基于树莓派与轻量级深度学习的家庭火灾检测系统研究摘要针对居民住宅火灾发现老是滞后，加上传统感烟探测器会有误报、漏报的问题，本项目在树莓派边缘端把轻量级目标检测和多源传感给融合到一块儿了，能提出一个可以在本地推理的家庭火灾监测方案；这个系统用的是树莓派3 Model B来做主控，能通过模数转换把火焰红外和半导体气体传感器MQ-2的信号采集过来，USB摄像头也会采集视频，然后有三路并行触发的方式：一是火焰阈值，二是气体基线增量，三是YOLO视觉检测，这三路里只要有一路触发了就能把声光报警启动起来，另外Wb服务能提供视频流和状态查询，异常事件会被写入到本地数据库里；经过实验室的安全联调，能看到火焰、烟雾还有视觉这三路的告警以及跨终端监控都是工作正常了的，所以这个架构有本事在低成本边缘硬件上实现多源协同判别与本地告警，从而为家庭火灾监测提供一条可以复现的实现路径了。关键词：家庭火灾检测：树莓派：轻量级深度学习：YOLO:多通道监测：Wb可视化AbstractTo address delayed discovery of residential fires and false or missed alarms fromconventional smoke detectors,the study integrates lightweight object detection withmulti-source sensing on a Raspberry Pi edge platform and proposes a home fire monitoringscheme with on-device inference.The system employs Raspberry Pi 3 Model B as themain controller,acquires flame infrared and MQ-2 signals through analog-to-digitalconversion,and captures video with a USB camera.Flame thresholding,gas baselineincrement,and YOLO-based vision detection run in parallel;any triggered channelactivates audio-visual alarms,while a web service provides video streams and statusqueries and writes abnormal events to a local database.Safe laboratory integration testsshow that flame,smoke,and vision alarms and cross-terminal monitoring operate normally.The architecture enables multi-source collaborative discrimination and local alarming onlow-cost edge hardware and provides a reproducible implementation path for home firemonitoring.Key Words:home fire detection;Raspberry Pi;lightweight deep learning;YOLO;multi-channel monitoring;Web visualization目录1.1研究背景与意义1.1.2研究意义1.2国内外研究现状21.2.1传统传感与物联网火灾监测1.2.2基于深度学习的火焰与烟雾检测21.2.3轻量级模型与边缘部署..31.2.4多模态融合与告警联动1.2.5项目的大致思路41.3本项目拟采用的方法与技术路线1.4关键技术问题1.5预期成果第2章2.1系统功能性需求82.1.1视频采集与火烟视觉检测82.1.22多传感器米集..82.1.3告警与执行器2.1.4远程监控（含移动端访问）2.1.5模型训练（云端）2.2系统非功能性需求…92.3可行性分析…2.4用例分析…2.5任务书指标对照2.6数据与接口需求第3章系统设计3.1系统总体架构3.2硬件设计3.2.1主控与扩展133.2.2接线143.3软件结构(FireDect)3.4多通道告警逻辑153.5数据库设计3.5.1表结构…3.6告警链路设计说明3.7安全与实验规范.…193.8系统工作模式与状态设计