热成像内置智能火点识别算法，依靠高温突变、面积增长特征甄别火情，已经广泛应用于库区、堆场、化工周界监测。算法无法做到百分之百无失误，现场运行会遇到两类问题：真实小火源没有识别触发告警即漏报；非火情热源被判定为火灾产生误报。建立标准化处置调优流程，可以持续改善算法识别效果。
先区分真实漏报，还是工况条件造成识别失效。小火源距离过远，火点像素数量达不到算法最小触发像素阈值，就会出现漏报；烟雾遮挡红外辐射，火点特征被遮蔽也会漏报。另外如果告警温度阈值设置过高，小火温升达不到门槛，同样不会触发。华感火点识别算法可配置最小火点像素，AEBF5441防爆双目枪支持火点与测温阈值双重判定。
遇到漏报处置步骤：复核火点最小像素参数，核算现场最远观测距离下，最小可识别火焰像素；确认告警温度阈值没有设置过高；排查是否存在烟雾、遮挡物挡住热源；现场做模拟点火测试，验证真实工况下是否可以稳定触发告警。
误报来源主要分为固定热源与临时干扰。固定热源：阳光反射、设备散热口、高温工艺设备；临时干扰：飞鸟、小动物、车辆排气管、阳光光斑移动。首先导出一段时间告警日志，统计误报发生时间、画面截图，定位每一类误报源头。
针对固定干扰源，可以在算法画面中设置屏蔽区域，把长期存在的非火情高温区域屏蔽，算法不再对该区域做火点判定。屏蔽区不能随意大范围绘制，只针对确认无误的固定干扰。
针对移动临时干扰，不要一味提高识别温度阈值，调高阈值会同时增加真实火情漏报风险。可以开启多条件联合判定：火点不仅看瞬时高温，同时校验温度上升速率、热源面积变化，短暂一闪而过的移动热源不触发告警，过滤飞鸟等瞬时干扰。
调优完成之后，务必开展现场模拟测试。很多参数在办公室调试看起来合理，到真实现场效果完全不一样。运维需要定期复盘告警台账，每一批新增误报，都要找到诱因，迭代算法配置。
火点算法不是部署完就一劳永逸，漏报、误报是工程现场常态，通过日志分析、现场模拟测试、屏蔽区设置、多条件联合判定，持续迭代参数，平衡漏报风险和误报数量。
热门跟贴