清华大学学报(自然科学版)

作者：刘维斯, 康煜欣, 李开远, 黄丽达, 陈涛, 袁宏永, 王静舞, 杨蓓

单位：1. 清华大学 安全科学学院, 北京 100084,2. 清华大学 合肥公共安全研究院, 合肥 230601

关键词：散射光谱,火灾烟雾,干扰源,机器学习

基金：国家重点研发计划项目(2023YFC3010000)

传统的光电感烟探测器获取的散射信息维度低, 在复杂环境中易受干扰源影响, 导致误报率高、识别准确率低。该研究通过分析不同波长、不同角度的散射光谱特征, 提出了一种火灾烟雾与干扰源的辨识方法。具体而言, 采用LED光源与光谱传感芯片, 在40°~85°范围内以5°为间隔, 选取10个散射角进行测量, 并于每个散射角下同步采集415~680 nm波长范围内8个离散通道的散射光谱信号。实验对象为5种标准火和5种典型干扰源, 并通过5种非标准火验证了方法的有效性。基于随机森林、XGBoost等5种机器学习算法构建火灾烟雾与干扰源辨识模型。结果表明, 在封闭腔体实验环境和特定样本库条件下, 50°散射角为最佳探测角度：XGBoost模型对5类标准火与干扰源的辨识准确率达100%, KNN模型对5类非标准火与干扰源的辨识准确率达97.2%且召回率大于95%。因此, 该散射光谱识别方法能够显著抑制误报问题。

来源：2026年第1期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2026年第1期