当传统烟雾报警器发出告警时，火势往往已经开始扩散。能否在明火刚刚出现时，就完成识别并触发预警？
随着边缘AI技术的发展，视觉检测正在成为火灾预警的重要补充手段。相比依赖烟雾扩散的传统方案，视觉AI可以直接识别火焰目标，实现更快速、更直观的发现火情。
基于RA8P1 Vision Board，我们开发了一套轻量级视觉火焰检测Demo。系统通过摄像头实时采集画面，结合YOLO-Fastest目标检测模型，实现火焰目标的自动识别与定位，并在本地完成AI推理与告警显示。
方案亮点
基于RA8P1+Ethos-U55 NPU
YOLO-Fastest火焰检测模型
AI推理时间约4ms
端到端检测时间约55ms
无需云端，本地完成AI推理
支持实时检测与告警显示
应用场景
火焰检测方案适用于工业厂房、仓库物流中心、储能系统、电力能源设施、无人值守设备间以及各类边缘智能安防设备等场景。系统通过摄像头实时采集监控画面，结合AI视觉算法对火焰特征进行自动识别与定位，能够持续监测监控区域内是否存在明火，并在检测到火焰时输出检测框和告警信息，从而帮助用户及时发现潜在火灾风险，提升安全监控的自动化水平和响应效率。
性能指标
本Demo基于RA8P1 Vision Board平台开发，采用YOLO-Fastest目标检测模型，并利用Arm Ethos-U55 NPU提供的AI加速能力，实现火焰目标的实时检测与定位。
| 项目 | 指标 |
| AI模型 | YOLO-Fastest |
| 硬件加速 | Ethos-U55 NPU |
| 推理时间 | 约4ms |
| 端到端处理时间 | 约55ms |
| 摄像头 | OV5640 |
| 显示方式 | LCD实时检测框 |
作为本方案的核心处理平台，RA8P1集成Arm Cortex-M85 CPU与Arm Ethos-U55 NPU，在保证低功耗运行的同时提供强大的边缘AI推理能力。RA8P1的主要规格如下：
硬件组成
Demo硬件主要包括：
RT-Thread RA8P1 Vision Board
OV5640摄像头模组
RGB接口4.3寸LCD显示屏
硬件连接方式如下：
开发板正面如图1所示。
图1 开发板正面
开发板背面如图2所示。
图2 开发板背面
AI推理流程
火焰检测Demo的整体软件流程如图3所示。其核心思想是利用摄像头采集图像，通过图像预处理后送入NPU进行推理，再将检测结果解码并显示在屏幕上。
图3 AI推理流程
在软件实现中，系统主要包含以下几个步骤：
初始化外设：
初始化摄像头、屏幕、NPU、HyperRAM等外设驱动，并打开NPU。如图4所示。
图4 初始化外设
摄像头采集图像：
通过DVP接口摄像头实时获取RGB565图像数据。
图像预处理：
对原始图像进行图像缩放、格式转换以及数据量化等处理，使其满足模型输入要求。
Ethos-U55 NPU推理：
图像输入Ethos-U NPU后执行神经网络推理，实现目标检测。
图5 摄像头采集图像、图像预处理、NPU推理、解码检测框
检测框后处理：
模型输出经过解码检测框、筛选置信度、NMS非极大值抑制最终得到有效检测结果out_n，如图6所示。
图6 检测框后处理
LCD显示检测结果：
系统实时显示摄像头画面，并在检测到火焰时叠加检测框，如图7所示。
图7 LCD可视化显示
运行效果
当系统未检测到火焰时：
detect box num = 0
红色指示灯熄灭
串口输出未检测到火焰的运行日志，包括检测结果和单帧处理耗时信息，如图8所示。
图 8 系统未检测到火焰
当系统检测到火焰时：
detect box num = 1
红色指示灯点亮
屏幕显示火焰检测框
串口输出检测到火焰的运行日志，如图9所示。
图9 系统检测到火焰
快速体验
用户仅需完成以下步骤即可运行Demo：
Step1：连接硬件
连接OV5640摄像头、LCD显示屏以及USB调试接口。
Step2：烧录程序
使用PyOCD工具烧录fire_detection_rtthread.hex固件。
在开始烧录前，下载如下需要用到的文件：
Renesas Device Family Pack
（Renesas.RA_DFP 6.4.0）
火焰检测Demo固件
（fire_detection_rtthread.hex）
如需获取Demo固件、完整工程文件及相关技术资料，请联系瑞萨销售人员或FAE获取支持。
Titan Board RA8P1集成板载DAP-Link调试器，可配合PyOCD工具完成程序烧录。PyOCD是基于CMSIS-DAP/DAP-Link的Python调试与烧录工具，支持瑞萨RA系列MCU的程序下载与调试。
首先，在已安装Python的终端中执行以下命令安装PyOCD：
python -m pip install -U pyocd
安装完成后，可通过以下命令检查是否安装成功：
pyocd –-version
若能够正确显示版本信息，则说明PyOCD已安装完成。
随后，通过USB将Titan Board RA8P1连接至电脑，并执行以下命令将火焰检测Demo固件烧录至开发板：
pyocd load –pack Renesas.RA_DFP.6.4.0.pack –f10000000–tr7ja8p1ks fire_detection_rtthread.hex
烧录过程中，PyOCD会自动识别板载DAP-Link调试器并开始下载程序。等待烧录完成，当命令行中显示Programming: 100%且无错误信息时，即表示fire_detection_rtthread.hex已成功下载至RA8P1开发板，如图10所示。
图10 下载程序至开发板
Step3：打开串口调试助手
打开串口调试助手，并将串口波特率配置为115200，可查看当前运行的日志信息，如图11所示。
图11 配置串口
Step4：观察检测结果
将火焰目标置于摄像头视野范围内后，系统将实时对画面进行分析。当RA8P1 Vision Board成功检测到火焰目标时，板载红色指示灯会自动点亮，同时LCD屏幕将在火焰所在位置叠加绿色检测框，以直观显示检测结果和告警状态，便于用户快速确认火焰目标的位置。如图12所示。
图12 识别并检测火焰
总结
本Demo展示了RA8P1在边缘视觉AI场景中的应用能力。借助Arm Cortex-M85 CPU与Ethos-U55 NPU的异构计算架构，系统能够在MCU平台上实现毫秒级火焰检测，并完成图像采集、AI推理和结果显示的全流程本地处理。
凭借实时性、高可靠性、低功耗以及无需云端依赖等优势，该方案可广泛应用于工业厂房、仓储物流、储能系统、电力设施、无人值守设备间及智能安防等场景，为火灾早期预警提供高效的边缘AI方案。
