一种基于深度学习的电厂煤堆自燃检测方法与报警系统

本发明公开了一种基于深度学习的电厂煤堆自燃检测方法及报警系统，涉及电力安全技术领域，包括，用高光谱成像仪和红外成像仪采集数据，对采集的数据进行预处理，将处理后的高光谱数据和红外成像数据输入深度卷积神经网络，进行特征提取和多模态融合，得到自燃前的高光谱特征，引入注意力机制，使得煤堆自燃检测模型能自动识别关键区域，构建煤堆自燃检测模型，利用煤堆自燃检测模型进行自燃风险评估，制定应对策略。本发明通过高光谱与红外成像技术，结合深度学习检测模型和注意力机制，实现精准的煤堆自燃风险监测，多模态数据融合增强特征提取，自动聚焦关键区域，提高预警准确性，风险评估优化了应急响应，提升了电厂安全监控效率。