摘要
传统的火灾监测系统往往存在较高的误报率、响应延迟以及缺乏闭环控制功能，这些缺陷严重限制了其在复杂现实环境中的应用。为解决这些问题，本文提出了一种基于多模态信息融合与轻量级神经网络的嵌入式火灾检测、追踪及扑灭系统。该系统采用“感知–决策–执行–反馈”的闭环架构，运行在由OpenMV4 H7 Plus和STM32F103C8T6微控制器构成的异构协同计算平台上。感知层采用了经过剪枝处理、以INT8格式量化的轻量级FOMO模型，实现了实时火灾检测，在资源受限的嵌入式环境中，其推理延迟仅为210毫秒，模型大小仅为1.8MB。决策层则运用基于贝叶斯推理的多模态融合框架，有效抑制了虚假的火灾信号干扰，仅依靠视觉信息的误检率为15.3%；经过红外信息融合验证后，该系统在干扰测试集上的整体误报率降至2.0%。在执行层，研究人员建立了六阶多项式喷射轨迹模型，并结合改进的PID–PI双环控制器，实现了对喷淋角度和流量的实时动态优化。实验结果表明，该系统的平均火灾识别准确率达95.6%，误报率低至1.4%。此外，它在10–60厘米的有效作业范围内，扑灭精度可控制在±5厘米以内，且在50到100,000勒克斯的照明条件下，仅需8.5秒即可完成从感知到扑灭的整个流程。这些成果充分体现了该系统出色的实时性能、稳定性以及能效优势，为家庭、工业和仓库等场所的自主嵌入式消防应用提供了实用且可扩展的解决方案。
