束直径的二倍，由消光腔400反射通
过消光孔再次进入测量室310的可能性大为减小，对检测数据影响更小，一种实施方式中，消光腔400为仅设有一个消光孔的密闭腔体，故不引入外部光束，对测量室310的影响减少到了最小。
[0086]
图2为本发明实施方式提供的初期火灾确定方法的流程图。
[0087]
参见图2，其示出了本发明实施方式提供的初期火灾确定方法的实现流程图，详述如下：
[0088]
在步骤201中，获取采集样本、对比数量k以及训练集，所述训练集包括：第一样本集以及第二样本集，所述第一样本集的火灾属性与所述第二样本集的火灾属性不同，所述采集样本为用于表征火灾属性的样本，所述采集样本包括：空气质量指标。
[0089]
在一些可能实现的方式中，所述采集样本以及所述训练集每个样本包括至少一个下列元素：烟雾颗粒浓度、一氧化碳气体浓度以及温度。
[0090]
在步骤202中，计算所述采集样本与所述训练集中每个样本之间的距离。
[0091]
在一些可能实现的实施方式中，在步骤202中，包括：
[0092]
根据第一公式计算所述采集样本与所述训练集中每个样本之间的距离，所述第一公式为：
[0093][0094]
其中，a(x1,x2...x
n
)为采集样本，x1,x2...x
n
为采集样本a的元素，b
j
(y
j1
,y
j2
...y
jn
)为训练集中的第j个样本，y
j1
,y
j2
...y
jn
为样本b
j
的元素，0<j≤m，m为训练集中样本的总数量，n为样本的元素总数量。
[0095]
在步骤203中，选出所述训练集中与所述采集样本距离最小的k个样本。
[0096]
在步骤204中，根据所述k个样本中多数样本的火灾属性确定是否发生了火灾。
[0097]
示例性地，采用knn算法判断采集样本与火灾发生的对应关系，该算法基于分类与回归，直接地利用了样本和样本之间的关系，分类结果只与极少量的相邻样本有关，可以较好地避免样本的不平衡问题，其思路简单直观，易于快速实现。
[0098]
以图形表示knn算法，如图3所示，坐标系中被包围的三个圆圈是训练样本集，五角星是待确定样本x，已知圆点都属于样本集w1，三角形都属于样本集w2，方形都属于样本集w3，w1、w2以及w3均为训练样本集。待确定样本根据自身的特征向量(即坐标)置入特征空间，计算它与所有训练样本的欧式距离，选出距离它最近的k个点，图中所示k＝5，在本例中k1＝4，k2＝0，k3＝1，根据knn算法多数表决的思想，认为待确定样本x也应属于样本集w1，待确定样本x的属性与样本集w1属性相同。
[0099]
就本发明而言，该算法核心思想是，首先，训练样本b以火灾属性分组，分为发生火灾样本集合不发生火灾样本集，发生火灾样本集中的每个样本均是会导致火灾的样本，不发生火灾样本集中的每个样本均是不会导致火灾的样本。
[0100]
使用相似性距离函数计算采集样本a(x1,x2...x
n
)和每个训练样本b
j
(y
j1
,y
j2
...y
jn
)的距离。
[0101]
按计算好的上述距离排序，然后取出与采集样本a(x1,x2...x
n
)最近的k个训练样本，统计出这k个训练样本中大多数属于哪一样本集，则认为样本a(x1,x2...x
n
)与训练样本
的火灾属性相同。
[0102]
如在一次统计中，统计出的k个样本多数属于不发生火灾的样本集，则认定当前的采样样本不会发生火灾。
[0103]
用数学表达式表示为：假设共有n个样本，他们的所属类别已知，其中w1样本集的样本有n1个，w2样本集的样本有n2个，若k1、k2分别为k个近邻中属于w1、w2的样本数，则分类判别函数为：
[0104]
令g
i
(a)＝k
i
,i＝1,2，若g
i
(a)＝maxk
i
，则决策a∈w
i
。
[0105]
在计算样本之间的距离时，采用欧式距离，用公式表示为：
[0106][0107]
其中，a(x1,x2...x
n
)为采集样本，x1,x2...x
n
为采集样本a的元素，b
j
(y
j1
,y
j2
...y
jn
)为训练集中的第j个样本，y
j1
,y
j2
...y
jn
为样本b
j
的元素，0<j≤m，m为训练集中样本的总数量，n为样本的元素总数量。
[0108]
就某个具体的实施方式而言，采集样本以及训练集中的每个样本均由三个元素组成，分别为烟雾颗粒浓度、一氧化碳气体浓度以及温度，对应上述样本而言，如采集样本，则x1为烟雾颗粒浓度，x2为一氧化碳气体浓度，x3为温度，n＝3。
[0109]
然后，在确定了训练集中每个样本与采集样本的距离后，对采集样本到训练集中每个样本的距离进行排序，选出距离最小的k个样本。
[0110]
在一种具体的实施方式中，k的取值为1。
[0111]
k值的取值一般采用经验判断法，如本实施方式中，训练样本中，因发生火灾的样本数量原小于未发生火灾的样本数量，如k值较大，则极有可能造成误判。
[0112]
k取1也就是采集样本与训练集中的样本欧式距离最近的一个样本属于同一种类别。若欧式距离最近的训练样本为发生火灾，则认为采集样本也为发生火灾的样本；若欧式距离最近的训练样本为未发生火灾，则认为采集样本也未发生火灾的样本。
[0113]
步骤205中，发生在步骤204之后，包括：
[0114]
验证所述采集样本的火灾属性；
[0115]
根据所述采集样本的火灾属性将所述采集样本加入到所述训练集。
[0116]
示例性地，在采集样本经过实地验证是否发生火灾后，将该采集样本按照实际是否发生火灾加入训练集中。
[0117]
如采集样本实际未发生火灾，则将该采集样本加入未发生火灾的训练样本集中，如实际发生火灾，则将该采集样本加入发生火灾的训练样本中。
[0118]
如此则能扩充数据集的大小，且因数据是经过实际验证的，故训练集的准确度更高。
[0119]
本发明所述方式公开的一种初期火灾确定方法，采用knn算法判断采集样本的特征量与火灾的对应关系，该算法基于分类与回归，利用了样本和样本之间的关系，分类结果只与相邻的样本有关，可以避免样本不平衡的问题，思路简单直观，易于实现。
[0120]
应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施方式的实施过程构成任何
限定。
[0121]
以下为本发明的装置实施方式，对于其中未详尽描述的细节，可以参考上述对应的方法实施方式。
[0122]
图4示出了本发明实施方式提供的初期火灾确定装置的功能框图，为了便于说明，仅示出了与本发明实施方式相关的部分，详述如下：
[0123]
如图4所示，一种初期火灾确定装置，包括：数据获取模块401、计算模块402、筛选模块403、火灾确定模块404。
[0124]
数据获取模块401，用于获取采集样本、对比数量k以及训练集，所述训练集包括：第一样本集以及第二样本集，所述第一样本集的火灾属性与所述第二样本集的火灾属性不同。
[0125]
计算模块402，用于计算所述采集样本与所述训练集中每个样本之间的距离。
[0126]
筛选模块403，用于选出所述训练集中与所述采集样本距离最小的k个样本。
[0127]
火灾确定模块404，用于根据所述k个样本中多数样本的火灾属性确定是否发生了火灾。
[0128]
初期火灾确定装置还包括：数据数据扩充模块405，数据数据扩充模块405用于验证所述采集样本的火灾属性；根据所述采集样本的火灾属性将所述采集样本加入到所述训练集。
[0129]
图5是本发明实施方式提供的终端的功能框图。如图5所示，该实施方式的终端5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个初期火灾确定方法及初期火灾确定方法实施方式中的步骤，例如图2所示的步骤201至步骤205。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施方式中各模块/单元的功能，例如图4所示模块/单元401至405的功能。
[0130]
在一些可能实现的实施方式中，终端5还包括：光束模块53以及感光元件320，所述光束模块53用于产生光束照射样气，所述感光元件320用于采集所述样气反射的光束强度信号，所述光束模块53产生的光束照射方向与所述感光元件320的感光平面平行，所述处理器50用于根据所述光束强度信号计算获得烟雾颗粒浓度，所述处理器50以所述烟雾颗粒浓度作为采集样本确定是否发生了初期火灾。光束模块53以及感光元件320分别与所述处理器50电连接。
[0131]
在一些可能实现的实施方式中，终端5还包括：温度传感器模块55以及一氧化碳浓度传感器模块56，所述温度传感器模块55用于采集样气的温度信号，所述一氧化碳浓度传感器模块56用于采集样气中的一氧化碳浓度信号，所述处理器50以所述温度信号以及所述一氧化碳浓度信号作为采集样本确定是否发生了初期火灾。所述温度传感器模块55以及一氧化碳浓度传感器模块56分别与所述处理器50电连接。
[0132]
在一些可能实现的实施方式中，终端5还包括：显示模块57，所述显示模块用于显示采集样本，所述显示模块57还用于在确定发生了火灾时显示火灾报警信号。所述显示模块57与所述处理器50电连接。
[0133]
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一
个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端5中的执行过程。例如，所述计算机程序52可以被分割成图4所示的模块/单元401至405。
[0134]
所述终端5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端5的示例，并不构成对终端5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
[0135]
所称处理器50可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0136]
所述存储器51可以是所述终端5的内部存储单元，例如终端5的硬盘或内存。所述存储器51也可以是所述终端5的外部存储设备，例如所述终端5上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器51还可以既包括所述终端5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
[0137]
如图5所示，光束模块53用于发出平行光，光束模块53发出的光束与感光元件320的感光轴线垂直，样气气流与光柱模组发出的光束以及感光元件320的感光轴线垂直，从而保证了在空气样本中无烟颗粒情况下，没有散射光信号被接收到，保证了检测的精度。
[0138]
处理器50将感光元件320采集的光束强度信号转变为烟雾颗粒浓度信号。
[0139]
温度传感器模块55，在一种实施方式中，采用型号为ds18b20的温度传感器，将温度数据通过单芯屏蔽线连接到处理器50进行处理。
[0140]
一氧化碳浓度传感器模块56采集样气中的一氧化碳浓度信号，反馈到处理器50进行处理。
[0141]
在一种可能实现的方式中，处理器50为配置了arm9内核的s3c2440芯片作为微处理器，并且搭载了高稳定性的linux操作系统，将获取的三个参量：烟雾颗粒浓度信号、一氧化碳浓度信号以及温度信号通过本发明方法进行数据处理后，在液晶面板上显示参数值以及火灾报警的状态。
[0142]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
[0143]
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述或记载的部分，可以参见其它实施方式的相关描述。
[0144]
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0145]
在本发明所提供的实施方式中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0146]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
[0147]
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0148]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个初期火灾确定方法及初期火灾确定方法实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0149]
以上所述实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围，均应包含在本发明的保护范围之内。