MmodalFire：一个包含视频与物理传感数据的连续多模态数据集，用于检测室内火灾

为什么更好的火警很重要

在大型办公楼、数据中心或公寓楼里，几分钟就可能决定是小事故还是致命大火。传统的天花板式烟雾或温度探测器通常只在烟雾上升或房间变热后才响应，而这可能会消耗宝贵时间。与此同时，现代安防摄像头持续监视相同空间，但容易被雾气、蒸汽或强烈反光误导。本文介绍了一种新型资源：一个精心设计的数据集，结合了摄像机视频和物理传感器读数，使人工智能系统能够比单一方法更快、更可靠地识别室内火情。

以新视角看待室内火情

作者提出了MmodalFire，这是一个专为室内火灾检测研究创建的公开数据集。MmodalFire不是依赖视频或独立传感器中的任意一种，而是同时记录两者。每次实验都采集高清视频以及六类传感器输出，包括烟密度、温度和若干红外与紫外波段的辐射值。每个短序列被简单标注为“火”或“非火”，便于计算模型学习区分危险事件与无害的相似现象。通过免费发布该数据集，团队旨在为研究人员提供一个通用且逼真的测试平台，以比较火灾检测算法的性能。

引用: Jia, Y., Guo, Y., Chen, Y. et al. MmodalFire: A Continuous Multimodal Dataset Comprising Video and Physical Sensing Data for Detecting Indoor Fires. Sci Data 13, 489 (2026). https://doi.org/10.1038/s41597-026-06810-6

关键词: 室内火灾检测, 多模态传感器, 视频监控, 消防安全数据集, 深度学习报警