항공기 화물 구역의 개선된 트랜스포머 기반 조기 화재 탐지 기술

항공기 화물 구역 화재의 조기 및 정확한 탐지 구현은 비행 안전을 보장하는 데 매우 중요합니다. 현재 공중 화재 탐지 기술은 대부분 적외선 빛을 사용한 단일 매개변수 연기 감지에 의존하고 있습니다. 이는 종종 복잡한 항공 운송 환경에서 높은 오경고율을 초래합니다. 전통적인 심층 학습 모델은 다변량 화재 정보에서 장기 의존성 문제를 효과적으로 해결하는 데 어려움을 겪고 있습니다. 본 논문은 개선된 트랜스포머 모델 기반의 다기술 협력 화재 탐지 방법을 제안합니다. 이중 파장 광학 센서, 연도 가스 분석기 및 기타 장비를 사용하여 다기술 협력 탐지 방법을 수행하고 다양한 화재 특성 차원을 특성화하여 탐지 정확도를 향상시킵니다. 자기 주의 메커니즘과 위치 인코딩 메커니즘을 통합한 개선된 트랜스포머 모델이 화재 정보의 장기 시계열 모델링 문제에 글로벌 관점에서 적용되어 기존 RNN(순환 신경망) 및 CNN(합성곱 신경망)의 기울기 소실 및 기울기 폭발 문제를 효과적으로 해결합니다. 두 개의 서로 다른 다중 헤드 자기 주의 메커니즘이 각각 다변량 화재 정보를 분류하고 모델링하는 데 사용되어 단일 주의 메커니즘으로 다변량 분류 작업을 처리할 때 시계열 모델링 및 분류 모델링의 혼란 문제를 해결합니다. 마지막으로, 두 모델의 출력 결과는 게이트 메커니즘을 통해 융합됩니다. 연구 결과에 따르면 전통적인 단일 특성 탐지 기술에 비해 다기술 협력 화재 탐지 방법이 화재 정보를 더 잘 포착할 수 있습니다. 전통적인 심층 학습 모델과 비교할 때 개선된 트랜스포머로 구축된 다변량 화재 예측 모델이 화재를 더 잘 탐지할 수 있으며, 정확도는 0.995입니다.