Video-based fire detection

Smoke detectors hang from the ceiling in many factory and warehouse buildings. But the electronic devices often detect fires at a late stage - when the smoke has risen to a very high level. This puts people in danger, causes damage to property, and massively disrupts work processes. Bosch Building Technologies has therefore developed an AI-based fire alarm system that sounds the alarm much faster in the event of fire and smoke.

A small column of smoke at the press shop - the AI-based AVIOTEC fire detection system detects it immediately (© Bosch Building Technologies)
A small column of smoke at the press shop - the AI-based AVIOTEC fire detection system detects it immediately (© Bosch Building Technologies)

A Monday morning like any other: The giant press shop in the workshop of an automotive supplier shapes car tailgates as usual. Suddenly, light grey smoke emerges from the plant. None of those present notice the small column of smoke slowly rising up the side wall.

Currently, in this fictitious case it would be very likely that the small column of smoke would develop into an open fire. This is because industrial companies usually have classic smoke detectors hanging from hall ceilings, which can be well over 15 meters high. How much time would have passed before the smoke would have reached them? When would the concentration have been sufficient for an alarm? Would dust and moisture have delayed the alarm?

From physics to AI

A video-based fire detection system from Bosch significantly shortens reaction times. It is already in use in many plants, warehouses, power plants and tunnels in Europe, Asia and North America. The system called AVIOTEC uses intelligent algorithms that are directly integrated into the cameras. These monitor all sensitive areas of the factory and feed their data into a central management system. The information converges in the control centre of the factory fire brigade and is displayed on a uniform user interface. In addition to the pure alarm, AVIOTEC can transmit video images in HD quality in real time - a plus point for the assessment of the actual danger and for subsequent analysis.

Bosch currently combines classic physical algorithms with methods of decision making based on Artificial Intelligence (AI). In the future, the proportion of AI is to be further increased to detect fires even faster and more reliably.

Bosch Sicherheitssysteme GmbH

AI Developers
Large Enterprise
Website

Application facts


Technology field
Sensors and Communication
Application industry
Construction and Infrastructure
Mobility and Logistics
Manufacturing Industry
Trade
Field of application
  • Intelligent Sensor Technology
Value-added activity
Corporate Infrastructure

„KI macht die physikalische Beschreibung von Rauch überflüssig“

Sören Wittmann, Produktmanager bei Bosch Building Technologies, erläutert die Funktionsweise des KI-basierten Branderkennungssystems.

Herr Wittmann, wie erkennt AVIOTEC Flammen und Rauch?

Die Basis bilden physikalische Algorithmen. Man muss sich das so vorstellen: Unsere Entwickler haben sich Videos von Bränden angesehen und analysiert. Wie entwickelt und verhält sich der Rauch? Wie sehen Flammen aus und wie bewegen sie sich? Im Anschluss haben sie Algorithmen entwickelt, die diese optischen Erscheinungsformen abbilden.

Das hat aber noch relativ wenig mit Künstlicher Intelligenz zu tun?

Das stimmt. Diese Algorithmen sind nur die Basis für die Entscheidung, einen Alarm auszulösen. Und diese Entscheidung trifft bei AVIOTEC die KI – genauer: maschinelles Lernen auf Basis von der Dichte des Rauchs, Turbulenzen, Geschwindigkeiten, Farbverteilung und anderen Faktoren. Die Kombination aus physikalischen Methoden und KI ist zurzeit einmalig. In Zukunft werden wir dann neben dem maschinellen Lernen noch weitere KI-Methoden einsetzen.

Welche werden das sein?

Ich denke vor allem an Deep Learning. Wir arbeiten mit neuronalen Netzen, die wir mit einer riesigen Menge an Daten füttern. Eine physikalische Beschreibung von Rauch und Flammen wird in Zukunft nicht mehr nötig sein – Künstliche Intelligenz kann Rauch und Flammen auf Basis der Trainingsdaten präziser erkennen als menschliche Entwickler. Die Entscheidungen des Systems werden dadurch noch schneller und sicherer.

Was gibt es bis zur Serienreife noch zu tun?

Wir müssen die Tiefe und Struktur der neuronalen Netze so anpassen, dass die unterschiedlichen Erscheinungsformen von Rauch und Flammen erkannt werden. Das stellt auch enorme Anforderungen an die Datensätze, mit denen wir die Netze trainieren. Zum Schluss müssen wir verstehen, was die KI gelernt hat. Dafür braucht es unabhängige Test- und Validierungs-Datensätze. Und schließlich sind Prozessoren, die in unsere Kameras passen, derzeit noch nicht leistungsstark genug. Ein bisschen wird es also noch dauern.