- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT杂谈学习
Python实现动态烟雾效果：逼真的烟雾动画
引言 动态烟雾效果常用于游戏和动画中，为场景增添逼真的视觉效果。在这篇博客中，我们将使用Python和Pygame库来创建一个逼真的烟雾动画效果。 通过模拟烟雾粒子的运动和透明度变化，我们可以实现一个栩栩如生的烟雾效果。 准备工作 前置条件 在开始之前，你需要确保你的系统已经安装了Pygame库。 并设置屏幕的基本参数： pygame.init() screen = pygame.display.set_mode((800, 600)) pygame.display.set_caption("动态烟雾效果 ") clock = pygame.time.Clock() 定义烟雾粒子类 我们创建一个SmokeParticle类来定义烟雾粒子的属性和行为： class SmokeParticle: def ") clock = pygame.time.Clock() # 烟雾粒子类定义 class SmokeParticle: def __init__(self, x, y):
49710编辑于 2024-09-20 - 来自专栏物联网知识
鸿蒙之检测烟雾
MQ-2烟雾传感器 MQ-2常用于家庭和工厂的气体泄漏监测装置，适宜于液化气、苯、烷、酒精、氢气、烟雾等的探测。故因此，MQ-2可以准确来说是一个多种气体探测器。 MQ-2的探测范围极其的广泛。
46530编辑于 2022-03-29 - 来自专栏嵌入式项目开发
STM32读取MQ2烟雾浓度数据判断烟雾是否超标
MQ2传感器的输出电压与烟雾浓度之间的关系是线性的，需要进行一定的转换才能得出准确的烟雾浓度。 常见的转换方法如下： （1）标定法 将MQ2传感器置于标准烟雾环境中，记录其输出电压值和对应的烟雾浓度，并建立二者之间的关系模型。 然后再使用这个模型将采集到的MQ2传感器输出电压值转换为相应的烟雾浓度。该方法测量精度较高，但需要专业仪器作为标准烟雾环境。 【3】STM32采集MQ2烟雾浓度(标准库) #include "stm32f10x.h" #include <stdio.h> int main(void) { // 初始化ADC 通过将采集到的ADC值转换为烟雾浓度并打印出来，可以实现对MQ2传感器的烟雾检测。
1.4K20编辑于 2023-07-08 - 来自专栏嵌入式项目开发
【CC2530开发基础篇】读取MQ2烟雾的烟雾浓度值【ADC采集】
(2) MQ-2气体传感器 MQ-2传感器用于检测空气中的烟雾、甲烷、液化气等气体的浓度。 1.4 项目实现的功能 功能编号 功能描述 (1) 烟雾浓度检测：使用MQ-2气体传感器检测空气中的烟雾浓度，并输出模拟信号。 (3) 浓度数据计算：CC2530单片机根据ADC采集到的数字信号计算烟雾浓度。 (4) 串口数据输出：将计算得出的烟雾浓度数据通过串口0输出，供串口调试助手显示。 (6) 实时数据监控：通过串口调试助手监控并显示烟雾浓度数据的变化，响应环境中气体浓度的波动。 = GasData / 100 + '0'; TxBuf[1] = GasData / 10%10 + '0'; TxBuf[2] = GasData % 10 + '0'; TxBuf
57510编辑于 2025-05-29 - 来自专栏Coco的专栏
CSS 也能实现烟雾效果？
本文继续此系列，本文主要想探讨一下，使用 CSS 能否比较好的实现一些烟雾效果。 纯 CSS 实现烟雾动画 我们首先来看这样一个效果： 假设，我们有这样一个字符： C 我们仅仅是通过 text-shadow + opacity 的变化，就能模拟烟雾的效果： CSS 代码 @for $item from 1 through 21 { span:nth-of-type(#{$item}){ animation-delay: #{(($item/10 Feely 借助 SVG feturbulence 滤镜实现烟雾效果 上述的烟雾动画的烟雾还是比较粗糙的。 缺少了一些烟雾的质感。 想要实现更为精致的烟雾效果，我们还得借助 SVG 的 <feturbulence> 滤镜，对这个滤镜还不太了解的，可以看看我的这几篇文章： 有意思！强大的 SVG 滤镜 震惊！
1.4K40编辑于 2022-03-10 - 来自专栏燧机科技-视频AI智能分析
充电桩消防烟雾着火检测系统
系统已在某城市充电站（含10个快充桩、5个慢充桩）试点部署，实测数据表明可将火焰识别准确率提升至97.5%，响应时间缩短至0.9秒内，火灾控制率达100%，为充电设施消防安全提供技术支撑。 “高温区域（热成像异常）”等目标，输出 bounding box 坐标、置信度及属性（如“火焰高度＜0.5米（初期）/＞1米（蔓延期）”）； RNN时序分析模型：基于YOLOv12连续10帧检测结果（火焰面积变化率 实验室数据显示，优化后模型在充电桩数据集上mAP@0.5达98.5%，单帧检测耗时10ms（100FPS），较YOLOv11基线模型提升43%。 （三）低延迟联动处置逻辑 系统采用“边缘优先”策略，所有控制指令本地执行：YOLOv12检测到火焰/烟雾（置信度＞0.85）→ 提取面积、浓度、温升特征并缓存连续10帧； LSTM模型判定风险等级（概率 ＞0.9）→ 边缘节点0.4秒内触发“气体灭火（初期）/水喷淋（蔓延期）”+ 切断电源； 同步将处置记录（含10秒短视频）通过MQTT协议上传云端，实测平均端到端延迟0.9秒。
26710编辑于 2025-12-28 - 来自专栏孟永辉
产业互联网是个烟雾弹产业互联网是个烟雾弹
产业互联网用自己的诞生、发展和沉沦为我们生动地诠释了一个事实，即所谓的产业互联网，并不是什么神乎其神的存在，而更像是一个烟雾弹，一个陷阱。
36520编辑于 2021-12-06 - 来自专栏燧机科技-视频AI智能分析
秸秆焚烧烟雾监测报警系统
秸秆焚烧烟雾监测报警系统在监测区全自动对秸秆焚烧行为实时监测，不用人工控制。一旦发现烟雾和火苗，秸秆焚烧烟雾监测报警系统会自动报警并通知监控后台工作人员，并提醒负责人妥善处置。 秸秆焚烧烟雾监测报警系统对监测区域内的秸秆焚烧信息进行7×24h无间断识别分析，减少人力巡视成本，提高人力监测效率。 收割完的秸秆如果马上焚烧，除开环境污染外烟雾还会继续严重影响附近路上汽车乃至飞机驾驶员的视野，导致安全隐患。秸秆焚烧也入地三分，腐殖和土壤肥力被碱化。 秸秆焚烧烟雾监测报警系统在田地即时监测范围之内，当发现田地里秸秆燃烧时，监控摄像头马上搜集监控画面视频、处理数据，并同步最新消息给负责人，负责人在第一次接到报警后能马上阻止秸秆燃烧。 秸秆焚烧烟雾监测报警系统可根据时间段对告警记录和告警截图、视频进行查询点播，方便进行事后轨迹回溯，快速查找责任人。
41720编辑于 2022-09-28 - 来自专栏大数据钻研
canvas图形绘制之星空、噪点与烟雾效果
四、canvas图形效果之烟雾缭绕效果 ? 那为何看上去更酷呢，主要在于感觉烟雾很难去模拟。 没错，烟雾确实很难用代码直接绘制出来，实际上，这里的烟雾，是一个png图片，是使用画笔在PS里绘制导出来的。 旋转星空的例子，我们是使用canvas的fillRect方法绘制了星星，而本例子，则是使用上面提到的drawImage()方法把烟雾图片绘制进来了。 其他的位移啊，透明度变化什么的，原理都是类似。 本例子的难点主要在于模拟是否足够真实： 高处不胜寒 越往上，烟雾越淡，实际上就是越靠近上方，透明度越低； // 越靠近边缘，透明度越低 // 纵向透明度变化要比横向的明显 this.alpha = ( 要知道，凡事有轨迹有套路的运动都是有规律性地，你说这烟雾上上下下，左左右右运动太过于规律，效果就会打折扣，但是，真的没有规律又不好通过代码控制运动轨迹。
2.3K40发布于 2018-04-18 - 来自专栏软件测试小助手
自动化测试是不是烟雾弹？
需要从团队管理层和个人两个角度来区分，这次我就从团队管理层来讲：自动化测试是不是烟雾弹？ 作为测试leader，别人都在做，而我们没有，是不是说明我们测试团队很low，该被淘汰了？ 这是很多测试leader的一个缩影，自动化测试各种类型搞得很多，但没有成果，最后认为自动化测试就是烟雾弹了。
60830编辑于 2022-01-25 - 来自专栏燧机科技-视频AI智能分析
停车场烟雾火焰自动检测系统
系统已在某商业综合体地下停车场（含200个车位、10个快充桩）试点部署，实验室数据表明目标检测mAP@0.5达97.6%，实测数据（3个月试点）显示响应延迟＜0.9秒，误报率降至3.2%，成功预警初期烟雾事件 ~60℃宽温运行、30FPS帧率、0.005Lux超低照度），按“充电桩区（正上方45°俯视）、车位通道（双向覆盖）、电梯口（侧视）、设备间入口（广角）”布防，单相机覆盖15-20个车位（检测距离5-10 五、工程应用与实测效果 在某商业综合体地下停车场（含200车位、10快充桩）试点部署，6个月实测数据如下：安全效益：识别异常行为132次（含烟雾预警28次、火焰预警5次），成功预警初期烟雾事件2起（均为充电桩线路过热引燃绝缘层 某商业综合体停车场试点记录），可提供第三方检测报告（含混淆矩阵、ROC曲线）备查； 无虚假宣传：未使用“零误报”“100%准确”等绝对化用语，明确适用场景（室内停车场、光照强度50-100000lux），极端强风（风速＞10m 传统传感器往往只能在烟雾或火焰达到一定浓度或规模时才能触发警报，而基于深度学习的算法能够在烟雾和火焰初现时就迅速识别，大大缩短了反应时间。
35110编辑于 2025-12-31 - 来自专栏燧机科技-视频AI智能分析
秸秆禁烧识别系统 烟雾智能识别检测系统
秸秆禁烧识别系统 烟雾智能识别检测系统具备全天、及时发现问题、管控高效率、有益于证据收集的优势，利用现场已经存在的监控摄像头和神经网络算法烟雾识别系统，在通信基站塔顶端监控摄像头的帮助下，对图象预置开展实时分析查验 秸秆点燃造成的烟雾含有氮氧化合物、光化学反应金属氧化物和悬浮颗粒等化合物。 在秸秆点燃区，的时间相对性集中化，很多烟雾对成年人和患上呼吸系统疾病的少年儿童造成了巨大的损害。 秸秆禁烧识别系统烟雾智能识别检测系统是运用近郊区多层建筑和强有力的AI技术性优化计算方法综合服务平台紧密联系，在塔上装上70几台超高清监控器，可遮盖该地域80%的关键农作物。
81760编辑于 2022-09-20 - 来自专栏燧机科技-视频AI智能分析
电动车棚烟雾火焰自动识别系统
实验室数据（NVIDIA V100 GPU训练，PyTorch 2.1框架）显示，优化后模型在电动车棚数据集上mAP@0.5达96.8%，单帧检测耗时10ms（100FPS），较YOLOv3基线模型提升 ＜10W，支持POE供电，适配老旧车棚电路改造。 某社区电动车棚试点记录），可提供第三方检测报告（含混淆矩阵、ROC曲线）备查； 无虚假宣传：未使用“零误报”“100%准确”等绝对化用语，明确适用场景（室内电动车棚、光照强度50-100000lux），极端强风（风速＞10m （如不同通风条件下的烟雾特征），提升模型泛化能力。 电动车棚烟雾火焰自动识别系统的核心在于其先进的深度学习算法，电动车棚烟雾火焰自动识别系统能够对车棚内的情况进行 24 小时不间断的实时监测。
27800编辑于 2026-01-03 - 来自专栏AI科技评论
干货 | 2 分钟论文：如何使用数据合成烟雾流 ?
来源 / Two Minute Papers 翻译 / 张丽敏 校对 / 凡江 整理 / 雷锋字幕组 本期论文：基于CNN特征描述符的数据驱动合成烟雾流体 Data-Driven Synthesis of 本篇论文主要探讨的是利用人工智能来精细化地模拟烟雾。一般来讲，创建一个比较简单的模拟不会花费太长时间，然而，当我们为了增加分辨率时，执行的时间和内存的消耗便会突飞猛进。 如果我们可以在人工智能技术的基础上，可以理解模仿烟雾的关键，提取出粗略的数据，并添加一些非常精细的细节进去，那么我们可以在更短的时间内完成整个计算过程，以此获得获得更高分辨率的模拟烟雾，而非等待数日，乃至一周甚至更长 这项技术对一大片流体或烟雾的气旋的大小比例和分配进行探索。我们可以应用这些信息，创造一个模拟程度非常相似的效果。大体上，它让我们对模拟烟雾有了一定的了解。 另一项操作和把一束模拟烟雾展示给一个人工智能观看，然后让它独自完成这次模仿。 我们建立一个模拟数据库，把它们分成小块，在低分辨率和高分辨率下观看同样的视频，看看这些视频互相之间的联系。
1.1K50发布于 2018-03-14 - 来自专栏张国平_玩转树莓派
树莓派基础实验21：烟雾报警传感器实验
烟雾传感器 ? 烟雾传感器 ? 有源蜂鸣器模块 ? 当与烟雾接触时，如果晶界阻挡层被烟雾调制并发生变化，则可能导致表面电导率发生变化。因此，你可以获得烟雾存在的信息，烟雾浓度越高，材料的导电性越高，因此输出电阻越低。 DOUT-LED是数字输出指示灯，当没有检测到烟雾时熄灭，DO输出高电平；当检测到烟雾时，DO输出低电平，DOUT-LED指示灯亮。 而判定是否有烟雾的临界值可以通过旋转蓝色元件上的十字螺丝调节，调节到没有烟雾时DOUT-LED灯刚好熄灭时即可。 四、实验步骤 第1步：连接电路。 烟雾报警传感器实验电路图 ?
3.8K30发布于 2020-09-27 基于yolov10的烟雾明火检测森林火灾系统python源码+pytorch模型+评估指标曲线+精美GUI界面+数据集
【算法介绍】 基于YOLOv10的烟雾明火检测森林火灾系统是一种先进的火灾预警系统，它结合了深度学习和计算机视觉技术，能够实时检测和分析森林中的烟雾和明火，从而有效预防和控制森林火灾的发生。 该系统主要基于YOLOv10模型进行构建，该模型具有出色的目标检测性能和实时性，能够准确识别视频或图像中的烟雾和明火特征。 通过训练和优化，系统可以实现对森林区域的持续监控，并在检测到烟雾或明火时立即发出警报。 在实际应用中，该系统也可以通过二次开发，用无人机、摄像头等设备进行部署，实现对森林区域的全方位覆盖。 当系统检测到烟雾或明火时，会自动触发警报机制，将火灾信息实时传输给相关部门和人员，以便他们迅速采取应对措施。 此外，该系统还具有用户友好的界面设计，方便用户进行监控和管理。 总之，基于YOLOv10的烟雾明火检测森林火灾系统是一种高效、准确、实时的火灾预警系统，它能够为森林火灾的预防和控制提供有力的技术支持，保障森林资源和人民生命财产的安全。
36010编辑于 2025-07-22- 来自专栏嵌入式项目开发
【CC2530开发基础篇】MQ2烟雾传感器
一、前言 1.1 开发背景 烟雾浓度检测是许多环境监测与安全预警系统中的重要环节，能够有效帮助识别火灾隐患、工业泄漏或其他烟雾污染情况。 在本项目中，CC2530作为主控芯片，与MQ2烟雾传感器配合，实现对环境烟雾浓度的数字化监测。 MQ2是一种常见的气体与烟雾传感器，支持对多种可燃气体及烟雾的检测。 这是当前实验使用的CC2530板子的实物图： 1.2 MQ2烟雾传感器 MQ2烟雾传感器是一种广泛应用于烟雾、气体泄漏检测领域的电子传感器，具有灵敏度高、响应快、易于使用等特点。 P1.0口灯 if(DATA_PIN == 0) //当浓度高于设定值时 ，执行条件函数 { DelayMS(10 延时抗干扰 if(DATA_PIN == 0) //确定 浓度高于设定值时 ，执行条件函数 { for (i=0; i<10
1.5K10编辑于 2025-05-29 - 来自专栏PaddlePaddle
智慧城市产业应用实践，高精度火灾烟雾检测方案详解
为了保障民众的生命财产安全，应用AI技术及时、自动检测监控区域内的烟雾和火灾至关重要。 针对如上问题，飞桨产业实践范例库开源了《火灾烟雾检测》方案，提供了从数据准备、技术方案、模型训练优化到模型部署的全流程可复用方案，提供误检率低至1.1%的模型优化方案，有效解决了复杂环境下烟火检测问题， https://github.com/PaddlePaddle/PaddleX/tree/develop/examples 所有源码及教程均已开源，欢迎大家star鼓励~ 方案难点 1.推理速度要求高: 在烟雾和火灾检测场景
56510编辑于 2022-04-19 - 来自专栏燧机科技-视频AI智能分析
工厂明火烟雾视频监控识别系统 烟火自动识别预警
工厂明火烟雾视频监控识别系统 烟火自动识别预警通过python+yolo网络深度学习模型自动识别监控区域内的烟火，工厂明火烟雾视频监控识别系统 烟火自动识别预警发现火焰及烟雾系统可以实时发出预警信息并同步传给后台监控相关人员
79020编辑于 2022-12-30 - 来自专栏OpenCV与AI深度学习
YOLOv8自定义数据集训练实现火焰和烟雾检测
这意味着模型正在接受训练以检测图像中的烟雾或火灾。 names: ['smoke', 'fire']：此行提供数据集中类的名称。列表中的每个元素对应一个类标签。
2.8K11编辑于 2024-05-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号