随着社区的发展壮大以及安全标准的提高，可靠的火灾探测系统变得至关重要。 无论是在商业场所还是私人住宅中，烟雾探测器在保护生命和财产安全方面都发挥着关键作用。
随着烟雾探测技术的发展，人们对这些系统在实际环境中应达到的性能期望也在不断提高。 现代探测器既要足够灵敏，能够捕捉到早期警告信号，又要足够高效，能够稳定运行多年。
考虑到这一点，我们一直在探索将低功耗硬件与智能信号处理技术相结合的方案，例如，使用 RL78/G22 MCU，搭配由 Reality AI Tools® 生成的 TinyML 模型。 它们共同作用，使探测器能够更加准确地识别烟雾模式，发现异常情况，并最终促成更加安全、响应更快的设计，同时加快产品开发和集成速度。
烟雾探测器解决方案
在烟雾探测技术中，常见的探测方法包括光电式、电离式和双传感器式。 瑞萨电子的解决方案采用光电技术，该方案对于探测处于早期阶段的慢燃火焰格外有效。
随着近期 UL 标准修订的出台——尤其是新增了聚氨酯火灾和烹饪误报测试——探测精度要求已变得更加严格。 为了满足这些要求，我们的解决方案采用了双波长 LED 传感架构。 不同波长的 LED 灯在烟雾颗粒上的散射强度会因颗粒大小不同而有所差异。 因此，光电二极管检测到的光信号强度也有所不同。 凭借这种特性，该解决方案能够更加准确地区分火灾烟雾和烹饪油烟。
为了有效实施这种传感架构，我们的解决方案采用了以 RL78/G22 MCU 和模拟前端（AFE）IC 为中心的集成式硬件设计。 该系统专为常规型商用烟雾探测器而设计，适用于 24V 到 40V 的电源。 它集成了限流电路（≤160µA）以及外部通知信号电路，具有以下主要优势：
- 高能效系统：RL78/G22 MCU 具有出色的性能表现和较低的功耗水平。 在待机期间启动其内置的 SNOOZE 模式序列器（SMS）¹，可提高系统能效，并将待机电流消耗减少高达 20%。
- 简洁紧凑的设计：MCU 和 AFE 的组合可减少对于外部元件的需求，让 PCB 空间更加紧凑，并简化设计。
采用单个智能传感器的 AI 传感方案
采用双 LED 的传统方案在探测到并数字化散射的 LED 光之后，会通过有效算法对烟雾类型进行分类；此外它还有配套的驱动电路。这种方案虽然有效，但它增加了每个探测器的成本和复杂性。 因此，我们退一步重新思考了这个问题。 相比于思考如何管理两个光源，我们提出了一个更加简单的问题：单个红外 LED 能否提供探测器所需的全部信息？
借助边缘 AI 技术，我们不再局限于简单的阈值探测——我们的 AI 模型不只是确定散射光强度，还会分析信号独特的时序特征。 通过将我们的参考设计置于 UL 规定的所有场景中，从阴燃的木材和剧烈燃烧的聚氨酯，到烹饪油烟等常见的误报源（包括著名的“汉堡测试”），我们收集到了丰富的数据集。 利用这些数据，我们训练出了一个机器学习模型。该模型能够直接在 RL78/G22 MCU 上运行，使系统能够区分每种事件类型的特征信号模式。
由此一来，我们的探测器能够解读其所感知的信息，而不是单纯地对原始光强变化做出反应。此外，它仅使用单个低成本红外 LED 就能高度准确地区分真实火灾和误报。
通往更智能的消防安全方案
消防安全的未来不仅在于满足各项标准，更在于构建更加智能、可靠、高效的设备。 通过将业界出色的 MCU 与机器学习智能技术相结合，瑞萨电子的解决方案攻克了全新 UL 标准的核心难题，并且未在成本或性能方面做出妥协，使各企业能够专注于实现下一代烟雾探测器的创新。
准备好了解更多内容了吗？
- 浏览我们的多波长烟雾探测器参考设计页面，即可开始评估。
- 借助 Reality AI Tools Explorer Tier 快速入门，将 AI 功能部署到您的下一款设计中。
- 观看采用 RL78/G22 的 AI 智能烟雾报警器视频。
¹ SNOOZE 模式序列器（SMS）：一项可在 CPU 不参与的情况下独立完成处理任务的功能。
² 数据来源于 RL78/G22 多波长烟雾探测器参考设计应用说明。
