Design and Implementation of a Smart Dual-Stage Fire Crisis Management System Using Raspberry Pi for Safety and Security Applications
Notice bibliographique
Résumé
Advances in Internet of Things (IoT) and embedded computing have made it possible to build smarter fire alarms that reduce false triggering, not just detect heat or smoke. This study presents a Raspberry Pi–based fire crisis controller that uses two-stage verification: an infrared flame sensor triggers first, then a Pi Camera runs OpenCV-based image checks to confirm fire before an alert is escalated. Requiring agreement between hardware sensing and vision helps suppress nuisance activations. The prototype integrates the flame sensor, camera, and a piezo buzzer with software for image filtering, database logging, and web-based IoT alerts. In 30 controlled indoor trials, it achieved 98% average detection accuracy and reduced false alarms by 92% compared with a baseline single-sensor flame detector. End-to-end response from ignition to alert activation averaged 9.4 s and stayed under 10 s in all scenarios. After confirmation, the controller sounds the buzzer and posts an alert through the web interface, enabling faster response. Overall, the results show early detection with strong false-alarm suppression using low-cost hardware suitable for residential and small industrial settings. Future work will add smoke and temperature sensing, support offline operation during network outages, and explore RFID tracking of safety equipment to improve on-site coordination.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».