CN110618102A - 一种基于色散光谱分析与人工智能的气体检测方法及装置 - Google Patents
一种基于色散光谱分析与人工智能的气体检测方法及装置 Download PDFInfo
- Publication number
- CN110618102A CN110618102A CN201910908367.6A CN201910908367A CN110618102A CN 110618102 A CN110618102 A CN 110618102A CN 201910908367 A CN201910908367 A CN 201910908367A CN 110618102 A CN110618102 A CN 110618102A
- Authority
- CN
- China
- Prior art keywords
- gas
- detection
- light
- model
- control unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 87
- 239000006185 dispersion Substances 0.000 title claims abstract description 33
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 9
- 239000007789 gas Substances 0.000 claims abstract description 108
- 230000003287 optical effect Effects 0.000 claims abstract description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 19
- 239000000428 dust Substances 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000007789 sealing Methods 0.000 claims abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 96
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 27
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 25
- 229910052760 oxygen Inorganic materials 0.000 claims description 25
- 239000001301 oxygen Substances 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 20
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 19
- 239000001569 carbon dioxide Substances 0.000 claims description 19
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 18
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 18
- 238000013178 mathematical model Methods 0.000 claims description 18
- 238000010521 absorption reaction Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000004611 spectroscopical analysis Methods 0.000 claims description 7
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 229910002090 carbon oxide Inorganic materials 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 3
- 230000000149 penetrating effect Effects 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 239000003245 coal Substances 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 230000005764 inhibitory process Effects 0.000 description 4
- 231100000572 poisoning Toxicity 0.000 description 4
- 230000000607 poisoning effect Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010021143 Hypoxia Diseases 0.000 description 1
- 238000012351 Integrated analysis Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 1
- 238000007084 catalytic combustion reaction Methods 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000001307 laser spectroscopy Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009967 tasteless effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000000041 tunable diode laser absorption spectroscopy Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种根基于色散光谱分析与人工智能的气体检测方法及装置，包括光源、第一聚光镜、检测气室、第二聚光镜、色散元件、感光元件及微控制单元，其中，检测气室用于密封待测气体；光源用于发出被待测气体特征吸收和折射的光；第一聚光镜用于调直光源所发出的光，第二聚光镜用于调直透过检测气室的光；色散元件用于将检测气室透过的光色散；感光元件用于将光信号转换为图像信号；微控制单元用于接收感光元件的图像信号，对图像信号综合计算，得到待测气体的浓度结果。本发明同时可检测多种气体，稳定性高；测量精度高，响应时间快；充分考虑水汽、粉尘、气压、温度的影响；无需调校；结构简单，成本较低；功耗低；易于小型化。
Description
技术领域
本发明涉及气体浓度分析领域，具体涉及一种基于色散光谱分析与人工智能的气体检测方法及装置。
背景技术
煤炭是我国重要的基础能源,占全国一次能源消费的70％左右,在国民经济中具有重要的战略地位，改革开放以来,煤炭工业取得了长足发展,产量持续增长,生产技术水平逐步提高,安全生产条件有所改善,但仍然存在着增长方式粗放、安全事故多发等问题,特别是安全事故多发问题令人关注和痛心。在安全事故产生原因中，其中有很大的占比与气体环境相关,主要是空气中有毒有害气体浓度超标以及氧气量不足等，我国煤矿事故总量过高,其中瓦斯事故比例高,人员伤亡大,在特大事故中80％以上是瓦斯事故,因瓦斯事故造成的死亡人数占事故总死亡人数的近1/3。因此,预防瓦斯事故是我们工作的重中之重。瓦斯是矿井中主要由煤层气构成的以甲烷为主的有害气体。有时单独指甲烷。它是在煤的生成和煤的变质过程中伴生的气体。瓦斯气体无色、无味。瓦斯难溶于水,不助燃也不能维持呼吸,达到一定浓度时,能使人因缺氧而窒息,并能发生燃烧或爆炸。瓦斯的燃烧、爆炸性是矿井主要灾害之一。由于甲烷气体直接威胁矿井安全生产和矿工生命安全，所以检测甲烷在空气中的体积浓度,以掌握井下瓦斯情况,防止瓦斯事故的发生尤为重要。目前，应用于矿山的甲烷传感器从探头的原理上主要分为下面几类：
催化燃烧利用元件测量在其表面甲烷燃烧反应放出的热量的原理，即燃烧使铂丝线圈的温度升高，线圈的电阻值就上升。测量铂丝电阻值变化的大小就可以知道可燃气体的浓度。由于采购成本低，催化原理甲烷传感器现在目前在煤矿领域使用最为广泛。但是有以下不足:可以对大部分的可燃气体产生响应；至少在8-10％的氧气环境下才能正常工作；容易引起传感器的中毒和抑制；高浓度气体容易对传感器造成损坏，量程一般为0～4％Vol；需要定期标校；使用寿命短；探头功耗大。
红外吸收利用甲烷气体分子对特定波长的红外光吸收原理，光谱吸收量与浓度呈线性关系，通过测量光谱吸收量得出气体浓度。红外甲烷传感器价格适中，并具备以下优点：不会中毒和抑制；不受氧气浓度的影响；不会待高浓度可燃气损坏；使用寿命较长一般在2～3年。
不足：除了容易受到热变化、压力变化的影响以外，由于滤光片无法精确的滤出气体检；测的波长的光，而是保留一段波长范围的光，并且也包含了水汽的吸收光谱，所以红外甲烷传感器在测量时，易受水汽的干扰。从近年在矿山实际推广的红外甲烷传感器使用情况来看，水汽干扰易影响到其准确性；虽然有采取去除水汽方法或补偿算法，但是效果仍不理想。
激光光谱以激光器为红外光谱发射源，采用可调谐激光光谱技术(TDLAS)精确控制激光波长，利用甲烷气体分子对特定波长的红外光吸收原理，光谱吸收量与浓度呈线性关系，通过测量光谱吸收量得出气体浓度，其具备以下优点:稳定性极高；测量精度高，响应时间快；不受其他气体和水汽的影响；不会中毒和抑制；不受氧气浓度的影响；调校周期长；使用寿命长；缺点：价格贵，影响大规模推广。
光干涉式甲烷传感器基于光干涉原理，利用不同浓度甲烷对气体折射率影响的不同，产生干涉条纹的移动，通过测量该干涉条纹的移动量得到当前甲烷浓度值。具备以下优点：测量数据稳定检测范围广使用期限长无易损原件，
缺点：易受环境温度影响；易受氧气浓度影响；易受水汽影响；易受气压影响；影响因素存在非线性关系，难于补偿。
上面是目前矿山比较主流的甲烷测量设备的原理。从准确度和实用性来，基于光学原理的甲烷测量更胜一筹，但是仍有不足之处：其中红外原理易受水汽影响；激光原理价格昂贵；光干涉原理易受环境因素影响，都不能提供一个低成本、高可靠性方案。
煤矿井下的作业环境十分复杂，甲烷、一氧化碳、氧气等环境参数的变化给矿工的生命安全和身体健康带来了威胁。通过传感器的检测可以预知险情，保障安全。目前基于电化学方式传感器，存在人工校准周期短、灵敏度易衰减、寿命短等不足；基于光学原理的传感器虽可靠性、易用性更加优异，但是造价高，且部分存在受水汽干扰的不足；另外井下环境参数传感器多以单参数为主，不仅造成资源浪费，也增加了成本。
发明内容
本发明的目的在于提供一种高可靠性、低成本、小型化、易于大规模推广的多参数气体测量方法,可以检测的气体为:甲烷、氧气、一氧化碳、二氧化碳。
为解决上述技术问题，本发明采用了以下方案：
一种基于色散光谱分析与人工智能的气体检测方法及装置，包括光源、第一聚光镜、检测气室、第二聚光镜、色散元件、感光元件即CCD以及微控制单元即MCU，其中，
所述检测气室用于密封待测气体；待测气体包括了甲烷、氧气、一氧化碳、二氧化碳四种气体。
所述光源用于发出被所述待测气体吸收和折射的光；
所述第一聚光镜用于调直所述光源所发出的光，所述第二聚光镜用于调直所述检测气室透过的光；
所述色散元件用于将检测气室透过的复色光色散；
所述感光元件用于将透过色散元件后的光信号转换为电信号，再转换为图像信号；
所述微控制单元与感光元件连接，用于接收感光元件的图像信号，对图像信号进行解析，综合计算，得到待测气体的浓度结果。
光源经过第一聚光镜后，待调直射入检测气室，由于光源包含不同波长的光，待检测气室内的不同气体特征吸收以及折射后产生不同的光谱，再经第二聚光镜调直后射向色散元件，色散元件再将光谱色散射向感光元件，感光元件将光信号转换成图像信号，经过微控制单元的分析计算出待测气体的浓度值。采用的简单结构的色散光学原理，元件量少，成本低，功耗低，微控制单元的集成化，易于整体发明的小型化，无需事先做任何调校。
进一步地，作为优选技术方案，所述微控制单元还包括AI芯片，所述AI芯片内植入有相应的测量对象和影响对象的数学模型的压缩包。
进一步地，作为优选技术方案，所述数学模型包括：甲烷检测模型、氧气检测模型、一氧化碳检测模型、二氧化碳检测模型，粉尘干扰模型及水汽干扰模型。
进一步地，作为优选技术方案，所述微控制单元上设有气压传感器和温度传感器。用于检测周围环境的温度和气压数据，由于光的折射现象与环境温度与气压有关，所以在建模过程中，将光谱图像数据以及温度、气压数据送入到AI芯片的学习系统中，将环境的温度和压强影响作为模型的一个参考量，为最终的气体浓度检测提供更为精准的结果。
进一步地，作为优选技术方案，所述光源为白光。白光包含了连续分布的一切波长的光，完全覆盖检测气室内混合气体，匹配待测气体的特征吸收和折射。
进一步地，作为优选技术方案，所述色散元件为分光棱镜或光栅。主要将二次调直后的光信号散射到感光元件上，本发明选用分光棱镜。
进一步地，作为优选技术方案，所述感光元件转换的光信号为色散光信号或者干涉光信号。采用光干涉原理形成干涉光信号，其光学结构要复杂一些，成本高一些，本发明采用的是色散原理形成的色散光信号。
一种根基于色散光谱分析与人工智能的气体检测方法，包括：
S1：初次调直，将复色光源调直照射到检测气室；
S2：光的吸收与折射，复色光源经过检测气室后，待检测气室内混合气体特征吸收及混合气体导致复色光源的折射率发生不同变化；
S3：二次调直，将检测气室吸收后及折射率发生不同变化后的光会聚到同一轴向射向色散元件；
S4：色散，将二次调直后的光色散，并射向感光元件；
S5：光电转换，感光元件接收到色散光信号，将色散光信号转换为电信号，再转换为图像信号，送入微控制单元；
S6：解析计算出待测气体浓度，微控制单元接收到感光元件的图像信号，经过解析，核心逻辑处理，发出计算请求到AI芯片，AI芯片辅助微控制单元检测出待测气体浓度值。
进一步地，作为优选技术方案，还包括：
S601：训练学习过程，针对单项影响因素以及综合叠加因素的结果产生大量不同的光谱图，通过PC机进行反复训练学习，产生相应的数学模型，结果有：甲烷检测模型、氧气检测模型、氧化碳检测模型、二氧化碳检测模型、水汽干扰模型及粉尘干扰模型，将数学模型简化压缩植入AI芯片。
S602：解析计算过程，AI芯片根据相应数学模型对微控制单元的图像信号进行解析，并结合气压传感器和温度温度传感器测量的结果，进行综合分析，得到甲烷、氧气、一氧化碳、二氧化碳的浓度结果。
本发明具有的有益效果：
1、光学部分采用简单的折射、散射的光学原理，得到被待测气体吸收和折射后的整体光谱图，通过微控制单元即MCU和AI芯片综合分析得到待测气体的浓度值，结构简单，成本低，MCU和AI芯片都是集成化的，功耗低，易于整体装置的小型化。
2、通过在PC机上进行大量的单一参数和综合参数，以及充分考虑水汽、粉尘、气压、温度的影响参数的学习训练，得到甲烷检测模型、氧气检测模型、一氧化碳检测模型、二氧化碳检测模型，、水汽和粉尘检测模型，经过简化压缩，植入AI芯片，就可以同时检测甲烷、氧气、二氧化碳、一氧化碳的气体浓度，稳定性高，测量精度高，响应时间快，充分考虑水汽、粉尘、气压、温度的影响；不会中毒和抑制；无需调校；使用寿命长；
附图说明
图1为本发明装置的结构框图；
图2为本发明装置的光路图；
图3为本发明的气体检测环节流程图；
图4为本发明的流程图。
附图标记：1-光源，2-第一聚光镜，3-检测室，4-第二聚光镜，5-色散元件，6-感光元件，7-微控制单元，8-AI芯片。
具体实施方式
下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。
实施例1
如图1所示，一种基于色散光谱分析与人工智能的气体检测方法及装置，包括光源1、第一聚光镜2、检测气室3、第二聚光镜4、色散元件5、感光元件6及微控制单元7，其中，
所述检测气室3用于密封待测气体；待测气体包括了甲烷、氧气、一氧化碳、二氧化碳四种气体。
所述光源1用于发出被所述待测气体吸收和折射的光；
所述第一聚光镜2用于调直所述光源1所发出的光，所述第二聚光镜4用于调直所述检测气室3透过的光；
所述色散元件5用于将检测气室3透过的复色光色散；
所述感光元件6用于将透过色散元件5后的光信号转换为电信号，再转换为图像信号；
所述微控制单元7与感光元6件连接，用于接收感光元件的图像信号，对图像信号进行解析，综合计算，得到待测气体的浓度结果。
所述微控制单元7还包括AI芯片8，所述AI芯片8内植入有相应的测量对象和影响对象的高精度数学模型的压缩包。
所述数学模型包括：甲烷检测模型、氧气检测模型、一氧化碳检测模型、二氧化碳检测模型，粉尘干扰模型及水汽干扰模型。
所述微控制单元7上设有气压传感器和温度传感器。用于检测周围环境的温度和气压数据，由于光的折射现象与环境温度与气压有关，所以在建模过程中，将光谱图像数据以及温度、气压数据送入到AI芯片的学习系统中，将环境的温度和压强影响作为模型的一个参考量，为最终的气体浓度检测提供更为精准的结果。根据洛伦兹-洛伦茨公式可知，气体折射率的改变量与单位体积内粒子个数的改变量成正比，假设外界条件压强为P0，温度为T0，折射率为n0，则气体折射率的变化Δn与气体压强的改变Δp存在下式关系
所述光源1为白光。白光包含了连续分布的一切波长的光，完全覆盖检测气室3内混合气体匹配待测气体的特征吸收和折射。
所述色散元件5为分光棱镜或光栅。主要将二次调直后的光信号散射到感光元件上，本发明选用分光棱镜。
所述感光元件6转换的光信号为色散光信号或者干涉光信号。采用光干涉原理形成干涉光信号，其光学结构要复杂一些，成本高一些，本发明采用的是色散原理形成的色散光信号。
光源1经过第一聚光镜2后，待调直射入检测气室3，由于光源1包含不同波长的光，由于折射、吸收等效应，其受待测气体组份或外部环境差异影响，所形成的光谱而不同，再经第二聚光镜4调直后射向色散元件5，色散元件5再将光谱色散射向感光元件6，通过感光元件6读取该光谱信息，并转换成图像，因为不同的气体组份影响到折射和吸收效应不同，其在光谱中会在某一个区域有特定的反映，微控制单元7接收到感光元件6的图像信号，微控制单元7与AI芯片8电连接并向其发出请求，AI芯片8预先在人工干涉的条件下，根据当前的测量对象(甲烷、二氧化碳、一氧化碳、氧气)和影响对象(水汽、粉尘、温度、压力)建立数学模型，所述数学模型包含了针对不同的气体(并针对水汽、粉尘等干扰因素)建立的不同的学习和预测模型，在PC机上进行大量的反复训练学习，在训练学习过程中，建立一个训练环境，先把甲烷、一氧化碳、二氧化碳、氧气分别按照不同浓度逐个通过检测气室，通过改变单项的参数，得到某一个参量对测量结果的影响模型，例如在甲烷的测量中，光源穿过检测气室后，其会由于甲烷浓度变化发生一定的光谱偏移，以及在红外区域产生一定的吸收现象，气室中甲烷浓度预先设置为0.1％，此时，将训练范围缩小为光谱的偏移量图形拍成图片，以及某一特定红外光谱的区域图形拍成图片，并在图片中标注出甲烷浓度0.1％时的特征区域，将这二个参数作为输入量，并将当前的甲烷浓度0.1％作为结果量进行训练学习，由于光的折射现象还与环境温度和气压有关，所以在训练学习中，将整个光谱图特征区域以及温度、气压数据送入到学习系统中，即将环境的温度和压强影响作为模型的一个参考量，通过针对单项影响因素以及综合叠加因素的结果进行训练，当0.1％浓度的甲烷训练完成后，接着训练0.2％浓度的甲烷，依次类推，0.3％浓度的甲烷，直到99％浓度的甲烷的训练，甲烷的安全浓度为小于1％，所以训练时，甲烷浓度超过1％时，递加浓度区间可以根据实际情况增大；相对应的，氧气、一氧化碳、二氧化碳分别按照此步骤进行训练，氧气的安全浓度为大于17％，二氧化碳的安全浓度为0.0005％，一氧化碳的安全浓度为0.0024％，所以当训练超过各气体安全浓度时，递加浓度区间范围可以根据实际情况增大，当单个气体的训练完后才能后，再训练其实混有不同浓度的粉尘、水汽时各气体模型，整个训练完成后产生相应的影响模型，包括：甲烷检测模型、氧气检测模型、一氧化碳检测模型、二氧化碳检测模型，粉尘干扰模型及水汽干扰模型；将这些影响模型进行简化压缩，然后植入AI芯片8。AI芯片8根据相应影响模型对微控制单元7传输的图像进行解析，并结合当前通过气压元件和温度元件测量的压力和温度结果，采用人工神经网络算法进行综合分析，找出符合图像特征的相应检测模型，就能得到甲烷、氧气、一氧化碳、二氧化碳的此时的浓度结果，再将结果反馈给微控制单元7。本发明目标主要是现场应用的测量装置的探头元件，而受现场设备小型化、低功耗、低成本等诸方面的限制，所以在实际使用过程中，需要将上述训练过程的深度网络检测过程模型进行裁剪和发布正规化，将模型小型化并迁移到测量元件中，使之可以在嵌入式的环境运行，所以可用此发明生产小型化的矿用传感元件，以应用于矿山各个需要有毒有害气体(或氧气)检测设备的场合，向矿山领域并提供一种高可靠、低成本的检测敏感元件选择方案，人工神经网络算法属于AI领域技术人员熟知的，在此不做赘述。
本发明采用的简单结构的色散光学原理，元件量少，成本低，功耗低，微控制单元7的集成化，易于整体发明的小型化，无需事先做任何调校。
实施例2
一种根基于色散光谱分析与人工智能的气体检测方法，包括：
S1：初次调直，将光源1调直照射到检测气室3；
S2：光的吸收与折射，光源1经过检测气室3后，待检测气室3内混合气体特征吸收及混合气体导致光源1的折射率发生不同变化；
S3：二次调直，将被检测气室吸收后及折射率发生不同变化后的光会聚到同一轴向射向色散元件5；
S4：色散，将二次调直后的光色散，并射向感光元件6；
S5：光电转换，感光元件6接收到色散光信号，将色散光信号转换为电信号，再转换为图像信号，送入微控制单元7；
S6：解析计算出待测气体浓度，微控制单元7接收到感光元件6的图像信号，经过解析，核心逻辑处理，AI芯片8辅助微控制单元检测出待测气体浓度值。
进一步地，作为优选技术方案，还包括：
S601：训练学习过程，针对单项影响因素以及综合叠加因素的结果产生大量不同的光谱图，在这些光谱图中标注出特征区域，送入PC机进行反复训练学习，产生相应的数学模型，结果有：甲烷检测模型、氧气检测模型、氧化碳检测模型、二氧化碳检测模型、水汽干扰模型及粉尘干扰模型，将数学模型简化压缩植入AI芯片。
S602：解析计算过程，AI芯片8根据相应数学模型对微控制单元7的图像信号进行解析，并结合气压传感器和温度温度传感器测量的结果，进行综合分析，得到甲烷、氧气、一氧化碳、二氧化碳的浓度结果，在反馈给微控制单元7，并显示出来。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。
Claims (9)
1.一种基于色散光谱分析与人工智能的气体检测方法及装置，其特征在于，包括光源(1)、第一聚光镜(2)、检测气室(3)、第二聚光镜(4)、色散元件(5)、感光元件(6)及微控制单元(7)，其中，
所述检测气室(3)用于密封待测气体；
所述光源(1)用于发出被所述待测气体特征吸收和折射的光；
所述第一聚光镜(2)用于调直所述光源(1)所发出的光，所述第二聚光镜(4)用于调直所述检测气室(3)透过的光；
所述色散元件(5)用于将检测气室(3)透过的复色光色散；
所述感光元件(6)用于将透过色散元件(5)的光信号转换为电信号，再转换为图像信号；
所述微控制单元(7)与感光元件(6)连接，用于接收感光元件的图像信号，对图像信号进行解析，综合计算，得到待测气体的浓度结果。
2.根据权利要求1所述一种基于色散光谱分析与人工智能的气体检测方法及装置，其特征在于，所述微控制单元(7)还包括AI芯片(8)，所述AI芯片(8)内植入有相应的测量对象和影响对象的数学模型压缩包。
3.根据权利要求2所述一种基于色散光谱分析与人工智能的气体检测方法及装置，其特征在于，所述数学模型包括：甲烷检测模型、氧气检测模型、一氧化碳检测模型、二氧化碳检测模型，粉尘干扰模型及水汽干扰模型。
4.根据权利要求1所述一种基于色散光谱分析与人工智能的气体检测方法及装置，其特征在于，所述微控制单元(7)上设有气压传感器和温度传感器。
5.根据权利要求1所述一种基于色散光谱分析与人工智能的气体检测方法及装置，其特征在于，所述光源(1)为白光。
6.根据权利要求1所述一种基于色散光谱分析与人工智能的气体检测方法及装置，其特征在于，所述色散元件(5)为分光棱镜或光栅。
7.根据权利要求1所述一种基于色散光谱分析与人工智能的气体检测方法及装置，其特征在于，所述感光元件(6)转换的光信号为色散光信号或者干涉光信号。
8.一种根基于色散光谱分析与人工智能的气体检测方法，其特征在于，包括：
S1：初次调直，将光源(1)调直照射到检测气室(3)；
S2：光的吸收与折射，光源(1)经过检测气室(3)后，被检测气室(3)内混合气体特征吸收及混合气体导致光源的折射率发生不同变化；
S3：二次调直，将被检测气室(3)吸收后及折射率发生不同变化后的光会聚到同一轴向射向色散元件(5)；
S4：色散，将二次调直后的光色散，并射向感光元件(6)；
S5：光电转换，感光元件(6)接收到色散光信号，将色散光信号转换为电信号，再转换为图像信号，送入微控制单元(7)；
S6：解析计算待测气体浓度，微控制单元接收到感光元件的图像信号，经过解析，核心逻辑处理，AI芯片(8)辅助微控制单元(7)检测出待测气体浓度值。
9.根据权利要求8所述一种根基于色散光谱分析与人工智能的气体检测方法，其特征在于，所述解析计算待测浓度还包括：
S601：训练学习过程，针对单项影响因素以及综合叠加因素的结果产生大量不同的光谱图，通过PC机进行反复训练学习，产生相应的数学模型，结果有：甲烷检测模型、氧气检测模型、氧化碳检测模型、二氧化碳检测模型、水汽干扰模型及粉尘干扰模型，将数学模型简化压缩植入AI芯片(8)；
S602：解析计算过程，AI芯片(8)根据相应数学模型对微控制单元(7)的图像信号进行解析，并结合气压传感器和温度温度传感器测量的结果，进行综合分析，得到甲烷、氧气、一氧化碳、二氧化碳的浓度结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910908367.6A CN110618102A (zh) | 2019-09-25 | 2019-09-25 | 一种基于色散光谱分析与人工智能的气体检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910908367.6A CN110618102A (zh) | 2019-09-25 | 2019-09-25 | 一种基于色散光谱分析与人工智能的气体检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110618102A true CN110618102A (zh) | 2019-12-27 |
Family
ID=68924070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910908367.6A Pending CN110618102A (zh) | 2019-09-25 | 2019-09-25 | 一种基于色散光谱分析与人工智能的气体检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110618102A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112504987A (zh) * | 2021-02-06 | 2021-03-16 | 湖北鑫英泰系统技术股份有限公司 | 一种变压器油中气体乙烯和乙炔的混合识别方法及系统 |
| CN112884935A (zh) * | 2021-01-15 | 2021-06-01 | 长江师范学院 | 一种面向复杂智能空间的穿戴式光谱巡检装置及系统 |
| CN115494487A (zh) * | 2022-11-18 | 2022-12-20 | 成都太阳神鸟智能控制有限公司 | 一种无线定位测距方法 |
| CN115508057A (zh) * | 2022-11-08 | 2022-12-23 | 泰州晶达光电有限公司 | 一种光学波片的检测装置 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0560687A (ja) * | 1991-09-05 | 1993-03-12 | Matsushita Electric Ind Co Ltd | 赤外分析装置 |
| CN1760664A (zh) * | 2004-10-15 | 2006-04-19 | 深圳迈瑞生物医疗电子股份有限公司 | 一种麻醉气体浓度测量的方法和装置 |
| CN101251475A (zh) * | 2008-03-27 | 2008-08-27 | 北京航空航天大学 | 对多种介质的浓度进行测量的方法和装置 |
| CN102798609A (zh) * | 2012-08-20 | 2012-11-28 | 杭州电子科技大学 | 基于量子级联激光器的汽车尾气遥感检测系统和方法 |
| KR20150010138A (ko) * | 2013-07-18 | 2015-01-28 | 한국가스안전공사 | 적외선 센서를 이용한 가스 농도 검출기 및 가스 검출 방법 |
| CN104614337A (zh) * | 2015-01-06 | 2015-05-13 | 西安交通大学 | 一种便携式多组分混合气监测系统 |
| CN105067552A (zh) * | 2015-08-07 | 2015-11-18 | 烟台三环锁业集团有限公司 | 一种基于光谱相控阵分析技术红外气体检测仪器 |
| CN105352907A (zh) * | 2015-11-27 | 2016-02-24 | 南京信息工程大学 | 基于径向基网络温度补偿的红外气体传感器及检测方法 |
| CN106153567A (zh) * | 2016-06-22 | 2016-11-23 | 南京信息工程大学 | 基于bp神经网络压力补偿的红外气体传感器及检测方法 |
| WO2017044435A1 (en) * | 2015-09-10 | 2017-03-16 | Honeywell International Inc. | Gas detector with normalized response and improved sensitivity |
| CN107941736A (zh) * | 2017-11-10 | 2018-04-20 | 吉林大学 | 基于宽带红外光源的调制吸收光谱气体检测装置及方法 |
| CN107966409A (zh) * | 2017-12-29 | 2018-04-27 | 青岛崂应环境科技有限公司 | 气体浓度分析方法及装置 |
| CN109632687A (zh) * | 2019-01-28 | 2019-04-16 | 国网重庆市电力公司电力科学研究院 | 四氟化碳气体浓度检测校正方法、装置、设备及存储介质 |
| CN110006837A (zh) * | 2019-05-05 | 2019-07-12 | 南京信息工程大学 | 一种ndir气体传感器系统及温湿度补偿方法 |
-
2019
- 2019-09-25 CN CN201910908367.6A patent/CN110618102A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0560687A (ja) * | 1991-09-05 | 1993-03-12 | Matsushita Electric Ind Co Ltd | 赤外分析装置 |
| CN1760664A (zh) * | 2004-10-15 | 2006-04-19 | 深圳迈瑞生物医疗电子股份有限公司 | 一种麻醉气体浓度测量的方法和装置 |
| CN101251475A (zh) * | 2008-03-27 | 2008-08-27 | 北京航空航天大学 | 对多种介质的浓度进行测量的方法和装置 |
| CN102798609A (zh) * | 2012-08-20 | 2012-11-28 | 杭州电子科技大学 | 基于量子级联激光器的汽车尾气遥感检测系统和方法 |
| KR20150010138A (ko) * | 2013-07-18 | 2015-01-28 | 한국가스안전공사 | 적외선 센서를 이용한 가스 농도 검출기 및 가스 검출 방법 |
| CN104614337A (zh) * | 2015-01-06 | 2015-05-13 | 西安交通大学 | 一种便携式多组分混合气监测系统 |
| CN105067552A (zh) * | 2015-08-07 | 2015-11-18 | 烟台三环锁业集团有限公司 | 一种基于光谱相控阵分析技术红外气体检测仪器 |
| WO2017044435A1 (en) * | 2015-09-10 | 2017-03-16 | Honeywell International Inc. | Gas detector with normalized response and improved sensitivity |
| CN105352907A (zh) * | 2015-11-27 | 2016-02-24 | 南京信息工程大学 | 基于径向基网络温度补偿的红外气体传感器及检测方法 |
| CN106153567A (zh) * | 2016-06-22 | 2016-11-23 | 南京信息工程大学 | 基于bp神经网络压力补偿的红外气体传感器及检测方法 |
| CN107941736A (zh) * | 2017-11-10 | 2018-04-20 | 吉林大学 | 基于宽带红外光源的调制吸收光谱气体检测装置及方法 |
| CN107966409A (zh) * | 2017-12-29 | 2018-04-27 | 青岛崂应环境科技有限公司 | 气体浓度分析方法及装置 |
| CN109632687A (zh) * | 2019-01-28 | 2019-04-16 | 国网重庆市电力公司电力科学研究院 | 四氟化碳气体浓度检测校正方法、装置、设备及存储介质 |
| CN110006837A (zh) * | 2019-05-05 | 2019-07-12 | 南京信息工程大学 | 一种ndir气体传感器系统及温湿度补偿方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112884935A (zh) * | 2021-01-15 | 2021-06-01 | 长江师范学院 | 一种面向复杂智能空间的穿戴式光谱巡检装置及系统 |
| CN112504987A (zh) * | 2021-02-06 | 2021-03-16 | 湖北鑫英泰系统技术股份有限公司 | 一种变压器油中气体乙烯和乙炔的混合识别方法及系统 |
| CN112504987B (zh) * | 2021-02-06 | 2021-05-04 | 湖北鑫英泰系统技术股份有限公司 | 一种变压器油中气体乙烯和乙炔的混合识别方法及系统 |
| CN115508057A (zh) * | 2022-11-08 | 2022-12-23 | 泰州晶达光电有限公司 | 一种光学波片的检测装置 |
| CN115494487A (zh) * | 2022-11-18 | 2022-12-20 | 成都太阳神鸟智能控制有限公司 | 一种无线定位测距方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110618102A (zh) | 一种基于色散光谱分析与人工智能的气体检测方法及装置 | |
| EP2994742B1 (en) | Method and apparatus for real-time measurement of fuel gas compositions heating values | |
| WO2016115804A1 (zh) | 一种锅炉燃烧火焰中的气相碱金属浓度的在线检测方法 | |
| CN107044958B (zh) | 一种基于紫外宽带二级吸收光谱的氧气浓度测量系统的氧气浓度测量方法 | |
| Wang et al. | Optical sulfur dioxide sensor based on broadband absorption spectroscopy in the wavelength range of 198–222 nm | |
| CN203101225U (zh) | 一种气溶胶吸收系数测量系统 | |
| CN105424180B (zh) | 一种太赫兹激光功率计的校准方法 | |
| CN104730021A (zh) | 一种非分光红外气体传感器的标定方法 | |
| CN112304885B (zh) | 一种基于vcsel的自适应多谱线co检测系统及方法 | |
| Deng et al. | Dual-wavelength optical sensor for measuring the surface area concentration and the volume concentration of aerosols | |
| CN111007035A (zh) | 基于卷积神经网络的二燃室高温气体浓度检测方法、系统、装置及存储介质 | |
| Sun et al. | Dual gas sensor with innovative signal analysis based on neural network | |
| JP5186635B2 (ja) | 植物の水ストレス計測方法 | |
| CN106482790B (zh) | 基于火焰辐射的固体火箭推进剂燃烧测量装置和测量方法 | |
| CN105424904A (zh) | 一种火药燃气成分测试系统 | |
| Dong et al. | A mid-infrared carbon monoxide sensor system using wideband absorption spectroscopy and a single-reflection spherical optical chamber | |
| CN103411922A (zh) | 基于光学遥测镜头的手持式气体传感系统 | |
| Sun et al. | Non-interference NDIR detection method for mixed gases based on differential elimination | |
| CN101109704A (zh) | 一种应用新型滤光片的激光粉尘仪的检测和标定方法 | |
| Wang et al. | A multiline fitting method for measuring ethylene concentration based on WMS-2f/1f | |
| Hawe et al. | CO2 monitoring and detection using an integrating sphere as a multipass absorption cell | |
| Compais et al. | Optical analysis of blast furnace gas combustion in a laboratory premixed burner | |
| Dong et al. | A high-sensitive methane measuring telemetry system based on a direct optical absorption technique | |
| Yang et al. | Optical absorption COD sensor for real-time, low-power-consumption, long-term monitoring | |
| CN207147951U (zh) | 一种用于气体检测的吸收池 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191227 |