基于 RA MCU 嵌入式处理平台的智能烟雾检测系统与自适应 AI 阈值优化算法

在 RA MCU 上实现本地烟雾预测与自适应 AI 预警,并通过双板卡对照验证。

基于 RA MCU 嵌入式处理平台的智能烟雾检测系统与自适应 AI 阈值优化算法

谢秋实‡, 柏昱彤, 肖靖桓, 曾喻江*

2025年4月—8月 · 第八届(2025)全国大学生嵌入式芯片与系统设计竞赛芯片应用赛道 · 全国总决赛二等奖

在瑞萨 RA6M5 上部署轻量化烟雾时序预测网络,以双板卡分别运行 AI 预测与传统固定阈值方案进行现场对照,可提前 3–5 秒预警并将误报率控制在 0.5% 以下。系统采用低成本光学粉尘传感器与 MCU 本地推理,无需云端或高算力平台,兼顾预测性能、部署成本与离线可靠性。

智能烟雾检测系统 · AI 预测与低成本部署RA6M5 · On-device AI · Dual-board A/B comparison

全国总决赛双板卡对照展示方案
国赛方案 · AI 预测板与固定阈值板现场 A/B 对照
烟雾浓度采集与预测曲线运行界面
实时数据 · 浓度采集、5 秒预测与误差显示
智能烟雾检测系统简易展示版
简易展示版 · 显示、报警与传感器集成
智能烟雾检测系统内部 RA6M5 板卡
板端硬件 · RA6M5、粉尘传感器与声光外设
智能烟雾检测系统整体框图
系统闭环 · 采集、板端预测、显示与分级报警
烟雾浓度真实值、预测值与未来趋势曲线
时序预测 · 真实值、单步预测与未来趋势
轻量化神经网络 ROM RAM 与计算量
轻量部署 · 113,576 B ROM、65,536 B 峰值 RAM
烟雾检测预测与分级报警软件流程
软件流程 · 标定、预测、状态判断与声光报警
3–5 s相较固定阈值提前预警≤0.5%系统误报率70 msRA6M5 单次推理800+自采烟雾数据组

‡ 队长 · * 指导教师

华中科技大学 全国大学生嵌入式芯片与系统设计竞赛 瑞萨电子
报告中的智能烟雾检测系统铁盒特写

联系方式

扫描二维码联系

联系二维码