1.基于物联网的建筑施工消防检测方法，其特征在于，包括如下步骤：

步骤S1，通过人工标注对建筑施工场地进行区域划分与区域灵敏度定级，将施工区域分类结果与灵敏度定级结果发送至数据处理中心子系统；

步骤S2，通过无线传感器网络对环境数据进行采集，根据所述施工区域分类结果对传感器节点进行簇分组，根据计算得到的簇内节点能量系数完成领导节点竞选，通过领导节点将采集到的环境数据发送至数据处理中心子系统；

步骤S3，对固定监控区域进行录像获取视频数据，将所述视频数据实时发送至数据处理中心子系统；

步骤S4，根据无线传感器网络采集的到多种传感器数据建立环境数据集，基于D‑S理论与环境数据集计算得到置信水平概率模型，根据结合灵敏度等级的置信区间进行概率筛选得到火灾判断结果；

步骤S5，根据帧差分法对视频数据进行处理得到可疑区域图像，提取可疑区域图像的火焰特征与烟雾特征，通过反向传播神经网络和固定门限检测法得到火灾判断结果；

步骤S6，基于得到的火灾判断结果发送火灾警告，包括在施工现场发出声光警报和在云平台广播火灾通知，完成火灾检测与预警；

根据所述无线传感器网络采集的温度数据、一氧化碳浓度数据和紫外光强度数据建立数据集，根据所述施工区域分类结果对传感器节点进行簇分组，通过簇内领导节点将所述温度数据、一氧化碳浓度数据和紫外光强度数据发送至数据处理中心子系统；

在无线传感器网络的路由协议中的网络层、MAC层和物理层之间添加层间接口实现跃层数据传输，定期计算簇内节点的能量系数，对所述能量系数进行排序，选择能量系数最大的节点作为领导节点，其计算表达式为：；

其中，U表示能量系数， 表示节点最大电量， 表示候选节点的剩余电量， 表示候选节点与簇内其他节点之间的范式距离， 表示簇内所有节点到通信基站的范式距离的累加和；

根据所述无线传感器网络采集到的温度数据、一氧化碳浓度数据和紫外光强度数据建立环境数据集，通过D‑S模型对环境数据集进行计算得到置信水平概率模型，根据结合灵敏度等级的置信区间进行概率筛选并输出火灾判断结果，其计算表达式为：；

其中， 表示环境数据集对应的信任函数， 表示数据集合对应的似然函数，表示确切概率， 表示传感器位置对应的灵敏度权值；

根据帧差分法对视频进行图像采样与图像分割，通过相邻帧图像作差得到可疑区域图像，对可疑区域进行火焰特征与烟雾特征提取，计算可疑区域的图像信息熵与亮度变化率得到火焰特征向量，计算可疑区域的面积增长率与质心偏移度得到烟雾特征向量，将提取得到的火焰特征向量与烟雾特征向量输入训练好的反向传播神经网络，通过固定门限检测法得到火灾判断结果，其计算表达式为：；

其中， 表示图像信息熵，k表示灰度值，G表示最大灰度值， 表示像素点灰度值为k的概率，ln表示自然对数， 表示预测值， 表示火灾存在性判断， 表示图像的固定门限值。

2.如权利要求1所述的基于物联网的建筑施工消防检测方法，其特征在于：

步骤S11，对建筑施工场地进行空间分类，根据施工人员的人工标记结果将建筑施工场地分为易燃材料区域、明火作业区域和普通施工区域；

步骤S12，对建筑施工场地进行空间分类，通过施工人员上班打卡操作进入上班模式，将明火作业区域定级为低灵敏区，将普通施工区域定级为中灵敏区，将易燃材料区域定级为高灵敏区；

施工人员下班打卡操作进入下班模式，将全部建筑施工场地区域定级为高灵敏区。

3.如权利要求1所述的基于物联网的建筑施工消防检测方法，其特征在于：通过终端子系统接收火灾判断结果，当火灾判断结果为火灾存在时，在施工现场发出声光警报，并通过云平台向施工人员与消防部门发送火灾通知。

4.基于物联网的建筑施工消防检测系统，其特征在于：包括：分级子系统、无线传感器网络监测子系统、光学监测子系统、数据处理中心子系统和终端子系统；

分级子系统包括打卡模块、区域划分模块和灵敏度定级模块，用于通过人工标注对建筑施工场地进行区域划分与区域灵敏度定级，将施工区域分类结果与灵敏度定级结果发送至数据处理中心子系统，区域划分模块、灵敏度定级模块与数据处理中心子系统相连接，所述分级子系统与数据处理中心子系统相连接；

无线传感器网络检测子系统包括混合传感器网络模块、领导节点自检查模块与无线通信模块，用于通过无线传感器网络对环境数据进行采集，根据所述施工区域分类结果对传感器节点进行簇分组，根据计算得到的簇内节点能量系数完成领导节点竞选，通过领导节点将采集到的环境数据发送至数据处理中心子系统，所述无线传感器网络检测子系统与数据处理中心子系统相连接；

光学检测子系统包括视频采集模块、视频存储模块和数据发送模块，用于对固定监控区域进行录像获取视频数据，将所述视频数据实时发送至数据处理中心子系统；所述光学检测子系统与数据处理中心子系统相连接；

数据处理中心子系统包括数据汇总模块、无线传感器检测数据处理模块、光学检测数据处理模块和火灾判断模块，用于根据无线传感器网络采集的到多种传感器数据建立环境数据集，基于D‑S理论与环境数据集计算得到置信水平概率模型，根据结合灵敏度等级的置信区间进行概率筛选得到火灾判断结果，根据帧差分法对视频数据进行处理得到可疑区域图像，提取可疑区域图像的火焰特征与烟雾特征，通过反向传播神经网络和固定门限检测法得到火灾判断结果；

终端子系统包括云平台模块、声光警报模块和消防报警模块，用于根据得到的火灾判断结果发送火灾警告，包括在施工现场发出声光警报和在云平台广播火灾通知，完成火灾检测与预警；

其中，根据所述无线传感器网络采集的温度数据、一氧化碳浓度数据和紫外光强度数据建立数据集，根据所述施工区域分类结果对传感器节点进行簇分组，通过簇内领导节点将所述温度数据、一氧化碳浓度数据和紫外光强度数据发送至数据处理中心子系统；

在无线传感器网络的路由协议中的网络层、MAC层和物理层之间添加层间接口实现跃层数据传输，定期计算簇内节点的能量系数，对所述能量系数进行排序，选择能量系数最大的节点作为领导节点，其计算表达式为：；

其中，U表示能量系数， 表示节点最大电量， 表示候选节点的剩余电量， 表示候选节点与簇内其他节点之间的范式距离， 表示簇内所有节点到通信基站的范式距离的累加和；

根据所述无线传感器网络采集到的温度数据、一氧化碳浓度数据和紫外光强度数据建立环境数据集，通过D‑S模型对环境数据集进行计算得到置信水平概率模型，根据结合灵敏度等级的置信区间进行概率筛选并输出火灾判断结果，其计算表达式为：；

其中， 表示环境数据集对应的信任函数， 表示数据集合对应的似然函数，表示确切概率， 表示传感器位置对应的灵敏度权值；

根据帧差分法对视频进行图像采样与图像分割，通过相邻帧图像作差得到可疑区域图像，对可疑区域进行火焰特征与烟雾特征提取，计算可疑区域的图像信息熵与亮度变化率得到火焰特征向量，计算可疑区域的面积增长率与质心偏移度得到烟雾特征向量，将提取得到的火焰特征向量与烟雾特征向量输入训练好的反向传播神经网络，通过固定门限检测法得到火灾判断结果，其计算表达式为：；

其中， 表示图像信息熵，k表示灰度值，G表示最大灰度值， 表示像素点灰度值为k的概率，ln表示自然对数， 表示预测值， 表示火灾存在性判断， 表示图像的固定门限值。

5.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一所述基于物联网的建筑施工消防检测方法的步骤。

6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一所述基于物联网的建筑施工消防检测方法的步骤。