1.一种多功能的实验室安全监测与预警系统，其特征在于，包括实验室安全监测与预警控制模块、云端监测模块、通信模块、数据采集模块、火焰识别模块、OLED显示模块、报警模块、灭火模块、摄像头模块、图像显示模块、树莓派图像处理模块，其中，所述云端监测模块、通信模块、数据采集模块、火焰识别模块、OLED显示模块、报警模块以及灭火模块均与实验室安全监测与预警控制模块相连，所述摄像头模块、图像显示模块分别与树莓派图像处理模块相连，所述的树莓派图像处理模块和实验室安全监测与预警控制模块相连，所述火焰识别模块采用以下流程进行火焰识别：步骤S1，通过摄像头模块进行火焰图像的采集，以YOLO v3网络模型中的DarkNet53网络为主干网络对火焰图像进行特征提取，获得3个不同尺寸的火焰特征，分别为13×13、26×26和52×52，其中，所述DarkNet53网络由6个卷积层和5个残差块组成，5个所述残差块的运算重复次数不同，分别为1、2、8、8、4；

步骤S2，所述DarkNet53网络通过卷积运算实现对3个火焰特征的预测，即在每一个网格中建立多个验证框，DarkNet53网络对验证框中是否含有物体及物体的种类进行判别；

步骤S3，在一个周期训练过程中进行损失函数的计算，利用反向传播算法对网络进行参数优化；

步骤S4，根据预测得到预测框的位置和尺寸信息，将预测框绘制在原有图像上，对火焰进行可视化识别与定位；

其中，步骤S1中，所述DarkNet53网络对火焰图像的特征提取过程如下：

步骤S11，所述摄像头模块采集到的火焰图像的图像张量为3×416×416，所述DarkNet53网络经过一次3×3卷积运算改变通道数，输出图像尺寸为32×416×416；

步骤S12，通过3×3卷积运算扩大通道数、提取主要特征，输出图像尺寸为64×208×

208；

步骤S13，进入第一个残差块进行运算，此残差块包含2次卷积运算和1次残差运算；

步骤S14，进入其余残差块进行运算，运算过程同步骤S13中的第一个残差块运算；

步骤S15，YOLO v3网络模型依据Dark Net53网络提取的3个特征张量进行后续的特征提取和目标的识别；

这里，YOLO v3网络通过提取火焰的视觉特征来对火焰进行识别，火焰的视觉特征包括火焰图像压缩后得到的像素的分布以及像素值的大小，DarkNet53网络对一张图片进行处理过后,图片像素会被压缩然后生成一个较小的张量,该张量中包含了网络提取的火焰特征,通过对比该特征与标签值的差距大小来判断图像中是否包含火焰。

2.根据权利要求1所述的多功能的实验室安全监测与预警系统，其特征在于，所述实验室安全监测与预警控制模块是由三个数据节点A、B、C和主控节点组成，每个数据节点均配置有STM32F103处理器、航模电池、按键模块及USB3.0数据线模块。

3.根据权利要求2所述的多功能的实验室安全监测与预警系统，其特征在于，所述数据采集模块包括HY‑A1火焰传感器、MQ‑3酒精传感器、DHT11温湿度传感器，MQ‑7一氧化碳传感器、PM2.5传感器、MQ‑2烟雾气敏传感器、MQ‑4天然气传感器及MQ‑6液化气体传感器，其中，所述HY‑A1火焰传感器、MQ‑3酒精传感器、DHT11温湿度传感器以及MQ‑7一氧化碳传感器与实验室安全监测与预警控制模块中的节点A连接；PM2.5传感器、MQ‑2烟雾气敏传感器、MQ‑4天然气传感器、MQ‑6液化气体传感器与实验室安全监测与预警控制模块中的节点B连接。

4.根据权利要求2所述的多功能的实验室安全监测与预警系统，其特征在于，所述灭火模块包括水泵和继电器，所述水泵与实验室安全监测与预警控制模块中的主控节点连接，所述继电器与实验室安全监测与预警控制模块中的节点C连接。

5.根据权利要求1所述的多功能的实验室安全监测与预警系统，其特征在于，所述树莓派图像处理模块采用了树莓派3B+主板；所述摄像头模块包括OV5647摄像头和摄像头支架，用于人脸信息的采集；所述图像显示模块包括HDMI显示屏，用于显示操作界面；所述OLED显示模块采用了0.96寸四针脚OLED。

6.根据权利要求2所述的多功能的实验室安全监测与预警系统，其特征在于，所述云端监测模块包括机智云平台和阿里云平台。

7.根据权利要求6所述的多功能的实验室安全监测与预警系统，其特征在于，所述通信模块包括ESP8266WIFI模块和LORA模块，二者均通过串口来进行通信，ESP8266WIFI模块和实验室安全监测与预警控制模块的主控节点连接，负责把主控节点的数据上传至机智云平台APP端，节点A、B、C与主控节点均还配有一个LORA模块，LORA模块负责把节点A、B、C数据上传至阿里云平台WEB端，同时实现节点A、B、C和主控节点间的互相通信。