一、一种基于DSP实现火焰检测的方法（论文文献综述）
朱佩毅[1]（2020）在《基于物联网技术的图像火焰检测系统设计》文中提出仓库、厂房等场所的火灾消防事故频发,严重影响了社会的经济建设和人民的生命安全。论文针对这类高大环境的消防安全,设计了一种基于物联网技术的图像火焰检测系统,实时获取现场图像并进行火焰检测,根据检测结果,通过物联网向服务器平台发送预警/报警。论文设计了以STM32F429为核心的图像火焰检测系统的硬件电路,包括ARM处理器、摄像头模块、图像存储模块和物联网模块。编写了ARM处理器软件,主要包括图像采集、火焰检测、火焰鉴别、火焰鉴别器的远程升级等算法。论文讨论了ARM处理器的高效运行与存储空间的有效利用等问题,合理编排了图像采集、火焰检测、火焰鉴别的处理时序。优化实现了以深度学习神经网络为核心的火焰鉴别器,并通过物联网远程更新火焰鉴别器的权值系数,以便实现火焰鉴别器的远程升级。对基于物联网技术的图像火焰检测系统进行实际测试,结果表明论文设计的系统可以实现对现场火焰的实时检测和服务器平台报警,并具备远程升级火焰鉴别器的功能,达到了设计要求。
张皓[2]（2018）在《电站锅炉火焰图像采集及分析装置》文中进行了进一步梳理电厂大型锅炉的燃烧优化问题一直是热点问题。在当下节能减排的大潮下,实现燃烧优化,减少氮氧化物排放就显得更加重要。因此实时监测锅炉的燃烧状况并据此做出优化就显得尤为重要。然而受到当下的常规检测方式以及燃烧本身的复杂性所限制,锅炉燃烧状况很难准确检测。本文中的电站锅炉火焰图像采集及分析装置,利用装在现场的CCD摄像头实时采集锅炉炉膛内图像,并对图像进行分析得出黑龙长度,混合强度和扩散角等信息,作为下一步优化炉膛内煤粉燃烧的重要参数。本文首先比较了几种以DSP为核心的视频采集方案,最终集各方案的优点设计了电站锅炉火焰图像采集及分析装置。随后本文从硬件架构与软件架构两方面详细介绍了电站锅炉火焰图像采集及分析装置。硬件方面,电站锅炉火焰图像采集及分析装置采用核心板与接口电路板分离的设计方式。核心板以TMS320DM368为核心处理器,与以太网物理层收发器、Flash闪存芯片、DDR2内存芯片和低电压检测器共同组成了最小系统。接口电路板利用TVP5150作为视频解码芯片,采用TPS5430作为电源芯片,利用模拟信号输出电路将图像处理结果转化为4～20mA电流信号传送给DCS,此外还有LED灯作为装置运行状态指示灯。软件方面,电站锅炉火焰图像采集及分析装置采用多线程的软件架构,将程序分为主线程、视频采集线程和视频处理线程三个线程,利用字符设备驱动程序驱动GPIO,并采用线程挂起的设计方式完成数模转化芯片的转化功能。最后本文对电站锅炉火焰图像采集及分析装置的优点与不足进行了总结,并对未来研究方向进行了展望。
袁博[3]（2016）在《基于FPGA的光谱图像实时处理技术研究》文中研究说明本文针对目前图像实时处理的发展现状,在FPGA的流水线设计和并行处理方面进行了研究,详细分析了Vivado HLS的设计流程,并结合实验分析了其快速实现图像处理的能力和方式。Vivado HLS是一种将C/C++/System C所建立的信号或数字处理模型直接转换为RTL级模型的工具,该工具能大大提高FPGA的设计效率,加速其在高性能信号和数据实时性处理领域的应用。本文根据Vivado设计套件的综合、仿真和实现流程为Zynq处理系统设计了硬件加速器。通过HLS的调度和绑定的方式实现了设计的优化,并生成硬件IP。在综合过程中生成Verilog代码,通过编写testbench代码,同时对于系统的各方面的性能进行了分析。对于光谱图像检测算法进行了编写,完成了单帧火焰图像的读取和定标,并根据算法中设定的检测阈值对图像中的火焰做出了正确的检测。使用Vivado HLS将C代码转换为RTL级的仿真。以C语言实现的火焰检测算法作为应用对象,通过Vivado HLS分别实现了资源优先和速度优先的综合策略,并将两种综合策略的实现结果与DSP实现结果进行了比对。本文根据Vivado HLS的设计流程和优化方式,在设计硬件加速器IP和火焰检测方面做了探索性尝试,对今后FPGA在图像实时性处理方面的设计有着积极的意义。
许威[4]（2016）在《地铁指挥中心火灾自动报警系统的设计与实现》文中进行了进一步梳理火灾严重的威胁着人类的生命财产安全,如果能够在火灾发生早期就发出报警,则能够最大程度地降低火灾的危害。由于火灾发生的不确定性和多变性,传统火灾探测器基于其原理及系统结构的原因,在地铁指挥中心火灾自动报警中存在较大的局限性,考虑到火灾产生的火焰和烟雾在可见光范围表现为具有一定图像特征,人们开始利用计算机视觉方法来提高火灾探测的效率,提出基于图像处理和模式识别的可视火灾探测方法。据此,本文对地铁指挥中心火灾自动报警系统进行了系统的研究,主要取得了以下研究成果:（1）提出了基于快速支持向量机的可视火焰探测算法。该算法以若干段火灾视频和疑似火灾视频为分析对象,利用自学习的方法来设定火灾特征的分类阈值,克服了传统阈值分类法中人为设定阈值的局限性,选取火焰图像的圆形度、尖角数目、面积变化率等三个特征值组成特征向量,利用快速支持向量机算法训练火灾识别模型,对火焰以及干扰物体进行分类识别。实验结果表明,该算法与传统支持向量机火灾探测算法相比,选择的支持向量数目减少,使得分类函数简化,并且在不损失分类精度的情况下,分类识别速度明显提高。（2）提出了基于颜色模型和稀疏表示模型相结合的可视火焰探测算法。该算法无需提取火焰的单个图像特征,从疑似火焰区域的整体特征考虑,首先在HIS空间建立颜色模型对火灾图像进行预处理提取出疑似火灾区域,接着建立稀疏表示模型,直接利用训练样本构造火焰和疑似火焰物体的特征字典,最后以重构误差为准则,通过稀疏分解与重构,计算测试样本与训练样本的最小逼近残差,实现火焰和干扰物体的分类识别。试验结果表明,该算法与基于神经网络、查找表等算法相比,在提高识别率的同时,降低了算法复杂度。（3）以地铁指挥中心火灾自动报警的实际应用为目的,研究了针对地铁指挥中心基于多特征融合的火焰探测方法、基于L-K稀疏光流法的烟雾检测方法及基于多点探测的火源空间定位方法,基本实现基于DSP和FPGA的地铁指挥中心火灾自动报警系统,给出了总体设计方案及其软、硬件分层设计的实现方案。该方案采用分布式处理和中央处理、控制相结合的多点检测体制,将视频采集、检测交由独立的视频检测、控制单元完成,可以有效克服集中式处理方案所带来的主要问题,并将检测装置与灭火装置联动,提高了自动消防系统的智能化水平。
赵文强[5]（2016）在《基于嵌入式的垃圾焚烧炉火焰燃烬点检测器的研制》文中研究说明目前,垃圾焚烧处理已成为垃圾处理的主要方式。在垃圾焚烧处理中,燃烧系统控制是整个垃圾焚烧控制的核心,而在燃烧系统控制中,重点是利用火焰燃烬点位置信息对焚烧炉的炉排速度进行控制,炉排速度的控制好坏直接决定焚烧处理的效果。现阶段,主要以工业相机、图像采集卡和工控机组成火焰燃烬点检测系统,该系统存在实时性较差、功耗大、体积大以及灵活性差等缺点。针对上述缺点,本文设计了一种基于嵌入式的垃圾焚烧炉火焰燃烬点检测器。主要完成以下工作:首先,对垃圾焚烧炉的工艺进行研究,结合现有的火焰燃烬点检测方案提出了火焰燃点检测器的设计要求。根据设计要求对检测器的硬件方案进行了论证,提出了以ARM+DSP为主体的硬件系统架构,确定了以OMAPL138处理器为核心的硬件系统方案,并分别对硬件系统的主处理器模块、图像采集模块、模拟量输出模块、液晶显示模块、存储模块、通讯模块以及电源模块进行了电路设计。此外,根据硬件平台的特点,提出了检测器的软件系统方案,选用Linux作为ARM处理器的操作系统,搭载设备驱动和应用软件;采用DSP/BIOS作为DSP处理器的操作系统,管理图像的采集和处理。其次,提出了利用火焰燃烧图像来获取火焰燃烬点位置信息的方法。研究过程中选取了不同燃烧状态下的火焰图像进行处理,以提高算法的适应性。考虑到图像在采集和传输过程中会受到噪声的干扰,分别采用了均值滤波、中值滤波对图像进行去噪处理,并对结果进行分析,确定了中值滤波做为图像的去噪方法;分别采用了双峰法、最小误差法和最大类间方差法对图像进行分割,通过对分割效果的对比,最终确定了以最大类间方差法作为图像的分割方法,从而更好的分割出图形中的火焰燃烧区域。为解决分割后图像存在突刺等缺陷问题,采用数学形态学方法对分割后的图像进行处理;以形态学处理后的图像为基础,提出了火焰燃烬点的分析方法以及火焰燃烬点位置的计算方法,并通过仿真进行了验证。最后,研究了软件系统的实现方法,并利用QT软件开发了适合嵌入式操作系统的图形用户界面,通过该界面用户可查看火焰燃烬点的检测信息、检测器的运行状态以及设置相关参数。
吴丰硕[6]（2016）在《基于DSP的图像型火灾探测系统的研究与设计》文中指出火灾是严重威胁人们生命财产安全的常见灾害之一,研究火灾的探测技术,实现对火灾的实时探测与预警极为重要。传统的感温、感烟等火灾探测方法在大空间、多干扰等场合下已经不能满足应用要求,而图像型火灾探测技术,其信息采集具有不与外界直接接触以及采集范围广的特点。这种信息采集特点,使得图像型火灾探测技术成为大空间、多干扰场所火灾探测的有效方法。基于PC机的图像处理系统具有成本高、不易安装等缺点,因此嵌入式系统成为图像型火灾探测系统的最佳选择。本课题目的是设计一套基于DSP的图像型火灾探测系统,以实现对目标区域的火灾检测与预警。首先在分析国内外有关火灾识别技术及其研究现状的基础上,结合嵌入式技术、图像处理以及模式识别,对基于DSP的图像型火灾探测系统进行了模块化设计,主要包括图像处理模块、图像采集模块、系统存储模块。其中图像采集模块包括图像采集前端以及图像的采集设计等;系统存储模块包括同步存储、异步存储系统的设计以及CPLD功能设计等。其次对传统的火灾图像预处理流程加以改进,提出了一种基于连通域标记的新型火焰图像滤波方法,更有效的对椒盐噪声、孔洞噪声加以去除,提高火焰图像预处理效果。本文所用预处理流程为:首先对火焰图像采用迭代法进行二值化,然后对二值图像进行连通域标记,最后在连通域标记的基础上应用本文提出的新型滤波方法对火灾图像进行滤波。在完成火焰图像预处理基础上,结合火焰原始图像特点,提出了早期火灾图像识别的四个判据:火焰的面积变化率、火焰的相对稳定性、火焰的圆形度以及火焰的尖角特性。在基于DSP的火灾探测平台上提取上述四个判据的六个特征值。根据系统识别要求设计了三层BP神经网络,进行了大量的火焰以及其相关干扰实验,提取相关特征值。以此为样本,在PC机上应用MATLAB神经网络工具箱,对本文设计的BP神经网络加以训练,以获得网络权值和各节点偏置。并最终将训练完成的神经网络移至基于DSP的火灾探测系统平台上,应用其进行火灾的识别。最后对系统进行了硬件以及软件实现,并在此基础上进行了大量的实验,验证了本文系统火灾探测与预警的准确性以及在大空间、多干扰场所火灾探测的实际应用可行性。
杨博[7]（2014）在《图像型火灾探测系统的研究与设计》文中研究说明火灾的发生给人们的生产生活带来了极大的危害，当大空间建筑物发生火灾时，传统的感烟、感温传感器探测方法难以及时的捕捉信息，从而导致火灾持续蔓延进而造成更大的破坏。基于视频图像型的火灾探测方法具有探测范围广、灵敏度高、成本低等优点，成为解决大空间建筑火灾问题的有效方法。图像型火灾探测系统大致分为两种：基于PC平台的视频火灾探测系统和基于嵌入式的视频火灾探测系统，基于PC平台的视频火灾探测功耗大、使用场景受限、不利于后期产品的开发和生产。因此，本文在分析了TI公司C6000系列专用图像处理芯片的基础上，研究了一种基于TMS320DM642的大空间视频火灾探测系统，该系统具有实时性高、稳定性强、功耗低、便于升级等优点。本文基于DM642的特点，结合了大空间视频火灾探测的实际需要，在对视频采集模块、外部存储器扩展模块、GSM火灾报警模块以及以太网通信模块深入研究的基础上，设计了以DM642为核心的硬件框架；分析了TI公司的DSP/BIOS实时操作系统与RF5程序开发参考框架，在此基础上，开发了视频采集、检测算法处理和报警双线程、网络传输等多任务多线程程序架构；分析了光流法、颜色模型法和背景差分法三种火焰分割方法，通过实验验证算法的不足并对原因进行分析，提出单高斯-动态特征的火灾探测方法，排除了高亮反射光、红色物体、酒精灯等干扰源，提高了算法的检测精度和抗干扰性；对算法进行了FLASH的烧写实验，实现了系统的脱机工作；实现了客户端通过B/S模式实时的访问现场的模式；在DSP外部扩展接口上开发了基于GSM模块的火灾报警功能，提高了系统的响应速度和健壮性；实验结果表明，本系统能够准确检测火灾的发生并具有良好的实时性。
阳玉文[8]（2014）在《基于TMS320DM6446的火灾探测系统研究》文中研究指明火灾是人类安全的重大威胁之一,基于传统的接触式传感器的火灾探测方法很难满足大空间的建筑火灾、环境恶劣的工业场所及空旷户外的森林火灾探测。研究开发基于视频图像的嵌入式系统对空旷地区火灾早期预报、减少火灾带来的损失具有重要意义。本文研究的火灾探测系统是基于TMS320DM6446高性能处理器和嵌入式Linux操作系统。嵌入式设备与常用的PC机相比,其具有成本低、功耗低、体积小、运输和安装维护方便等优势。该系统主要实现火灾现场视频图像的采集、图像处理及火灾识别。本文讨论了基于视频图像的火灾检测算法原理与流程。首先对摄像头采集的图像进行背景差分检测,对检测出的可疑图元,进行基于YCbCr空间的火灾图像分割,再对分割出来的火焰图像进行火焰特征提取和识别。在具有Davinci技术的双核处理器TMS320DM6446上对火灾探测技术进行了研究。该部分主要研究内容包括：在ARM9核上运行Linux系统,采用多线程的编程思想,编程实现视频图像采集线程、图像处理线程、显示线程来协调整个系统的运行；在DSP核上研究火灾视频图像的分割和识别算法；双核之间的通信采用Codec Engine。在研究的过程中,分别在PC机和DM6446平台上做了实验。在PC机上通过Matlab软件编程实验,得出在比较复杂的环境中也能很好的将火焰分割出来,且对小区域火焰的分割也有比较好的实验结果。并且展示了在DM6446嵌入式设备上的实验结果,能大致将火灾火焰很好的分割出来。
王嘉成[9]（2014）在《基于BF561的火焰识别系统》文中提出基于视频的火焰识别是一种结合数字图像处理技术与模式识别技术的新型火焰探测方法。论文研究基于BF561的嵌入式火焰识别系统设计。论文在分析火焰视觉特征的基础上，采用帧差法提取运动目标，并利用火焰颜色特征移除干扰，获得疑似火焰区域，将疑似火焰区域的面积特征和角点特征作为判据，通过设定特征阀值作为约束条件来识别视频图像中的火焰；构建基于BF561的火焰识别硬件平台，由图像处理单元、视频输入与输出单元、存储器单元和控制单元组成；采用C语言编程，结合Blackfin特有的扩展指令集，编写硬件驱动程序，实现火焰识别算法在DSP平台上的移植与优化。论文在不同的场景下对火焰识别系统进行测试，结果表明系统能够识别出火焰。
陈文伟[10]（2013）在《基于DaVinci平台的除尘风机自动控制系统》文中研究说明工频熔炼炉冶炼废杂铜过程中伴有大量的废弃烟气产生,必须用大功率除尘风机进行抽风,使有害烟气经除尘系统处理后回收到除尘袋中,从而达到降低空气污染的目的。针对目前工频熔炼炉熔炼废杂铜过程中烟气浓度难以测量进而除尘风机控制低效的问题,本文以TI Da Vinci家族的ARM与DSP双核嵌入式图像处理芯片TMS320DM6446为核心开发了一套除尘风机自动控制系统,采集熔炼炉内的烟气图像,提取出图像中判断烟气浓度的特征,在此基础上,使用PSFCM结合FCM的方法建立特征值的烟气浓度分级模型,实现了除尘风机自动高效节能控制。通过使用测试,控制系统稳定可靠、实时性良好、节能效果显着。本文详细阐述了基于DaVinci平台的除尘风机自动控制系统的设计开发工作,主要贡献和创新点有：（1）完成整个控制系统的控制方案设计和硬件平台搭建。针对冶炼过程中烟气特点,提出基于图像处理的带有前馈的反馈控制方案,在此基础上搭建了以DM6446为核心处理器的系统硬件平台,整个电路采用模块化设计方法,由图像采集单元、图像输出单元、电源电路、通用外设电路等部分组成,具有较高的稳定性和实用性。（2）烟气图像特征值的提取。通过对废杂铜冶炼工艺的分析,提出了利用烟气图像的灰度特征、纹理特征和运动特征来量化判断炉内烟气浓度的方法,并对这些特征值的可行性和算法实现进行了研究。（3）烟气浓度分级模型的建立。针对部分典型特征值样本可以标定的特点,基于SVM多分类器论证了采用特征值建立烟气浓度分级模型的可行性。由于SVM方法存在标签难以获得、模型不完整、算法复杂等问题,创新性地提出改进的PSFCM结合FCM建立烟气浓度分级模型的方法,不仅有效地保证控制系统的实时性,还具有较高的风机转速预测准确率。（4）控制系统软件的实现。ARM端采用基于Linux的多线程设计,完成控制系统图像采集、显示以及调用算法等功能；DSP端基于DSP/BIOS操作系统对烟气图像特征提取和烟气浓度分级模型分类算法进行了实现和优化；并对控制系统效果进行了测试。
二、一种基于DSP实现火焰检测的方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于DSP实现火焰检测的方法（论文提纲范文）
（1）基于物联网技术的图像火焰检测系统设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 图像火焰检测技术 |
| 1.2.2 基于图像的火焰检测系统 |
| 1.3 论文主要内容 |
| 第二章 系统设计基础 |
| 2.1 ARM处理器STM32F429 |
| 2.2 摄像头模块OV2640 |
| 2.3 动态RAM IS42S16400J |
| 2.4 物联网模块NB86 |
| 2.5 本章小结 |
| 第三章 基于物联网技术的图像火焰检测系统硬件设计 |
| 3.1 火焰检测系统设计方案 |
| 3.2 ARM处理器电路设计 |
| 3.3 摄像头模块电路设计 |
| 3.4 图像存储模块电路设计 |
| 3.5 物联网模块电路设计 |
| 3.6 电源模块设计 |
| 3.7 本章小结 |
| 第四章 基于物联网技术的图像火焰检测系统软件设计 |
| 4.1 物联网通信 |
| 4.2 图像采集 |
| 4.3 火焰检测系统的实现 |
| 4.4 火焰检测算法 |
| 4.4.1 图像格式转换 |
| 4.4.2 火焰像素检测 |
| 4.4.3 火焰像素扩充 |
| 4.4.4 提取火焰候选区域 |
| 4.4.5 筛选火焰候选区域 |
| 4.4.6 候选区域尺度变换 |
| 4.5 火焰鉴别器设计 |
| 4.5.1 火焰鉴别器结构 |
| 4.5.2 火焰鉴别器实现 |
| 4.5.3 火焰报警机制 |
| 4.6 火焰鉴别器远程升级 |
| 4.6.1 更新包设计 |
| 4.6.2 更新流程 |
| 4.7 系统测试 |
| 4.7.1 火焰检测概率测试 |
| 4.7.2 物联网通信功能测试 |
| 4.8 本章小结 |
| 第五章 结束语 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）电站锅炉火焰图像采集及分析装置（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 课题研究意义 |
| 1.3 现有火焰监测技术中存在的问题 |
| 1.4 国内外研究现状 |
| 1.5 论文结构与安排 |
| 第2章 电站锅炉火焰图像采集及分析装置总体结构 |
| 2.1 几种视频采集方案比较 |
| 2.1.1 基于DSP/BIOS的视频采集与处理装置 |
| 2.1.2 以AVR单片机和DSP处理器为核心的视频采集卡设计 |
| 2.1.3 采用DSP处理器作为视频采集和处理芯片 |
| 2.1.4 使用FIFO存储器为视频帧缓存的视频采集方案 |
| 2.2 系统总体方案 |
| 2.3 本章小结 |
| 第3章 电站锅炉火焰图像采集及分析装置的硬件结构 |
| 3.1 核心板的硬件结构 |
| 3.1.1 数字视频处理芯片TMS320DM368 |
| 3.1.2 以太网物理层收发器KSZ8041NL |
| 3.1.3 Flash闪存芯片K9F1G08U0B |
| 3.1.4 DDR2内存芯片MT47H64M16HR |
| 3.1.5 低电压检测器MIC2776 |
| 3.2 视频采集电路硬件结构 |
| 3.3 模拟信号输出电路 |
| 3.4 电源电路 |
| 3.5 其他外围电路 |
| 3.6 本章小结 |
| 第4章 软件开发环境搭建 |
| 4.1 交叉编译环境介绍 |
| 4.2 软件包安装 |
| 4.3 U-BOOT和LINUX的内核移植 |
| 4.4 本章小结 |
| 第5章 电站锅炉火焰图像采集及分析装置的软件架构 |
| 5.1 TMS320DM368启动过程分析 |
| 5.2 线程与进程 |
| 5.3 电站锅炉火焰图像采集及分析装置的主体程序设计 |
| 5.3.1 主线程程序分析 |
| 5.3.2 控制线程软件设计 |
| 5.3.3 视频处理线程和视频采集线程 |
| 5.3.4 线程调度 |
| 5.3.5 字符设备驱动程序 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 前景展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（3）基于FPGA的光谱图像实时处理技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景和意义 |
| 1.2 高级生产力开发技术 |
| 1.3 基于FPGA图像处理的国内外研究现状 |
| 1.4 论文研究的内容 |
| 1.4.1 主要研究内容 |
| 1.4.2 章节结构 |
| 2 FPGA概述 |
| 2.1 FPGA发展现状 |
| 2.2 FPGA一般开发流程 |
| 2.2.1 FPGA芯片结构 |
| 2.2.2 流水线设计 |
| 2.2.3 并行处理 |
| 2.3 FPGA高级开发技术现状和趋势 |
| 2.4 本章小结 |
| 3 高级生产力开发技术 |
| 3.1 基于System Generator的DSP系统设计 |
| 3.1.1 System Generator的特点 |
| 3.1.2 Xilinx Blockset库 |
| 3.1.3 生成Verilog或VHDL代码 |
| 3.1.4 system generator设计流程 |
| 3.1.5 System Generator的缺点 |
| 3.2 Vivado系统级设计 |
| 3.2.1 HLS设计的基本流程 |
| 3.2.2 HLS的C语言到RTL的综合过程 |
| 3.2.3 HLS实现图像算法三种存储结构 |
| 3.2.4 Vivado HLS的优化策略 |
| 3.3 本章小结 |
| 4 Zynq处理系统硬件加速器的设计 |
| 4.1 HLS综合流程及结果 |
| 4.2 创建加速器从属接口 |
| 4.3 本章小结 |
| 5 HLS在火焰检测算法中的应用 |
| 5.1 火焰检测研究的背景和意义 |
| 5.2 单帧图像算法的研究 |
| 5.2.1 图像算法的研究 |
| 5.2.2 面积和速度转换思想 |
| 5.2.3 Vivado HLS实现结果 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 |
| 在校期间发表的论文及研究成果 |
（4）地铁指挥中心火灾自动报警系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 国内外的研究现状及发展趋势 |
| 1.2.1 火灾探测技术的研究现状及发展趋势 |
| 1.2.2 火灾自动报警系统的研究现状及发展趋势 |
| 1.3 课题的研究内容 |
| 1.4 课题的技术路线 |
| 第2章 地铁指挥中心火灾自动报警系统的相关理论和技术 |
| 2.1 火灾自动报警系统的概述 |
| 2.1.1 火灾自动报警系统的简介 |
| 2.1.2 可视火灾自动报警系统的简介 |
| 2.2 地铁指挥中心火灾自动报警系统实现的关键技术 |
| 2.2.1 地铁指挥中心可视火灾探测算法 |
| 2.2.2 基于多点探测的火源空间定位技术 |
| 2.2.3 多传感器融合检测技术 |
| 2.2.4 水炮自动化技术 |
| 2.2.5 故障检测及容错技术 |
| 2.3 本章小结 |
| 第3章 地铁指挥中心火灾自动报警系统中的可视火焰探测算法 |
| 3.1 基于快速支持向量机的可视火焰探测算法 |
| 3.1.1 可视火焰识别系统的工作流程 |
| 3.1.2 火焰特征的选择 |
| 3.1.3 核函数的选择 |
| 3.1.4 惩罚因子的确定 |
| 3.1.5 实验结果分析 |
| 3.2 基于颜色模型和稀疏表示的可视火焰探测算法 |
| 3.2.1 特征字典的设计 |
| 3.2.2 火焰识别算法 |
| 3.2.3 仿真实验与分析 |
| 3.3 本章小结 |
| 第4章 地铁指挥中心火灾自动报警系统的详细设计与实现 |
| 4.1 地铁指挥中心火灾自动报警系统的总体架构 |
| 4.1.1 地铁指挥中心火灾自动报警系统的运行流程 |
| 4.1.2 地铁指挥中心火灾自动报警系统的总体架构 |
| 4.1.3 地铁指挥中心火灾自动报警系统的软硬件架构 |
| 4.1.4 地铁指挥中心火灾自动报警系统的运行方式 |
| 4.2 地铁指挥中心火灾自动报警系统的详细设计 |
| 4.2.1 硬件的设计方案 |
| 4.2.2 软件的设计方案 |
| 4.3 地铁指挥中心火灾自动报警系统的实现 |
| 4.4 本章小结 |
| 第5章 系统的测试 |
| 5.1 测试目的和原理 |
| 5.1.1 测试目的 |
| 5.1.2 测试原理 |
| 5.2 测试方法与结果 |
| 5.3 本章小结 |
| 第6章 全文总结与未来展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
（5）基于嵌入式的垃圾焚烧炉火焰燃烬点检测器的研制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 嵌入式技术概述 |
| 1.3 火焰图像检测的研究现状 |
| 1.4 研究目标和主要内容 |
| 1.5 本章小结 |
| 第2章 火焰燃烬点检测器的系统方案设计 |
| 2.1 垃圾焚烧炉的工艺流程和控制要求 |
| 2.1.1 垃圾焚烧炉的工艺 |
| 2.1.2 垃圾焚烧炉的控制要求 |
| 2.2 检测器的设计要求 |
| 2.3 检测器硬件方案设计 |
| 2.3.1 方案的选择与比较 |
| 2.3.2 方案的整体架构 |
| 2.4 检测器软件方案设计 |
| 2.4.1 操作系统的选择 |
| 2.4.2 软件系统的架构 |
| 2.5 本章小结 |
| 第3章 检测器的硬件系统设计 |
| 3.1 主处理器模块设计 |
| 3.1.1 主处理器介绍 |
| 3.1.2 最小系统设计 |
| 3.2 图像采集模块设计 |
| 3.2.1 视频解码电路设计 |
| 3.2.2 数据缓存器模块设计 |
| 3.3 模拟量输出模块设计 |
| 3.4 存储模块设计 |
| 3.4.1 DDR2存储器电路设计 |
| 3.4.2 NAND FLASH电路设计 |
| 3.4.3 SD卡接口电路设计 |
| 3.5 液晶显示模块设计 |
| 3.6 通讯模块设计 |
| 3.6.1 USB接口电路设计 |
| 3.6.2 RS485接口电路设计 |
| 3.6.3 以太网接口电路设计 |
| 3.7 电源模块设计 |
| 3.8 本章小结 |
| 第4章 垃圾焚烧炉火焰图像的处理和分析 |
| 4.1 火焰图像的灰度处理 |
| 4.2 火焰图像的噪声抑制 |
| 4.2.1 均值滤波 |
| 4.2.2 中值滤波 |
| 4.3 火焰图像的分割 |
| 4.3.1 双峰法 |
| 4.3.2 最小误差法 |
| 4.3.3 最大类间方差法 |
| 4.4 火焰图像的形态学处理 |
| 4.4.1 数学形态学概述 |
| 4.4.2 膨胀和腐蚀 |
| 4.4.3 开运算和闭运算 |
| 4.5 火焰燃烬点的分析 |
| 4.6 本章小结 |
| 第5章 检测器的软件系统设计 |
| 5.1 操作系统的实现 |
| 5.1.1 Linux系统的实现 |
| 5.1.2 DSP/BIOS系统的实现 |
| 5.2 应用软件设计 |
| 5.2.1 应用软件的开发环境 |
| 5.2.2 应用软件的开发流程 |
| 5.2.3 应用软件的实现 |
| 5.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（6）基于DSP的图像型火灾探测系统的研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.1.1 传统火灾探测报警技术 |
| 1.1.2 图像型火灾探测技术的提出 |
| 1.2 国内外研究状况和发展趋势 |
| 1.2.1 图像型火灾探测技术的国内外研究现状 |
| 1.2.2 图像型火灾探测技术的发展方向 |
| 1.3 论文主要内容和结构安排 |
| 第2章 火灾探测系统平台模块化设计 |
| 2.1 图像处理模块 |
| 2.2 图像采集模块 |
| 2.2.1 CCD摄像机及滤光片 |
| 2.2.2 火焰图像的采集 |
| 2.3 系统存储模块 |
| 2.3.1 TMS320DM642的外部存储空间的分配与管理 |
| 2.3.2 外部扩展同步存储器的设计 |
| 2.3.3 外部扩展异步存储器的设计 |
| 2.3.4 CPLD功能及其寄存器地址说明 |
| 2.4 待处理图像的存储方式 |
| 2.5 本章小结 |
| 第3章 火灾图像的预处理及其DSP实现 |
| 3.1 图像的二值化及其DSP实现 |
| 3.1.1 图像二值化方法 |
| 3.1.2 火焰图像二值化的DSP实现 |
| 3.2 图像的连通域标记及其DSP实现 |
| 3.2.1 基于区域增长的图像连通域标记 |
| 3.2.2 火焰图像连通域标记的DSP实现 |
| 3.3 基于连通域的图像滤波及其DSP实现 |
| 3.3.1 基于连通域滤波方法的提出 |
| 3.3.2 火焰图像滤波的DSP实现 |
| 3.4 本章小结 |
| 第4章 早期火灾图像的识别及其DSP实现 |
| 4.1 早期火灾图像的特征 |
| 4.1.1 火焰面积变化率 |
| 4.1.2 火焰的相对稳定性 |
| 4.1.3 火焰的圆形度 |
| 4.1.4 火焰的尖角特性 |
| 4.2 火灾图像特征值提取的DSP实现 |
| 4.2.1 相邻帧之间的特征值计算 |
| 4.2.2 火焰的圆形度计算 |
| 4.2.3 火焰尖角标记 |
| 4.3 火焰图像的识别 |
| 4.3.1 BP神经网络概述 |
| 4.3.2 BP神经网络的设计 |
| 4.3.3 BP神经网络的训练 |
| 4.3.4 BP神经网络的DSP实现 |
| 4.4 本章小结 |
| 第5章 基于DSP火灾探测系统的实现与验证 |
| 5.1 火灾探测系统的硬件实现 |
| 5.2 火灾探测系统的软件实现 |
| 5.3 火灾探测系统的验证与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文和取得的科研成果 |
| 致谢 |
（7）图像型火灾探测系统的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外火灾探测技术研究现状 |
| 1.2.1 传统火灾探测技术 |
| 1.2.2 图像型火灾探测技术 |
| 1.2.3 国内外研究现状存在的不足 |
| 1.3 图像型火灾探测系统简介 |
| 1.3.1 基于计算机视觉的视频火灾探测系统 |
| 1.3.2 火灾图像处理 |
| 1.4 本文的主要工作和内容安排 |
| 1.4.1 主要研究工作 |
| 1.4.2 论文内容安排 |
| 2 图像型火灾探测系统硬件平台 |
| 2.1 处理器的选择 |
| 2.2 视频火灾探测系统硬件结构的设计 |
| 2.2.1 视频采集模块 |
| 2.2.2 外部存储器模块 |
| 2.2.3 GSM 火灾报警模块 |
| 2.2.4 以太网通信模块 |
| 2.3 本章小结 |
| 3 图像型火灾探测系统软件设计 |
| 3.1 TI 开发平台 CCS |
| 3.2 系统软件运行平台 |
| 3.2.1 DSP/BIOS 实时操作系统内核 |
| 3.2.2 RF5 程序参考框架 |
| 3.3 系统软件架构设计 |
| 3.3.1 视频采集任务软件开发 |
| 3.3.2 检测算法处理任务软件开发 |
| 3.3.3 网络通信功能开发 |
| 3.4 本章小结 |
| 4 火灾探测算法的研究和 GSM 火灾报警功能的开发 |
| 4.1 火灾探测算法的研究 |
| 4.1.1 基于运动目标的火焰分割方法 |
| 4.1.2 火灾探测系统中算法存在问题分析 |
| 4.1.3 基于单高斯-动态特征的图像型火灾探测方法 |
| 4.1.4 单高斯-动态特征方法的测试及分析 |
| 4.2 GSM 火灾报警功能的实现 |
| 4.2.1 GSM 火灾报警软件实现及工作流程 |
| 4.3 系统程序开发中的主要问题 |
| 4.4 程序加载 |
| 4.5 本章小结 |
| 5 系统实验与测试 |
| 5.1 系统工作原理 |
| 5.2 系统功能测试 |
| 5.2.1 系统功能测试方案 |
| 5.2.2 系统功能测试的统计结果 |
| 5.3 抗干扰测试 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文完成的主要工作 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（8）基于TMS320DM6446的火灾探测系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 传统火灾探测技术 |
| 1.3.2 图像型火灾探测技术 |
| 1.4 研究的主要内容 |
| 1.5 基于DM6446火灾探测系统检测流程 |
| 1.6 论文结构安排 |
| 2 火灾图像识别的算法及过程 |
| 2.1 基于RGB颜色空间的火焰提取 |
| 2.1.1 RGB颜色空间 |
| 2.1.2 火焰在RGB空间的特点和火焰的提取 |
| 2.2 基于YCbCr颜色空间的火焰特征提取 |
| 2.2.1 YCbCr颜色空间 |
| 2.2.2 火灾火焰在YCbCr颜色空间的特征 |
| 2.2.3 基于YCbCr颜色空间的火焰提取 |
| 2.3 火灾火焰特征分析和提取及识别过程 |
| 2.3.1 火焰的颜色特征 |
| 2.3.2 火焰的形状特征 |
| 2.3.3 火灾识别过程 |
| 3 TMS320DM6446 结构特点 |
| 3.1 主控芯片TMS320DM6446概述 |
| 3.2 DM6446上的ARM核介绍 |
| 3.3 DM6446上的DSP核介绍 |
| 3.4 视频处理子系统 |
| 4 基于DM6446火灾探测系统软件平台搭建及其编程基础 |
| 4.1 嵌入式Linux交叉编译及开发环境配置 |
| 4.2 引导内核程序U-Boot |
| 4.3 Linux 内核 |
| 4.4 嵌入式文件系统 |
| 5 DM6446下Codec Engine双核开发技术 |
| 5.1 Codec Engine技术使用的工具 |
| 5.1.1 XDC |
| 5.1.2 xDAIS 接口标准 |
| 5.1.3 DSP/BIOS |
| 5.2 开发技术和流程 |
| 5.2.1 算法的封装与建立Codec Engine包 |
| 5.2.2 Server包的建立与编译 |
| 5.2.3 应用程序对算法的调用 |
| 6 基于DM6446的火灾探测系统硬件和软件设计 |
| 6.1 硬件系统介绍 |
| 6.2 ARM端程序设计 |
| 6.2.1 视频图像采集线程 |
| 6.2.2 视频图像处理线程 |
| 6.2.3 图像显示线程 |
| 6.3 DSP端软件设计 |
| 7 实验结果与分析 |
| 7.1 Matlab仿真实验结果分析 |
| 7.2 基于DM6446嵌入式平台上面的实验结果分析 |
| 8 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
（9）基于BF561的火焰识别系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 嵌入式火焰识别技术的发展状况 |
| 1.2.1 基于 ARM 的火焰识别系统 |
| 1.2.2 基于 FPGA 的火焰识别系统 |
| 1.2.3 基于 DSP 的火焰识别系统 |
| 1.3 论文章节安排 |
| 第二章 基于视频图像处理的火焰识别技术 |
| 2.1 视频图像处理的基本理论研究 |
| 2.1.1 模拟视频信号标准 |
| 2.1.2 模拟视频信号的数字化 |
| 2.2 火焰的视觉特征及分析方法 |
| 2.2.1 火焰的视觉特征 |
| 2.2.2 特征分类方法 |
| 2.2.3 火焰识别算法的分层模型 |
| 2.3 火焰区域分割 |
| 2.3.1 运动目标检测技术 |
| 2.3.2 图像的二值化 |
| 2.3.3 基于颜色特征的像素分类 |
| 2.4 火焰区域特征提取 |
| 2.4.1 灰度形态学处理 |
| 2.4.2 特征提取 |
| 2.4.3 火焰标定 |
| 2.5 本章小节 |
| 第三章 火焰识别系统硬件设计 |
| 3.1 系统构成及原理 |
| 3.2 BF561 处理器简介 |
| 3.2.1 BF561 的存储器结构 |
| 3.2.2 DMA 控制器 |
| 3.2.3 PPI 接口 |
| 3.3 视频采集与输出模块 |
| 3.3.1 图像传感器 |
| 3.3.2 视频采集电路 |
| 3.3.3 视频输出电路 |
| 3.4 存储器模块 |
| 3.4.1 SDRAM 存储器 |
| 3.4.2 FLASH 存储器 |
| 3.5 电源模块 |
| 3.5.1 12V/5V 电源电路 |
| 3.5.2 视频编解码器电源电路 |
| 3.5.3 处理器电源电路 |
| 3.6 控制台接口模块 |
| 3.7 本章小节 |
| 第四章 火焰识别系统软件设计 |
| 4.1 集成开发环境 CCES |
| 4.2 系统软件流程 |
| 4.3 视频采集与输出程序 |
| 4.3.1 系统初始化 |
| 4.3.2 视频采集 |
| 4.3.3 视频输出 |
| 4.3.4 中断服务程序 |
| 4.4 算法移植与优化 |
| 4.4.1 算法移植 |
| 4.4.2 DSP 程序优化 |
| 4.5 本章小节 |
| 第五章 火焰识别系统测试 |
| 5.1 系统测试及结果分析 |
| 5.2 本章小节 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 硕士期间研究成果 |
（10）基于DaVinci平台的除尘风机自动控制系统（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 摘要 |
| 1.1 课题背景和研究意义 |
| 1.2 研究现状和发展趋势 |
| 1.3 嵌入式图像处理系统的发展 |
| 1.3.1 嵌入式图像处理系统特点 |
| 1.3.2 嵌入式图像处理系统的应用 |
| 1.4 本文的研究内容和主要创新点 |
| 1.5 章节安排 |
| 1.6 本章小结 |
| 第二章 控制系统方案设计与硬件实现 |
| 摘要 |
| 2.1 引言 |
| 2.2 控制系统方案 |
| 2.3 硬件平台方案 |
| 2.4 图像单元电路设计 |
| 2.4.1 图像采集单元 |
| 2.4.2 图像输出单元 |
| 2.5 硬件平台电源电路设计 |
| 2.6 硬件平台通用外围电路设计 |
| 2.6.1 振动信号调理电路 |
| 2.6.2 AD采样电路 |
| 2.6.3 RS232接口电路 |
| 2.6.4 RS485通信电路 |
| 2.6.5 以太网接口和存储电路 |
| 2.7 硬件平台测试 |
| 2.8 本章小结 |
| 第三章 烟气图像特征提取 |
| 摘要 |
| 3.1 引言 |
| 3.2 废杂铜冶炼工艺 |
| 3.3 灰度特征提取 |
| 3.4 纹理特征提取 |
| 3.4.1 频谱计算的方法 |
| 3.4.2 边缘检测的方法 |
| 3.4.3 灰度共生矩阵的方法 |
| 3.4.4 最优纹理特征方法的选取 |
| 3.5 运动特征提取 |
| 3.5.1 运动特征提取方法 |
| 3.5.2 GMM算法模型 |
| 3.5.3 运动特征提取步骤 |
| 3.6 烟气图像特征提取流程 |
| 3.7 本章小结 |
| 第四章 烟气浓度分级模型 |
| 摘要 |
| 4.1 引言 |
| 4.2 特征值数据分析及预处理 |
| 4.2.1 特征值数据分析 |
| 4.2.2 特征值预处理 |
| 4.3 基于支持向量机的烟气浓度分级模型 |
| 4.3.1 SVM分类器模型 |
| 4.3.2 SVM多类分类器 |
| 4.3.3 参数选取 |
| 4.3.4 建模步骤 |
| 4.3.5 实验及结果分析 |
| 4.4 基于模糊聚类的烟气浓度分级模型 |
| 4.4.1 模糊聚类算法 |
| 4.4.2 半监督模糊聚类算法 |
| 4.4.3 建模步骤 |
| 4.4.4 实验及结果分析 |
| 4.5 基于烟气浓度分级模型的风机控制 |
| 4.5.1 最优转速标定 |
| 4.5.2 控制步骤 |
| 4.5.3 工业验证 |
| 4.6 本章小结 |
| 第五章 控制系统软件设计与实现 |
| 摘要 |
| 5.1 引言 |
| 5.2 ARM端软件设计 |
| 5.2.1 软件平台搭建 |
| 5.2.2 多线程架构设计 |
| 5.2.3 多线程同步与通信 |
| 5.3 ARM核和DSP核通信 |
| 5.3.1 内存空间的共享 |
| 5.3.2 应用层的通信实现 |
| 5.3.3 驱动层的通信实现 |
| 5.4 DSP端软件设计 |
| 5.4.1 控制系统算法实现 |
| 5.4.2 算法优化 |
| 5.5 控制系统效果 |
| 5.5.1 软件测试效果 |
| 5.5.2 节能效果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者攻读硕士学位期间的科研成果 |
四、一种基于DSP实现火焰检测的方法（论文参考文献）
- [1]基于物联网技术的图像火焰检测系统设计[D]. 朱佩毅. 西安电子科技大学, 2020(05)
- [2]电站锅炉火焰图像采集及分析装置[D]. 张皓. 华北电力大学(北京), 2018(05)
- [3]基于FPGA的光谱图像实时处理技术研究[D]. 袁博. 中国科学院大学(中国科学院西安光学精密机械研究所), 2016(04)
- [4]地铁指挥中心火灾自动报警系统的设计与实现[D]. 许威. 北京建筑大学, 2016(04)
- [5]基于嵌入式的垃圾焚烧炉火焰燃烬点检测器的研制[D]. 赵文强. 青岛科技大学, 2016(08)
- [6]基于DSP的图像型火灾探测系统的研究与设计[D]. 吴丰硕. 哈尔滨工程大学, 2016(03)
- [7]图像型火灾探测系统的研究与设计[D]. 杨博. 西安建筑科技大学, 2014(07)
- [8]基于TMS320DM6446的火灾探测系统研究[D]. 阳玉文. 中南林业科技大学, 2014(02)
- [9]基于BF561的火焰识别系统[D]. 王嘉成. 西安电子科技大学, 2014(11)
- [10]基于DaVinci平台的除尘风机自动控制系统[D]. 陈文伟. 浙江大学, 2013(08)
标签：火灾自动报警系统论文; 火焰传感器论文; dsp论文; 图像融合论文;