一、研究的背景、目的和意义

（一）研究背景

研究目的近些年来，为了满足不断增长的市场需求，养鸡场的规模不断扩大，但同时也出现了诸多问题[1]。由于养鸡场一般规模较大，建筑结构多为钢结构或木质框架，这些材料易燃；而且养鸡场内储存大量饲料、药品及其他易燃物品，鸡舍内的温湿度管理要求较高，很容易发生火灾，如果不能立刻发现并补救，会造成巨大的经济损失。然而在养鸡场内，火灾发生的初期常常没有明显的征兆，传统的人工巡查无法做到全天候、全方位的监控，尤其是在大规模的养殖场中。就导致很难及时发现并采取补救措施。这种情况直到目前为止依旧还是经常发生，为了避免火灾险情，研究并设计一种高效、智能的火灾监测与自动喷淋系统显得尤为重要。目前，该系统的应用在养殖业中已取得了一定的进展。传统的火灾监控系统多依赖于烟雾探测器、温度传感器等基础设备，配合人工监控和响应机制[1]。然而，这些系统的响应速度较慢，且依赖人工干预，存在一定的盲区，难以实现实时的预警和自动化响应。近年来，随着物联网技术、人工智能、大数据等先进技术的引入，火灾监控系统在养殖场的应用逐渐向智能化、自动化方向发展[2]。传感器采集的数据通过 Wi-Fi传输至手机APP并实现对消防通道，消防阀门等设备进行控制，方便管理，能够实现对潜在火灾风险的精准监控和智能预警。

• 研究目的

    养鸡场作为畜禽养殖的重要场所，一旦发生火灾，将对鸡群和饲养人员构成极大的威胁。火灾不仅会造成鸡群的直接死亡，还会产生浓烟和有毒气体，进一步加剧对鸡群和人员的伤害。因此，研究养鸡场火灾监测与喷淋系统的主要目的是实时监测火灾隐患，及时发出警报，以便饲养人员能够迅速采取措施，保护鸡群和自身的生命安全。减少火灾的发生概率，从而降低经济损失。同时，在火灾发生时，系统能够迅速启动灭火装置，有效控制火势，进一步减少损失。此外，随着科技的不断发展，智能化、信息化已经成为畜禽养殖业的发展趋势。养鸡场火灾监测与喷淋系统的研究与应用，不仅符合这一发展趋势，还能够为养鸡场提供更加便捷、高效的火灾防控与处理手段，提升养鸡场的整体运营效率和管理水平。综上所述，养鸡场火灾监控系统的研究目的具有深远的意义，不仅关乎鸡群的生命安全和养鸡场的经济效益，更是推动畜禽养殖业智能化、信息化发展的重要举措。

• 研究意义

    系统的研究通过实时监测养鸡场内的火灾隐患，能够迅速发现火警并发出警报开启喷淋系统处理火灾险情，可以提升火灾预防与应急响应能力，火灾监控系统能够迅速发现火情，减少鸡群因火灾造成的伤亡，保护养殖业的资产安全，为饲养人员争取宝贵的逃生和灭火时间，有效减少火灾带来的经济损失和人员伤亡。养鸡场火灾检测与喷淋系统的研究与应用，是推动畜禽养殖业智能化、信息化发展的重要一环。通过引入先进的传感器技术、数据处理技术和自动化控制技术，系统能够实时监测养鸡场内的火灾隐患，提高火灾预警的准确性和可靠性。这不仅有助于提升养鸡场的安全管理水平，还能为畜禽养殖业的转型升级提供有力支持。此外，养鸡场火灾监控系统的研究还具有深远的社会意义。通过减少火灾事故的发生，系统有助于保障人民群众的生命财产安全，维护社会稳定。同时，系统的应用还能够促进畜禽养殖业的绿色发展，减少火灾对环境的污染和破坏，实现畜禽养殖业的可持续发展。

二、国内外文献综述

（一）国内研究现状、

关于养鸡场火灾监控系统的国内文献综述相对较少，但可以从火灾报警系统、无线传输技术、智能化监控等角度进行归纳和总结。以下是一些与养鸡场火灾监控系统相关的国内文献综述：

借助人工智能、大数据、物联网等新兴科学技术的发展与国家政策的大力支持，国内学者开始了智慧火灾监控系统的研究与探索中来，王博强等人利用有限线性调频Z变换（CZT）算法[3]，将多个红外热释电传感器的时域信号转换成频域信号，并由累加模值与预设阈值对比，从而判断是否发生火灾。

唐万利提出一种基于WiFi网络信道状态识别火灾烟雾的算法[4]，通过烟雾在WiFi信号传输的过程中产生的散射与反射作用，而引起的信道状态特征变化，并结合机器学习的方式对特征进行分类，从而识别出火灾，单一火灾特征参数的火灾识别与相关算法结合，虽然能一定程度上提高火灾的识别率，但是由于信息量匮乏容易出现误报、漏报的情况，针对该问题有学者提出采用多数据融合的解决方案，张志华]等人火焰、烟雾、一氧化碳、二氧化碳为特征因子，基于MATLAB，采用人工神经算法PNN对多传感器采集的数据进行训练和测试[5]，结果证明多传感器数据融合对火灾识别的准确度高于单一参量的火灾探测器。

贾年等人采用BP神经网络算法将多传感器数据进行融合，并结合相关判断规则对火灾进行识别，解决单一传感器误报率、漏报率及延时性高的问题[6]。多传感器融合技术在解决单一传感器误报、漏报的问题上虽然具有较好的效果，但由于传统传感器为接触式探测，仍然存在实时性不足的问题，因此有学者提出图像识别技术，贾洁提出一种基于HIS颜色模型与二维离散小波变换的火灾烟雾识别算法[7]，在HIS颜色模型对采集到图像进行烟雾区域分割的基础上，通过烟雾的相关系数、形状及半透明性等特征分析，判断是否存在烟雾。

卞永明运用RGB与HIS颜色模型结合对图像进行火焰区域判断，采用基于加 权欧式距离的算法对图像进行灰度化处理，由Kmeans++颜色聚类分割出火焰区域，并结合火焰特征分析识别火焰，提高火灾识别的精度与实时性[8]。同时也有学者提出了结合人工智能、大数据分析、物联网技术搭建火灾监控系统，缪绪武以YC市为研究对象，分析了YC市火灾监控系统与物联网技术发展的现状，并在功能性需求和非功能性需求上进一步分析。通过系统功能的描述、具体应用实例的描述以及数据的组建，设计出信息高度共享，多部门联动，消防事故实时监控，实现及时预警和提高消防救灾效率的基于物联网的消防安全管理服务平台。

由此以上研究，可知火灾监控系统发展的较为成熟，在养鸡场内运用火灾监控系统可以更好的预防和监控火灾。

• 国外研究现状

火灾探测作为火灾监控系统的核心领域，主要通过传感器或者图像设备对环境中存在的火灾特征因子进行探测实现的，常用的特征因子包括：温湿度、烟雾、烟雾图像、火焰光、火焰图像、气体等，Andrew Allan等人提出利用了现成的气体传感器，灰尘颗粒和环境传感器（例如温度和湿度传感器）[9]，测量早期从各种火源和建筑建材散发出的气体或“气味”，运用（PCA）（一种降维技术）与混合PCA-PNN的方法对这些特征气味进行进一步分析来识别火灾。Baek Jaeseung等人提出了通过不同位置的多传感器对环境进行监测[10]，运用动态时间扭曲距离度量来评估传感器信号的相似性 ，并基于k-out-of-P火灾投票规则自适应地选择对火灾早期探测至关重要的传感器，有效地结合了P个多通道传感器信号的决策规则，最终识别出火灾的发生。Sarwar Barera等人提出基于物联网和自适应神经模糊推理系统的智能火灾预警应用[11]。该系统通过自适应神经系统（ANFIS）来计算烟雾变化率、温度变化率、着火时保持湿度和湿度来深度学习和分析火灾，从而识别火灾。以上文献主要基于传统传感器的方式探测识别火灾，也有一些学者通过图像识别技术来识别火灾，Fengju Bu等人研究了一种基于智能和视觉的火灾探测系统 [12]，运用卷积神经网络，颜色模型和模糊逻辑等智能技术对采集到的图像数据进行分析处理，实现了在各种环境中检测火灾发生。Kaabi Rabeb等人采用高斯混合模型（GMM）捕获包含大量运动的图像帧[13]，将RGB规则应用于烟雾像素，分析烟雾区域的能量姿态，提取特征，并将其反馈给DBN进行分类，通过识别火灾中烟雾的方式识别火灾。除此之外还有学者对火灾报警系统模型做了深入研究，Ranjit Kumar Behera等人提出了集中式异构物联网服务系统（CHISS）模型[14]，强调了面向服务，云基础架构为重点，云计算服务用于物联网操作所需的计算和数据存储的平台，建立了智能火灾报警系统。通过物联网和运输局平台可以把火灾监控系统更好的运用在养鸡场内，以实现对养鸡场内环境的实时监测，预防火灾险情。[15]。

通过以上文献为依据，我们可以在养鸡场内使用该系统。未来，可以进一步加强对养鸡场火灾监控系统的研究和开发，提高系统的智能化水平和自适应能力，以更好地满足农业设施的安全需求。   

三、研究的主要内容和拟采用的研究方法

• 研究内容

本课题就养鸡场火灾监测与喷淋系统的实际需求展开分析设计。具体研究从以下几个方面展开：

1. 养鸡场火灾监测与喷淋系统的用户需求分析：

     一、功能需求分析

功能需求侧重于系统必须具备的功能、任务和操作流程。对于养鸡场火灾监测与喷淋系统，主要功能需求可以分为以下几个方面

1.火灾探测与报警功能

烟雾、温度、气体监测：系统必须集成多种类型的传感器，如烟雾传感器、温度传感器、气体传感器等，实时监测养鸡场各区域的环境变化。一旦监测到异常（如温度过高、烟雾浓度增加或有有害气体泄漏等），即触发报警。

2.实时监控与远程访问

实时数据采集与显示：系统需要实时显示各区域的环境数据，如温度、湿度、烟雾浓度等，供养鸡场工作人员查看。

远程监控：为了应对24小时不间断的养殖场管理需求，系统必须支持远程监控。管理者可以通过手机APP、电脑或平板等设备远程查看现场数据并接收报警信息。

3.联动性

火灾监测系统应与喷淋系统、通风系统等其他消防设施实现联动。当火灾发生时，系统能够自动触发喷淋系统，同时启动通风系统以降低烟雾浓度。

二、性能需求分析

1.实时性和响应速度

实时数据采集：系统应具备实时采集各个传感器的数据，通常响应延迟不应超过1-2秒，确保及时监控养鸡场的状态。

快速报警反应：系统从检测到火灾风险到触发报警的响应时间应尽可能短，最大限度地减少火灾初期的危害。报警触发时间应在几秒内，立即开启喷淋系统，并确保第一时间通知工作人员。

2.系统可靠性与稳定性

高稳定性：系统必须在24小时不间断工作条件下稳定运行，不出现死机、崩溃等故障，确保养鸡场在任何时候都能得到有效监控。

1. 养鸡场火灾监测与喷淋系统的总体设计：

一、感知层设计

系统通过读取温湿度、烟雾浓度、火焰传感器数据的采集。硬件部分主要采用STM32开发板连接各个传感器，并将收集到的数据显示在云平台上。该层的主要任务是通过传感器节点的采集功能实现对所获取数据的及时传输并转化为控制平台可分析处理的数字信息。

二、网络层设计

该层主要采用Wi-Fi模块将数据上发至云平台。

三、应用层设计

应用层主要采用联网云平台进行设计，将开发板上传的数据流进行图形化展示，便于管理者随时查看到监测数据，判断是否有火灾发生，同时实现对相关设备的远程操作。整体设计如图1所示：

图1 整体设计图

1. 养鸡场火灾监测与喷淋系统的功能实现：

     养鸡场火灾监测与喷淋系统通过集成烟雾、温度和火焰探测器，实时监测养鸡场内的火灾风险，一旦探测到异常，立即触发现场声光报警器和远程报警装置，同时自动启动灭火设备并调控环境，确保人员安全疏散。系统还支持远程访问和管理，管理人员可实时查看数据、接收报警并远程操作，且具备故障自检与诊断功能，确保系统稳定运行。这些功能的综合实现，为养鸡场提供了全面、高效的火灾监控与应急响应能力。

1. 养鸡场火灾监测与喷淋系统的测试与分析：

   在养鸡场火灾监测与喷淋设计完成后，需要通过测试与分析来检测是否可以有效使用。测试与分析是一个综合性过程，包括外观检查、功能测试、联动测试、电源测试和线路测试等多个环节，旨在全面评估系统的性能和可靠性。通过收集测试数据、分析故障原因并提出优化建议，确保系统在火灾发生时能够及时发出报警并启动相应的消防设备，为养鸡场提供有效的火灾联动性：火灾监测系统应与喷淋系统、通风系统等其他消防设施实现联动。当火灾发生时，系统能够自动触发喷淋系统，同时启动通风系统以降低烟雾浓度。联动性：火灾监测系统应与喷淋系统、通风系统等其他消防设施实现联动。当火灾发生时，系统能够自动触发喷淋系统，同时启动通风系统以降低烟雾浓度。防控保障。

• 研究方法

1.调查研究法

调查研究法通过考察了解客观情况直接获取有关材料，并对调查搜集到的资料进行分析、综合、比较、归纳，整合出适合本课题所需要的内容。

2.模拟实验法

是通过模拟养鸡场火灾场景，对火灾报警系统进行实验测试。在实验中，可以模拟不同的火灾类型、火势大小和蔓延速度等条件，观察系统的响应时间和报警准确性。通过模拟实验，可以对系统的性能进行全面评估，发现潜在的问题并进行优化改进。

1. 数据分析法

   数据分析法是通过收集和分析养鸡场的历史火灾数据、探测器报警数据等，对火灾报警系统的设计进行优化。通过对数据的分析，可以了解火灾发生的规律和特点，以及探测器的报警性能和准确性。这些数据可以为系统的设计和优化提供有力的支持。

   养鸡场火灾报警系统的具体设计方法结合了需求分析、技术选型、系统架构设计、设备布置与测试优化等多个步骤。首先，通过详细的需求分析，明确监测区域、报警需求和环境因素；其次，根据需求选择适合的火灾探测器、控制器、报警装置及通信设备，并设计合理的系统架构和探测器布置方案；最后，通过全面的功能测试、稳定性测试以及根据测试结果的优化调整，确保系统能够准确、迅速地发出报警信号，为养鸡场提供可靠的火灾防控保障。

四、研究进度安排

2024年10月29日至2024年12月07日，撰写开题报告，进行开题答辩，开题报告定稿；

2024年12月08日至2025年03月10日，在教师指导下，进行学习、调研、实验、设计等；

2025年03月11日至2025年03月15日，中期检查，包括毕业设计完成情况、技术文档等；

2025年03月16日至2025年03月31日，完成毕业设计初稿，呈指导教师检查；

2025年04月01日至2025年04月25日，完成毕业设计终稿，呈学院检测；

2025年04月26日至2025年05月16日，完成毕业设计定稿，呈校内指导教师评阅教师评阅；

2025年05月17日至2025年05月18日，毕业设计答辩。

五、主要参考文献

[1] 李惠敏;连京华;孙凯;殷若新;刘娟;.家禽环境自动化控制技术研究进展[J].中国家禽,2013(14).

[2] 雷广坤,郝传柱,王庆吉.基于STM32G474和物联网的养鸡场环境监测系统研究[J].现代农业科

技,2024,(20):147-150.

1. 王博强, 张义勇, 齐跃, 等. 基于 CZT 算法的多波段红外火焰探测器设计[J]. 船海工程, 2020, 49(06): 1-4
2. 唐万利. 基于信道状态的烟雾感知技术研究[D], 浙江: 浙江工业大学, 2020

[5] 张志华, 许开立, 李增. 基于 PNN 算法的多传感器火灾探测技术研究[J]. 消防科学与技术, 2017, 36(10): 1404-1406

1. 贾年, 罗晓晖, 成华友. 基于 MSA 的智能火灾报警系统[J]. 西南交通大学学报,2007(04): 452-455
2. 贾洁. 基于多种特征的火灾烟雾检测算法[J]. 价值工程, 2011, 30(18): 191-192
3. 卞永明, 高飞, 李梦如, 等. 结合 Kmeans++聚类和颜色几何特征的火焰检测方法[J]. 中国工程机械学报, 2020, 18(01): 1-6
4. Andrew Allan Melvin, Zakaria Ammar, Mad Saad Shaharil, et al. Multi-stage featureselection based intelligent classifier for classification of incipient stage fire in building[J].Sensors (Basel, Switzerland), 2019, 16(1): 80-85
5. Baek Jaeseung et al. Real-time fire detection system based on dynamic time warping ofmultichannel sensor networks[J]. Fire Safety Journal, 2021, 5(04): 103-111
6. Sarwar Barera, Bajwa Imran Sarwar, Jamil Noreen, etal. An intelligent fire warning，application using iot and an adaptive neuro-fuzzy inference system[J]. Sensors (Basel,Switzerland), 2019, 19(14): 104-108

[12] Fengju Bu, Mohammad Samadi Gharajeh. Intelligent and vision-based fire detection，systems: A survey[J]. Image and Vision Computing, 2019, 91(11): 79-86

[13] Kaabi R, Bouchouicha M, Mouelhi A , et al. An efficient smoke detection algorith，based on deep belief network classifier using energy and intensity features[J].ELECTRONICS, 2020, 9(09): 79-84

[14] Ranjit Kumar Behera, K. Hemant Kumar Reddy, Diptendu Sinha Roy. Modeling and，assessing reliability of service-oriented internet of things[J]. International Journal of，Computers and Applications, 2019, 41(3): 256-261

[15] 郭英军;王莉;尹全昭;任博恒;侯宝帅;.基于物联网云平台的养鸡场智能监控系统研究与开发[J].智慧农业导刊,2022(16).