CN111265193B - 一种用于疫情防控卡口的现场体温筛查装置及方法 - Google Patents

Abstract

本发明公开了用于疫情防控卡口的现场体温筛查装置，包括：通过第一测温装置和第二测温装置采集当前疫情防控卡口的多位参考人员的体温、额温或者腕温；环境监测装置采集当前疫情防控卡口的环境参数信息；移动通信终端将采集的数据发送至云平台；云平台将获取的多组体温、额温及腕温以及环境参数信息输入初始体温筛查模型训练，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围；移动通信终端将第二测温装置采集的待测人员的额温和/或腕温发送至云平台；云平台将待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，向移动终端输出筛查结果。利用本发明，提高疫情防控卡口出入人员体温筛查的准确性。

Description

一种用于疫情防控卡口的现场体温筛查装置及方法

技术领域

本发明涉及检测技术领域，尤其涉及一种用于疫情防控卡口的现场体温筛查装置及方法。

背景技术

面对病毒疫情，为避免大规模的传染和爆发，采用的主要措施就是在各小区出入口、村口、机场、车站、高速出入口等主要的交通枢纽设立疫情防控卡口，对出入人员进行严格的筛查，从而有效隔断病毒的传播。由于病毒的感染人群和潜伏期人群的常见的症状是发热和体温升高，因此在各疫情防控卡口对出入人员的体温进行测量和筛查是其主要的防控手段。

目前的体温筛查过程主要依靠体温测量仪器完成，体温测量仪器可以分为接触式和非接触式。其中非接触式的测量仪器以红外测温枪为主，相比于接触式的测量仪器，其具有使用方便、快速测量、便于携带、不与人体接触等优点，是早期疫情筛查和防控的“利器”，被广泛应用于各疫情防控卡口的体温筛查。

非接触式体温测量仪主要通过测量额头温度或者腕部温度来表征体温，因此也常称这类仪器为额温类筛选仪。额温类筛选仪由于其红外测温特性，易受外界因素的影响，在不同的测量距离和环境温度下，测量结果也有区别。额温类筛选仪在实际应用过程中，需对其测量结果进行适当的修正，目前常用的修正方法是：通过一组人确定体温修正值，并在实际测量中对额温类筛选仪测量结果进行修正。该方法的不足之处在于：只用了实验室阶段的非现场修正值，未充分考虑现场环境影响及不同人群体温、额温的差异性，测量结果不确定性较大，严重影响了防控卡口体温筛查工作的准确性。

发明内容

有鉴于此，本发明的目的在于提供一种用于疫情防控卡口的现场体温筛查装置及方法，提高疫情防控卡口的出入人员体温筛查的准确性。

为实现上述目的，本发明提供了一种用于疫情防控卡口的现场体温筛查装置，所述装置包括第一测温装置、第二测温装置、环境监测装置、移动通信终端和云平台，其中，

所述第一测温装置，用于采集当前疫情防控卡口的多位参考人员的体温，并将采集的数据传送至所述移动通信终端；

所述第二测温装置，用于采集所述当前疫情防控卡口的多位参考人员的额温和/或腕温，并将采集到的数据发送至所述移动通信终端；

所述环境监测装置，用于采集当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端；

所述移动通信终端，用于将来自所述第一测温装置、第二测温装置和环境监测装置的数据发送至所述云平台；

所述云平台，包括一根据神经网络模型构建的用以指示体温、额温、腕温与环境参数信息之间的初始体温筛查模型，该云平台将获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围；

所述第二测温装置，还用于采集当前疫情防控卡口的待测人员的额温和/或腕温；

所述移动通信终端，还用于发送所述待测人员的额温和/或腕温至所述云平台；

所述云平台，还用于将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果。

优选的，所述移动通信终端包括设置单元和第一封装单元，其中，

所述设置单元，用于设置当前疫情防控卡口的卡口名称；

所述第一封装单元，用于将获取的多位参考人员的体温、额温、腕温以及当前疫情防控卡口的环境参数信息和卡口名称封装成参考人员的测量数据信息，并发送至所述云平台。

优选的，所述移动通信终端还包括第二封装单元，用于将所述当前疫情防控卡口的待测人员的额温和/或腕温和当前疫情防控卡口的卡口名称封装成待测人员的测量数据信息，并发送至所述云平台。

优选的，所述云平台包括模型构建单元，用于将获取的多位实验人员的体温、额温、腕温和当前环境参数信息构成样本训练集，根据神经网络模型和深度学习算法，对所述样本训练集进行训练，构建体温、额温、腕温与环境参数信息之间的关系模型，得到所述初始体温筛查模型。

优选的，所述云平台还包括数据库单元、存储单元和模型校准单元，其中，

所述数据库单元，用于设置多个数据库，建立每一个数据库名称与卡口名称的对应关系；

所述存储单元，用于根据所述当前疫情防控卡口的名称查询对应的数据库名称，将获取的多位参考人员的体温、额温、腕温以及当前疫情防控卡口的环境参数信息存储于对应的数据库中；

所述模型校准单元，用于从所述数据库中获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，得到校准的体温筛查模型，并获取到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围。

优选的，所述云平台还包括查询单元和判断单元，

所述查询单元，用于根据所述待测人员的测量数据信息中的当前疫情防控卡口的卡口名称，查询对应所述当前疫情防控卡口的额温筛查范围和腕温筛查范围；

所述判断单元，用于将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，若所述待测人员的额温和腕温均在所述额温筛查范围和腕温筛查范围内，则判定所述待测人员筛查通过，并输出筛查通过信息至所述移动通信终端；若所述待测人员的额温较低于所述额温筛查范围的下限并且腕温在所述腕温筛查范围内，则判定所述待测人员筛查通过，并输出筛查通过信息至所述移动通信终端；若所述待测人员的额温高于所述额温筛查范围的上限或者所述待测人员的腕温高于所述腕温筛查范围的上限，则判定所述待测人员的体温异常，并输出体温异常信息至所述移动通信终端；若所述待测人员的腕温低于所述腕温筛查范围的下限，则判定所述待测人员的测量异常，并输出测量异常信息至所述移动通信终端。

优选的，所述移动通信终端还包括显示单元，用于当接收到所述云平台发送的筛查通过信息时，将“允许通行”显示于所述移动通信终端；当接收到所述云平台发送的体温异常信息时，将“体温异常”显示于所述移动通信终端；当接收到所述云平台发送的测量异常信息时，将“测量异常”显示于所述移动通信终端。

优选的，所述云平台还包括确认单元，用于当判定所述待测人员的体温异常时，获取所述移动通信终端发送的该待测人员的实际体温，若所述实际体温高于所述额温筛查范围和腕温筛查范围，则将所述待测人员的实际体温、额温、腕温和环境参数信息构建为新的数据，输入所述体温筛查模型进行训练。

优选的，所述云平台还包括优化单元，用于将人员按照老人、小孩、男青年和女青年分为四个等级，每一个等级设置对应的修正参数，根据每一个等级对应的修正参数，对初始的体温筛查模型进行优化。

为实现上述目的，本发明提供了一种用于疫情防控卡口的现场体温筛查方法，所述方法包括：

S1、第一测温装置采集当前疫情防控卡口的多位参考人员的体温，并将采集的数据传送至所述移动通信终端；

S2、第二测温装置采集当前疫情防控卡口的多位参考人员额温和/或腕温，并将采集到的数据发送至移动通信终端；

S3、环境监测装置采集当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端；

S4、所述移动通信终端将来自所述第一测温装置、第二测温装置和环境监测装置的数据发送至云平台；

S5、所述云平台根据神经网络模型构建一用以指示体温、额温、腕温与环境参数信息之间的初始体温筛查模型，并将获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练得到，适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围；

S6、所述第二测温装置采集当前疫情防控卡口的待测人员的额温和/或腕温，并通过所述移动通信终端发送至所述云平台；

S7、所述云平台将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果。

与现有技术相比，本发明提供一种用于疫情防控卡口的现场体温筛查装置及方法，所带来的有益效果为：针对不同卡口现场的体温筛查装置，本发明通过测量当前疫情防控卡口的环境参数信息，并结合测量现场参考人员的体温、额温、腕温，建立起环境参数信息和体温、额温和腕温之间的关系模型，输出适合当前疫情防控卡口的体温筛查依据，降低了卡口的环境参数信息对筛查判断的影响；提高了卡口筛查结果的准确性；提高了疫情筛查的效率，给工作人员带来方便。

附图说明

图1是根据本发明的一个实施例中的用于疫情防控卡口的现场体温筛查装置的系统示意图。

图2是根据本发明的一个实施例中的用于疫情防控卡口的现场体温筛查方法的流程示意图。

具体实施方式

以下将结合附图所示的具体实施方式对本发明进行详细描述，但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

如图1所示的本发明一个实施例中，提供了一种用于疫情防控卡口的现场体温筛查装置，所述装置包括第一测温装置10、第二测温装置11、环境监测装置12、移动通信终端13和云平台14，其中，

所述第一测温装置10，用于采集当前疫情防控卡口的多位参考人员的体温，并将采集的数据传送至所述移动通信终端；

所述第二测温装置11，用于采集所述当前疫情防控卡口的多位参考人员额温和/或腕温，并将采集到的数据发送至所述移动通信终端；

所述环境监测装置12，用于采集当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端；

所述移动通信终端13，用于将来自所述第一测温装置、第二测温装置和环境监测装置的数据发送至所述云平台；

所述云平台14，包括一根据神经网络模型构建的用以指示体温、额温、腕温与环境参数信息之间的初始体温筛查模型，该云平台将获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围；

所述第二测温装置11，还用于采集当前疫情防控卡口的待测人员的额温和/或腕温；

所述移动通信终端13，还用于发送所述待测人员的额温和/或腕温至所述云平台；

所述云平台14，还用于将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果。

利用神经网络模型，根据人体的体温、额温、腕温以及环境参数信息，构建一个初始体温筛查模型。根据本发明的一具体实施例，所述云平台包括模型构建单元。所述模型构建单元采集多位实验人员的体温、额温、腕温和当前环境参数信息，将获取对应的多组体温、额温、腕温和环境参数信息构成样本训练集，根据神经网络模型和深度学习算法，对所述样本训练集进行训练，构建体温、额温、腕温与环境参数信息之间的关系模型，得到所述初始体温筛查模型。所述神经网络模型包括递归神经网络模型和深度信念网络模型。根据该初始体温筛查模型，建立初步的人体体温、额温、腕温和环境参数信息之间的关系模型，输出对应的正常额温范围和正常腕温范围。环境参数信息包括环境温度和风速信息。通过初始体温筛查模型，建立适用于初始测试环境的体温筛查模型。本发明中所说的“腕度”也可根据实际情况进行调整，也可用“脖颈温度”进行代替。

不同的应用场合，其环境从信息在跟着改变，因此需要在初始体温筛查模型的基础上对模型进一步校准。各疫情防控卡口所处位置的差异，其卡口现场的环境参数信息的差异也比较大，因此针对每一个疫情防控卡口的应用过程中，都需要对初始体温筛查模型进行进一步的校准，以使卡口通行人员的体温筛查更准确。通过采集当前疫情防控卡口的多位人员体温、额温和腕温，以及采集当前疫情防控卡口的环境参数信息，来对初始体温筛查模型进行校准。在疫情防控卡口对初始体温筛查模型进行进一步的校准时，选择校准的时间包括但不限于一天内首次筛查前、与上一次校准时环境参数信息波动超过一定温度值的时间节点以及定期校准。

所述第一测温装置采集当前疫情防控卡口的多位参考人员的体温，并将采集的数据传送至所述移动通信终端。参考人员一般选取为当前疫情防控卡口的健康工作人员。参考人员的数量大于等于3。第一测温装置包括接触式体温计。所述第二测温装置采集当前疫情防控卡口的多位参考人员的、额温和/或腕温，并将采集到的数据发送至所述移动通信终端，所述第二测温装置包括额温类筛选仪。在当前疫情防控卡口，对每一位参考人员通过额温类筛选仪进行额部和/或腕部测量，获取每一位参考人员的额温和/或腕温。所述额温类筛选仪与移动通信终端之间建立无线传输数据通道，所述额温类筛选仪将采集的多组额温和/或腕温数据发送至所述移动通信终端。比如，额温类筛选仪与移动通信终端之间建立蓝牙数据传输通道，二者通过蓝牙方式进行数据传输。

根据本发明的一具体实施例，为了提高第二测温装置测量的准确性，所述第二测温装置还包括校准单元，用于获取所述第二测温装置与人员的额部或腕部的距离，当所述距离在一预设的距离阈值时，输出开始测量提醒，用以提醒开始对所述健康人员的额部或腕部进行测量；并当测量结束完成时，输出测量结束提醒，用以提醒额温或腕温测量结束。

所述环境监测装置采集当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端。环境参数信息包括环境温度和风速信息。所述环境监测装置与所述移动通信终端建立无线传输数据通道，并将所述当前疫情防控卡口的环境参数信息发送至所述移动通信终端。

所述移动通信终端将来自所述第一测温装置、第二测温装置和环境监测装置的数据发送至所述云平台。移动通信终端包括但不限于手机、平板电脑、笔记本电脑和嵌入式设备。具体地，所述移动通信终端包括设置单元和第一封装单元。所述设置单元设置当前疫情防控卡口的卡口名称。所述第一封装单元将获取的多位参考人员的体温、额温、腕温以及当前疫情防控卡口的环境参数信息和卡口名称封装成参考人员的测量数据信息，并发送至所述云平台。

所述云平台将获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围。具体的，所述云平台还包括数据库单元、存储单元和模型校准单元。所述数据库单元设置多个数据库，建立每一个数据库名称与卡口名称的对应关系。所述存储单元根据所述当前疫情防控卡口的名称查询对应的数据库名称，将获取的多位参考人员的体温、额温、腕温以及当前疫情防控卡口的环境参数信息存储于对应的数据库中。所述模型校准单元将从所述数据库中获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，经过神经网络训练和深度学习的算法，得到校准的体温筛查模型。根据所述校准的体温筛查模型，获取到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围。通过使用当前疫情防控卡口的参考人员的数据信息重新对模型进行校准，进行现场比对，得到适合当前疫情防控卡口的体温筛查范围，提高了筛查的精确性。

所述第二测温装置采集当前疫情防控卡口的待测人员的额温和/或腕温。通过所述额温类筛选仪采集当前疫情防控卡口的待测人员的额部和/或腕部，获取所述待测人员的额温和/或腕温，并所述待测人员的额温和/或腕温发送至移动通信终端。所述移动通信终端获取所述待测人员的额温和/或腕温，并通过无线传输的方式发送至云端服务器。具体的，所述移动通信终端还包括第二封装单元，用于将所述当前疫情防控卡口的待测人员的额温和/或腕温和当前疫情防控卡口的卡口名称封装成待测人员的测量数据信息，并发送至所述云平台。

所述云平台获取所述移动通信终端发送的待测人员的测量数据信息，将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果。具体地，所述云平台还包括查询单元和判断单元。所述查询单元根据所述待测人员的测量数据信息中的当前疫情防控卡口的卡口名称，查询对应所述当前疫情防控卡口的额温筛查范围和腕温筛查范围。所述判断单元将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，若所述待测人员的额温和腕温均在所述额温筛查范围和腕温筛查范围内，则判定所述待测人员筛查通过，并输出筛查通过信息至所述移动通信终端；若所述待测人员的额温较低于所述额温筛查范围的下限并且腕温在所述腕温筛查范围内，则判定所述待测人员筛查通过，并输出筛查通过信息至所述移动通信终端；若所述待测人员的额温高于所述额温筛查范围的上限或者所述待测人员的腕温高于所述腕温筛查范围的上限，则判定所述待测人员的体温异常，并输出体温异常信息至所述移动通信终端；若所述待测人员的腕温低于所述腕温筛查范围的下限，则判定所述待测人员的测量异常，并输出测量异常信息至所述移动通信终端。

根据本发明的一具体实施例，所述移动通信终端还包括显示单元，用于当接收到所述云平台发送的筛查通过信息时，将“允许通行”显示于所述移动通信终端，表明所述待测人员筛查通过；当接收到所述云平台发送的体温异常信息时，将“体温异常”显示于所述移动通信终端，则表明所述待测人员需要进一步筛查；当接收到所述云平台发送的测量异常信息时，将“测量异常”显示于所述移动通信终端，则表明所述待测人员需要重新测量，并重新进行筛查。

根据本发明的一具体实施例，若判定所述待测人员的体温异常，则需要对所述测量人员进行确认性核查。通过接触式体温计对该测量人员进行实际体温的测量，获取实际的体温，并根据所述实际的体温做进一步的筛查，若其实际体温确实高于正常范围，则表明该筛查结果准确。具体地，所述云平台还包括确认单元，用于当判定所述待测人员的体温异常时，获取所述移动通信终端发送的该待测人员的实际体温，若所述实际体温高于所述额温筛查范围和腕温筛查范围，则将所述待测人员的实际体温、额温、腕温和环境参数信息构建为新的数据，输入所述体温筛查模型进行训练。将筛查异常的数据信息输入到模型中进行训练，以提高模型的准确性。

根据本发明的一具体实施例，若判定所述待测人员的测量异常，则需要对所述待测人员进行复测，对其重新测量，依次获取新的额温、腕温，重复上述执行步骤，对所述待测量人员重新进行筛查。

由于不同性别和年龄段的人的正常体温也有区别，比如老人的体温要低于年轻人的体温。因此根据本发明的一具体实施例，所述云平台还包括优化单元，用于将人员按照老人、小孩、男青年和女青年分为四个等级，每一个等级设置对应的修正参数，根据每一个等级对应的修正参数，对初始的体温筛查模型进行优化。通过模型训练计算时根据不同年龄、性别的人之间存在的体温差异进行修正，以使模型输出结果更准确。

如图2所示的本发明的一个实施例，本发明提供了一种用于疫情防控卡口的现场体温筛查方法，所述方法包括：

S201、第一测温装置采集当前疫情防控卡口的多位参考人员的体温，并将采集的数据传送至所述移动通信终端；

S202、第二测温装置采集所述当前疫情防控卡口的多位参考人员的额温和/或腕温，并将采集到的数据发送至移动通信终端；

S203、环境监测装置采集当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端；

S204、所述移动通信终端将来自所述第一测温装置、第二测温装置和环境监测装置的数据发送至云平台；

S205、所述云平台根据神经网络模型构建一用以指示体温、额温、腕温与环境参数信息之间的初始体温筛查模型，并将获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围；

S206、所述第二测温装置采集当前疫情防控卡口的待测人员的额温和/或腕温，并通过所述移动通信终端发送至所述云平台；

S207、所述云平台将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果。

通过采集多位实验人员的体温、额温、腕温和对应的环境参数信息，将所述多组体温、额温、腕温和环境参数信息构成样本训练集，根据神经网络模型，对所述样本训练集进行训练，得到所述初始体温筛查模型。

在当前疫情防控卡口，第一测温装置对采集多位参考人员的体温。第二测温装置采集多位参考人员的额温和/或腕温，并将采集到的数据发送至移动通信终端。环境监测装置采集当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端。所述移动通信终端设置当前疫情防控卡口的卡口名称，将获取的多位参考人员的体温、额温、腕温以及当前疫情防控卡口的环境参数信息和卡口名称封装成参考人员的测量数据信息，并发送至所述云平台。

所述云平台将获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围。所述第二测温装置采集当前疫情防控卡口的待测人员的额温和/或腕温，并通过所述移动通信终端发送至所述云平台。所述移动通信终端将所述当前疫情防控卡口的待测人员的额温和/或腕温和当前疫情防控卡口的卡口名称封装成待测人员的测量数据信息，并发送至所述云平台。

所述云平台获取所述待测人员的测量数据信息，根据所述当前疫情防控卡口的名称查询对应的额温筛查范围和腕温筛查范围；将所述待测人员的额温和腕温与所述额温筛查范围和腕温筛查范围进行比较，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果。

尽管为示例目的，已经公开了本发明的优选实施方式，但是本领域的普通技术人员将意识到，在不脱离由所附的权利要求书公开的本发明的范围和精神的情况下，各种改进、增加以及取代是可能的。

Claims (8)

1.一种用于疫情防控卡口的现场体温筛查装置，其特征在于，所述装置包括第一测温装置、第二测温装置、环境监测装置、移动通信终端和云平台，其中，

所述第一测温装置，所述第一测温装置包括接触式体温计，用于采集当前疫情防控卡口的多位参考人员的体温，并将采集的数据传送至所述移动通信终端；

所述第二测温装置，所述第二测温装置包括额温类筛选仪，用于采集所述当前疫情防控卡口的多位参考人员的额温和/或腕温，并将采集到的数据发送至所述移动通信终端，参考人员选取为当前疫情防控卡口的健康工作人员；

所述环境监测装置，用于采集当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端；

所述移动通信终端，用于将来自所述第一测温装置、第二测温装置和环境监测装置的数据发送至所述云平台；

所述云平台，包括一根据神经网络模型构建的用以指示体温、额温、腕温与环境参数信息之间的初始体温筛查模型，将所述采集的当前疫情防控卡口的多位参考人员的体温、额温和/或腕温，以及前疫情防控卡口的环境参数信息输入所述初始体温筛查模型训练，对所述初始体温筛查模型进行校准，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围；

所述第二测温装置，还用于采集当前疫情防控卡口的待测人员的额温和/或腕温；

所述移动通信终端，还用于发送所述待测人员的额温和/或腕温至所述云平台；

所述云平台，还用于将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果；

所述云平台包括模型构建单元，用于将获取的多位实验人员的体温、额温、腕温和当前环境参数信息构成样本训练集，根据神经网络模型和深度学习算法，对所述样本训练集进行训练，构建体温、额温、腕温与环境参数信息之间的关系模型，得到所述初始体温筛查模型，环境参数包括环境温度和风速信息；

所述云平台还包括优化单元，用于将人员按照老人、小孩、男青年和女青年分为四个等级，每一个等级设置对应的修正参数，根据每一个等级对应的修正参数，对初始的体温筛查模型进行优化。

2.如权利要求1所述的用于疫情防控卡口的现场体温筛查装置，其特征在于，所述移动通信终端包括设置单元和第一封装单元，其中，

所述设置单元，用于设置当前疫情防控卡口的卡口名称；

所述第一封装单元，用于将获取的多位参考人员的体温、额温、腕温以及当前疫情防控卡口的环境参数信息和卡口名称封装成参考人员的测量数据信息，并发送至所述云平台。

3.如权利要求2所述的用于疫情防控卡口的现场体温筛查装置，其特征在于，所述移动通信终端还包括第二封装单元，用于将所述当前疫情防控卡口的待测人员的额温和/或腕温和当前疫情防控卡口的卡口名称封装成待测人员的测量数据信息，并发送至所述云平台。

4.如权利要求3所述的用于疫情防控卡口的现场体温筛查装置，其特征在于，所述云平台还包括数据库单元、存储单元和模型校准单元，其中，

所述数据库单元，用于设置多个数据库，建立每一个数据库名称与卡口名称的对应关系；

所述存储单元，用于根据所述当前疫情防控卡口的名称查询对应的数据库名称，将获取的多位参考人员的体温、额温、腕温以及当前疫情防控卡口的环境参数信息存储于对应的数据库中；

所述模型校准单元，用于从所述数据库中获取的多组体温、额温及腕温以及环境参数信息输入所述初始体温筛查模型训练，得到校准的体温筛查模型并获取到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围。

5.如权利要求4所述的用于疫情防控卡口的现场体温筛查装置,其特征在于，所述云平台还包括查询单元和判断单元；

所述查询单元，用于根据所述待测人员的测量数据信息中的当前疫情防控卡口的卡口名称，查询对应所述当前疫情防控卡口的对应的额温筛查范围和腕温筛查范围；

所述判断单元，用于将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，若所述待测人员的额温和腕温均在所述额温筛查范围和腕温筛查范围内，则判定所述待测人员筛查通过，并输出筛查通过信息至所述移动通信终端；若所述待测人员的额温较低于所述额温筛查范围的下限并且腕温在所述腕温筛查范围内，则判定所述待测人员筛查通过，并输出筛查通过信息至所述移动通信终端；若所述待测人员的额温高于所述额温筛查范围的上限或者所述待测人员的腕温高于所述腕温筛查范围的上限，则判定所述待测人员的体温异常，并输出体温异常信息至所述移动通信终端；若所述待测人员的腕温低于所述腕温筛查范围的下限，则判定所述待测人员的测量异常，并输出测量异常信息至所述移动通信终端。

6.如权利要求5所述的用于疫情防控卡口的现场体温筛查装置其特征在于，所述移动通信终端还包括显示单元，用于当接收到所述云平台发送的筛查通过信息时，将“允许通行”显示于所述移动通信终端；当接收到所述云平台发送的体温异常信息时，将“体温异常”显示于所述移动通信终端；当接收到所述云平台发送的测量异常信息时，将“测量异常”显示于所述移动通信终端。

7.如权利要求6所述的用于疫情防控卡口的现场体温筛查装置,其特征在于，所述云平台还包括确认单元，用于当判定所述待测人员的体温异常时，获取所述移动通信终端发送的该待测人员的实际体温，若所述实际体温高于所述额温筛查范围和腕温筛查范围，则将所述待测人员的实际体温、额温、腕温和环境参数信息构建为新的数据，输入所述体温筛查模型进行训练。

8.一种用于疫情防控卡口的现场体温筛查方法，其特征在于，所述方法包括：

S1、第一测温装置采集当前疫情防控卡口的多位参考人员的体温，并将采集的数据传送至移动通信终端，参考人员选取为当前疫情防控卡口的健康工作人员；

S2、第二测温装置采集所述当前疫情防控卡口的多位参考人员的额温和/或腕温，并将采集到的数据发送至移动通信终端；

S3、环境监测装置采集所述当前疫情防控卡口的环境参数信息，并将采集到的数据发送至所述移动通信终端；

S4、所述移动通信终端将来自所述第一测温装置、第二测温装置和环境监测装置的数据发送至云平台；

S5、所述云平台根据神经网络模型构建一用以指示体温、额温、腕温与环境参数信息之间的初始体温筛查模型，将所述采集的当前疫情防控卡口的多位参考人员的体温、额温和/或腕温，以及前疫情防控卡口的环境参数信息，输入所述初始体温筛查模型训练，对所述初始体温筛查模型进行校准，得到适用于当前疫情防控卡口的额温筛查范围和腕温筛查范围；

S6、所述第二测温装置采集当前疫情防控卡口的待测人员的额温和/或腕温并通过所述移动通信终端发送至所述云平台；

S7、所述云平台将所述待测人员的额温和/或腕温与所述额温筛查范围和/或腕温筛查范围进行比对，当该待测人员的额温和/或腕温落入所述额温筛查范围和/或腕温筛查范围内时，向所述移动通信终端输出正常筛查结果，否则向所述移动通信终端输出异常筛查结果；

所述步骤S5包括:

将获取的多位实验人员的体温、额温、腕温和当前环境参数信息构成样本训练集，根据神经网络模型和深度学习算法，对所述样本训练集进行训练，构建体温、额温、腕温与环境参数信息之间的关系模型，得到所述初始体温筛查模型，环境参数包括环境温度和风速信息；

所述步骤S5还包括：

将人员按照老人、小孩、男青年和女青年分为四个等级，每一个等级设置对应的修正参数，根据每一个等级对应的修正参数，对初始的体温筛查模型进行优化。