当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 夜巡“机器狗”、“鹰眼”火灾预警,进博会消防保障有不少高科技

夜巡“机器狗”、“鹰眼”火灾预警,进博会消防保障有不少高科技

来源:搜狐 2023-11-10 07:47:20 0浏览 收藏

本篇文章向大家介绍《夜巡“机器狗”、“鹰眼”火灾预警,进博会消防保障有不少高科技》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。

第六届进博会注册参观人数达54.2万人,参展面积36.7万平方米,展位数1888个,规模创历史新高——随之而来的消防安保任务也更加复杂艰巨。

11月9日,在第32个全国消防日来临之际,让我们一起看看今年的进博会消防安保工作有哪些亮点。

第六届进博会消防安保指挥平台 。本文图片由 上海消防 提供

5台“机器狗”辅助夜巡

科技赋能是本届进博会消防安保的一大特色。为护航第六届进博会全时段消防安全,上海消防成立16人“夜鹰队”开展夜巡夜查的同时,首次投入5台“机器狗”开展夜间辅助巡馆。

这种机器人搭载了红外测温热成像,可自主发现设备高温和常见火灾隐患风险,包括堆物占用通道、电气设备未正常关闭、违规吸烟等隐患。

通过搭载的机械臂,“机器狗”可以实现开锁、推门、刷卡、开关电箱、扭动旋钮、拖拽物品等操作,进而完成对UPS控制间、配电间、配电箱、控制开关的检查操作。

夜巡“机器狗”、“鹰眼”火灾预警,进博会消防保障有不少高科技

正在工作的机器狗

发现隐患后,“机器狗”会现场报警,将预警位置和隐患信息推送至指挥中心和邻近巡查人员进行处置。

一位现场执勤的消防员介绍,“机器狗”虽然移动时的动作“一看就是机器人”,但非常灵活,不但可以上下楼梯,还能进入狭小空间和内部通道实施巡查。有了“机器狗”这个搭档一起夜巡,弥补了消防员夜间视觉和感知能力不足的缺陷,提高了消防巡查的效率和准确性。

“鹰眼”自动侦测异常温度和烟气

本届进博会消防安保还引入了“鹰眼”火灾监测预警系统。

为加强国家会展中心周边社会面的火灾防控工作,消防部门对设置在国家会展中心南、北广场的两个“鹰眼”进行了开发升级,实现了以“鹰眼”为中心,6公里半径范围内异常温度及烟气的自动侦测。一旦扫描发现高于75℃(阈值温度)点位,系统将自动锁定相关区域并预警,由消防指挥中心值班人员调派相关力量现场核实处置。

此外,“鹰眼”还将国家会展中心周边500米范围内的重要建筑、交通道路、消防水源及驻防力量等信息均标注于系统内,可实时查看消火栓压力、管径等参数,为消防车辆行进、救援力量部署等提供指挥决策参考依据。

除了“机器狗”“鹰眼”等高科技辅助装备,进博会消防安保还有诸多其他科技应用,比如使用专门研发的防火巡查APP,为323名巡馆人员配发执法记录仪和装备了消防安保“十件套”的执勤马甲等,提高巡查质量,全面护航进博会的消防安全。

夜巡“机器狗”、“鹰眼”火灾预警,进博会消防保障有不少高科技

配备十件套的执勤马甲

今天关于《夜巡“机器狗”、“鹰眼”火灾预警,进博会消防保障有不少高科技》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

版本声明
本文转载于:搜狐 如有侵犯,请联系study_golang@163.com删除
开发者「第二大脑」来袭,GitHub Copilot更新,人类开发参与进一步减少开发者「第二大脑」来袭,GitHub Copilot更新,人类开发参与进一步减少
上一篇
开发者「第二大脑」来袭,GitHub Copilot更新,人类开发参与进一步减少
大模型走捷径「刷榜」?数据污染问题值得重视
下一篇
大模型走捷径「刷榜」?数据污染问题值得重视
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    398次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    478次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    483次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    429次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    257次使用