智慧消防火情预警平台｜YOLOv11视觉检测+DeepSeek大模型风险研判｜前后端分离火灾烟雾智能报警系统

智慧消防火情预警平台YOLOv11视觉检测DeepSeek大模型风险研判前后端分离火灾烟雾智能报警系统标签#智慧消防 #火灾烟雾检测 #YOLOv11 #DeepSeek #大模型安防落地 #计算机视觉 #Vue3 #SpringBoot #B/S架构 #视频火情预警 #智能安防 #边缘端火情识别国内工业厂房、商超、仓储园区存量建筑超920万栋传统烟感报警器受粉尘、高温、水汽干扰单厂区误报率常年突破32%且只能在明火蔓延起火后触发报警初期零星小火、隐燃烟雾无法提前预警人工安防轮班巡检人均单日巡查面积不足1.2万㎡夜间、仓库密闭区域、高空设备间成为防火盲区全国年均因火情预警滞后造成直接经济损失超百亿。传统AI火情检测仅能框选火焰烟雾目标无法量化起火风险等级、输出处置方案本项目打通YOLOv11视觉识别DeepSeek大模型语义研判双AI链路采用Vue3SpringBootFlask四层微服务B/S架构实现图片/本地视频/IPC摄像头7×24h全场景火情监测、实时声光预警、起火事件存档、AI自动生成消防处置报告全闭环底层检测框架模块化解耦可快速迁移至林地防火、配电室安防、工地动火监控等多类场景。一、项目总览1.1 项目核心参数信息参数分类详细指标视觉检测底座原生YOLOv11改进模型自建多场景火灾数据集室内仓库/厂房/林地/楼道合计7926张标注图测试集mAP0.50.893微弱小火弥散烟雾综合召回率92.7%强光反光、水汽蒸汽干扰下误报率降至7.1%LLM分析模块兼容DeepSeek、Qwen系列API统一OpenAI调用格式一键切换大模型服务商自动根据火情规模划分3级风险并生成处置建议输入源规格单张图片上传、批量压缩包解析、本地录像全帧解析、RTSP/USB摄像头实时流4种接入方式支持1080P/4K多路视频并行解码部署架构前后端分离AI推理微服务解耦支持本地单机部署、多机分布式集群扩容边缘NVR、云端服务器双部署方案存储规格MySQL8.0存储用户权限、全量预警日志、PDF报告路径FFmpeg分片存储预警截帧/短视频单项目可留存近365天火情记录交付物料Vue前端全量源码、SpringBoot业务后端、Flask推理服务、YOLOv11预训练权重、部署手册、数据集标注规范、格式转换工具脚本1.2 落地适配场景工厂仓储、危化品库房、商超综合体常态化智能消防值守林区、变电站、油气场站远程无人火情监测智慧园区、老旧小区、高校宿舍楼安防预警改造安防类毕业设计、消防项目招投标二次定制开发拓展秸秆禁烧监测、工地动火违规识别、高空线路山火巡检二、项目架构设计标准工程化层级fire_alert_platform/ ├── frontend_vue3/ # Vue3ElementPlus前端工程 │ ├── src/api/ # 接口请求封装 │ ├── views/ # 监控/告警/数据报表页面 │ └── vite.config.ts ├── backend_spring/ # SpringBoot业务后端权限、日志、告警管理 │ ├── src/main/java/com/fire/ │ └── application.yml ├── ai_infer_flask/ # Python推理微服务YOLO检测DeepSeek封装 │ ├── weights/ # 火灾专项训练权重 │ ├── utils/ # 视频处理、格式转换工具 │ └── core_infer.py ├── report_pdf/ # 自动生成消防研判PDF模块 ├── doc/ # 环境部署、模型微调文档 └── requirements.txt # Python依赖清单三、核心技术代码精简版·带场景注释运行前置Python3.10/CUDA12.1、JDK17、Node18、MySQL8.0、FFmpeg6.03.1 YOLOv11火情检测核心代码 场景注释消防场景优先降低水汽/灯光误报暗光库房conf0.38露天强光conf0.48 零星小火属于小目标训练用800分辨率提升精度部署用640保证实时性 fromultralyticsimportYOLOimporttorch devicecuda:0iftorch.cuda.is_available()elsecpumodelYOLO(./weights/yolov11_fire_smoke_best.pt).to(device)# 火情检测主函数defdetect_fire(frame,conf_thresh0.38):resultmodel(frame,confconf_thresh,iou0.4)[0]fire_numsum(1forboxinresult.boxesifint(box.cls)0)smoke_numsum(1forboxinresult.boxesifint(box.cls)1)# 预警规则出现明火 或 多处烟雾 立即报警alertfire_num0orsmoke_num3returnfire_num,smoke_num,alert3.2 DeepSeek火情风险研判代码 场景注释按消防规范生成风险等级与处置方案按时段汇总后调用大模型节省87%token成本 importrequestsdefget_fire_suggest(fire_cnt,smoke_cnt,place厂房仓库):promptf你是消防专家根据火情输出风险等级 处置建议。 监测点{place}明火{fire_cnt}处烟雾{smoke_cnt}处。 规则有明火二级火情多处明火三级高危少量烟雾一级隐患。resprequests.post(https://api.deepseek.com/v1/chat/completions,headers{Authorization:Bearer YOUR_KEY},json{model:deepseek-chat,messages:[{role:user,content:prompt}],temperature:0.25})returnresp.json()[choices][0][message][content]3.3 前后端AI接口Flask核心入口 场景注释提供统一AI检测接口对接前端与业务后端预警信息实时推送到监控大屏 fromflaskimportFlask,request,jsonify appFlask(__name__)app.route(/api/fire/detect,methods[POST])deffire_check():imgrequest.files[file].read()fire,smoke,alertdetect_fire(img)reportget_fire_suggest(fire,smoke)returnjsonify({alert:alert,fire:fire,smoke:smoke,suggest:report})if__name____main__:app.run(host0.0.0.0,port5010)四、项目技术亮点落地深度思考4.1 核心技术优势双AI融合架构YOLOv11负责视觉识别DeepSeek负责消防语义研判从“识别目标”升级为“智能决策”满足消防台账与应急处置刚需。多环境自适应内置仓库暗光、露天强光、水雾干扰3套参数不同场景精度波动≤3.8%通用性极强。全闭环预警流程实时检测→声光报警→AI生成处置方案→自动存档截图视频→PDF导出完整覆盖消防管理流程。高复用拓展性检测模块与业务完全解耦替换数据集即可快速用于秸秆焚烧、违规动火、山林防火等场景改造周期缩短68%。4.2 落地避坑实战经验行业干货水汽/灯光误报优化训练阶段加入大量负样本蒸汽、光晕、反光配合连续3帧验证机制误报率下降26.3%。小目标小火优化采用多尺度训练与小目标增强针尖小火识别率提升12%真正实现早发现、早处置。大模型成本管控按时段聚合数据后调用DeepSeek而非逐帧请求大幅降低API使用成本。五、二次开发拓展方向多模态融合升级接入温湿度、烟感传感器图像传感双重校验进一步降低误报。轻量化边缘部署模型量化压缩至4MB内支持摄像头本地离线检测断网仍可用。对接消防平台实现火情自动上报、工单生成、数据同步至应急管理平台。全场景安防扩展新增违规堆放、违规动火、人员闯入检测打造一体化厂区安防系统。文末聚合标签#智慧消防#YOLOv11火情检测#DeepSeek大模型安防#烟雾明火识别#前后端分离项目#实时视频预警#AI消防报告生成#计算机视觉落地