CN111398202A - 气体数据分析方法、装置、电子设备及存储介质 - Google Patents
气体数据分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111398202A CN111398202A CN202010184324.0A CN202010184324A CN111398202A CN 111398202 A CN111398202 A CN 111398202A CN 202010184324 A CN202010184324 A CN 202010184324A CN 111398202 A CN111398202 A CN 111398202A
- Authority
- CN
- China
- Prior art keywords
- gas
- electrical quantity
- curve
- quantity curve
- characteristic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000007405 data analysis Methods 0.000 title claims abstract description 36
- 230000007613 environmental effect Effects 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000007789 gas Substances 0.000 description 531
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 81
- 230000002452 interceptive effect Effects 0.000 description 41
- 230000000630 rising effect Effects 0.000 description 8
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 6
- 229910002091 carbon monoxide Inorganic materials 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 244000248349 Citrus limon Species 0.000 description 4
- 235000005979 Citrus limon Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 241000894007 species Species 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- -1 aldehyde compounds Chemical group 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
Images
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
-
- 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
- G01N2021/3545—Disposition for compensating effect of interfering gases
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 Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本申请实施例公开了一种气体数据分析方法、装置、电子设备及存储介质。上述方法,包括:对气体传感器所处环境的环境气体进行检测,得到电气量曲线;对所述电气量曲线进行分析,确定所述电气量曲线的第一曲线特征;按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型;当所述气体类型为目标气体时,基于所述电气量曲线输出所述目标气体的气体参数;当所述气体类型为干扰气体时,不输出所述电气量曲线对应的气体参数。上述气体数据分析方法、装置、电子设备及存储介质,能够提高气体传感器检测气体的准确度。
Description
技术领域
本申请涉及气体检测技术领域,具体涉及一种气体数据分析方法、装置、电子设备及存储介质。
背景技术
气体传感器是一种将某种气体体积分数转化成对应电信号的转换器,气体传感器可将气体的成份、浓度等信息转换成可以被人员、仪器仪表、计算机等利用的信息。气体传感器在进行气体检测时,由于环境中可能存在有干扰气体,导致气体传感器检测到的数据不准确。
发明内容
本申请实施例公开了一种气体数据分析方法、装置、电子设备及存储介质,能够提高气体传感器检测气体的准确度。
本申请实施例提供一种气体数据分析方法,包括:对气体传感器所处环境的环境气体进行检测,得到电气量曲线;对所述电气量曲线进行分析,确定所述电气量曲线的第一曲线特征;按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型;当所述气体类型为目标气体时,基于所述电气量曲线输出所述目标气体的气体参数;当所述气体类型为干扰气体时,不输出所述电气量曲线对应的气体参数。
本申请实施例提供一种气体数据分析装置,包括:气体检测模块,用于对气体传感器所处环境的环境气体进行检测,得到电气量曲线;分析模块,用于对所述电气量曲线进行分析,确定所述电气量曲线的第一曲线特征;类型判定模块,用于按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型;输出模块,用于当所述气体类型为目标气体时,基于所述电气量曲线输出所述目标气体的气体参数,当所述气体类型为干扰气体时,不输出所述电气量曲线对应的气体参数。
本申请实施例提供一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现如上所述的方法。
本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
上述实施例公开的气体数据分析方法、装置、电子设备及存储介质,通过对气体传感器所处环境的环境气体进行检测,得到电气量曲线,对电气量曲线进行分析,确定电气量曲线的第一曲线特征,并按照预设的判定策略,根据第一曲线特征判定电气量曲线对应的气体类型,当气体类型为目标气体时,基于电气量曲线输出目标气体的气体参数,当气体类型为干扰气体时,不输出电气量曲线对应的气体参数,能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中气体数据分析方法的流程图;
图2a为一个实施例中不同型号的甲醛传感器检测甲醛输出的电气量曲线图;
图2b为一个实施例中不同型号的甲醛传感器检测干扰气体的电气量曲线图;
图3为另一个实施例中气体数据分析方法的流程图;
图4为另一个实施例中气体数据分析方法的流程图;
图5为另一个实施例中气体数据分析方法的流程图;
图6为另一个实施例中气体数据分析方法的流程图;
图7为一个实施例中气体数据分析装置的框图;
图8为一个实施例中电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一客户端称为第二客户端,且类似地,可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端,但其不是同一客户端。
气体传感器进行气体检测的环境中可能存在干扰气体,会对气体传感器的检测结果造成影响。例如甲醛传感器在检测环境中的甲醛浓度时,乙醇、醋酸、橘子皮、柠檬、油烟等散发出的气体都有可能引起甲醛传感器的响应,这是由于这些气体中可能含有醛类的化合物,或者是含有与甲醛类似的官能团结构,会对甲醛传感器的检测结果造成影响。
本申请实施例公开了一种气体数据分析方法、装置、电子设备及存储介质,通过对气体传感器输出的电气量曲线进行分析,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度,能够提高气体传感器检测气体的准确度。
如图1所示,在一个实施例中,提供一种气体数据分析方法,可应用于台式电脑、个人计算机(PC,Personal Computer)、平板电脑等电子设备上,该电子设备可与气体传感器连接,可以获取气体传感器检测到的气体数据。可选地,该电子设备还可以是具有气体传感器的气体测量仪等,在此不作限定。该气体数据分析方法可包括以下步骤:
步骤110,对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
气体传感器可包括半导气体传感器、电化学气体传感器及光学气体传感器等。其中,半导气体传感器利用由金属氧化物或金属半导体氧化物材料制成的检测元件,该检测元件在与气体作用时可产生表面吸附等现象,从而引起电导率、伏安特性或表面电位等变化,从而对气体进行测量。电化学气体传感器则是利用被测气体的电化学活性,将被测气体进行电化学氧化或还原,从而对气体进行测量。光学气体传感器则是利用被测气体的红外吸收光谱特征或热效应而实现气体测量。可以理解地,本申请实施例中的气体传感器可包括但不限于上述几种,在此不作限定。
利用气体传感器对所处环境的环境气体进行检测,可包括检测环境气体的气体成份及气体浓度等。可选地,不同类型的气体传感器可检测的气体种类可不同,例如,甲醛传感器可检测环境中的甲醛浓度、一氧化碳(CO)气体传感器可检测环境中的一氧化碳浓度等,气体传感器可检测的气体种类可为一种或多种。
气体传感器对环境气体进行检测,可输出检测过程中产生的电气量曲线,该电气量曲线可用于描述检测过程中气体传感器的电气量变化。可选地,电气量曲线可以为电压曲线、电流曲线,也可以为电导率曲等,在此不作限定。根据电气量曲线中各电气量的变化,可以测量气体传感器所处环境中的气体成份及浓度等气体数据。
步骤120,对电气量曲线进行分析,确定电气量曲线的第一曲线特征。
可获取气体传感器在检测过程中产生的电气量曲线,并对电气量曲线进行分析,得到第一曲线特征。可选地,第一曲线特征可包括电气量曲线的平均曲率、拐点数量、变化趋势等。其中,曲率指的是电气量曲线上某个点的切线方向角相对弧长的转动率,可用于表征电气量曲线的弯曲程度;拐点指的是改变电气量曲线向上方向或向下方向的点,拐点数量可用于表征电气量曲线的锯齿程度,变化趋势指的是电气量曲线上升或下降的变化趋势。可以理解地,第一曲线特征还可包括其他特征,并不仅限于上述几种。
步骤130,按照预设的判定策略,根据第一曲线特征判定电气量曲线对应的气体类型。
电子设备中可存储有一种或多种不同的判定策略,用于判定电气量曲线对应的气体类型,在本申请实施例中,气体类型可包括目标气体及干扰气体。目标气体可指的是气体传感器可检测的气体种类,对于不同的气体传感器,目标气体可不同。例如,甲醛传感器对应的目标气体可以为甲醛,一氧化碳气体传感器对应的目标气体可以为一氧化碳等。干扰气体可指的是会对气体传感器检测的目标气体造成影响的气体,干扰气体可能包含有与目标气体相同的化学结构,会对目标气体的检测结果造成影响。
在一些实施方式中,判定策略可根据气体传感器检测到目标气体或干扰气体时输出的电气量曲线的特征进行制定。作为一种具体实施方式,可将气体传感器放入具有已知浓度的目标气体环境中,气体传感器对环境中包含的已知浓度的目标气体进行检测,可输出相应的电气量曲线。还可将气体传感器放入具有已知浓度的干扰气体或具有已知干扰源的环境中,气体传感器对环境中包含的干扰气体或干扰源进行检测,可输出相应的电气量曲线。可将已知浓度的目标气体的电气量曲线与干扰气体的电气量曲线进行比较,分析二者的特征区别,从而制定判定策略。
在一个实施例中,为了保证在制定判定策略前得到大量、有效的电气量曲线,可将同一气体传感器放入具有不同浓度的目标气体环境中,得到同一气体传感器输出的不同浓度的目标气体对应的电气量曲线。还可将同一气体传感器放入具有不同浓度的干扰气体或不同干扰源的环境中,得到同一气体传感器输出的不同浓度的干扰气体或不同干扰源对应的电气量曲线。在其他的实施例中,可将同一类型的多种不同型号的气体传感器放入相同浓度的目标气体环境中,得到不同型号的气体传感器输出的该浓度的目标气体对应的电气量曲线。还可将同一类型的多种不同型号的气体传感器放入相同浓度的干扰气体或相同干扰源的环境中,得到不同型号的气体传感器输出的该浓度的干扰气体或同一干扰源对应的电气量曲线。利用大量的电气量曲线制定判定策略,可提高制定的判定策略的准确性。
举例进行说明。图2a为一个实施例中不同型号的甲醛传感器检测甲醛输出的电气量曲线图。如图2a所示,在P点时,在环境中加入1ppm(parts per million,百万分比浓度)的甲醛气体,可分别获取型号为1#、5#、6#及9#的甲醛传感器输出的电压曲线。根据图2a中所示的不同型号输出的电压曲线,可以得到甲醛对应的电压曲线较为平滑,在刚加入甲醛气体时电压会突然上升,之后趋于稳定,其余点数对应的电压波动幅度较小。
图2b为一个实施例中不同型号的甲醛传感器检测干扰气体的电气量曲线图。如图2a所示,在X点时,在甲醛传感器的旁边放置干扰源(如砂糖橘),在Y点时,取出放置的干扰源,干扰源会释放干扰物质,产生干扰气体。可分别获取型号为102VDC、103VCD、104VDC及105VCD的甲醛传感器输出的电压曲线。根据图2b中所示的不同型号输出的电压曲线,可以得到干扰气体对应的电压曲线呈锯齿状,在加入干扰源后,电压会突然上升,之后又突然下降,波动幅度较大,且在具有干扰源的检测过程中电压不断产生波动,不稳定。
根据图2a及图2b所示的电气量曲线,可得到甲醛传感器在检测环境气体时,用于判定输出的电气量曲线为甲醛气体或为干扰气体的判定策略。例如,该判定策略可以为电气量曲线具有在上升后趋于稳定的第一曲线特征,则为甲醛气体的电气量曲线,电气量曲线具有在上升后又突然下降的第一曲线特征,则为干扰气体的电气量曲线;该判定策略还可以为电气量曲线具为在上升后波动幅度较小的第一曲线特征,则为甲醛气体的电气量曲线,电气量曲线具有在上升后产生多个波峰及波谷的第一曲线特征,则为干扰气体的电气量曲线等,但不限于此。
可以理解地,不同目标气体及不同干扰气体、不同干扰源等对应的电气量曲线的曲线特征可不同,因此对于不同的目标气体及干扰气体,可制定不同的判定策略,上述图2a及图2b仅用于说明,并不对本申请实施例进行限定。
在一些实施例中,可将大量的已知浓度的目标气体对应的电气量曲线以及已知浓度的干扰气体或已知干扰源的电气量曲线输入神经网络中,通过机器学习的方式对已知浓度的目标气体对应的电气量曲线及已知浓度的干扰气体或已知干扰源的电气量曲线的曲线特征进行学习训练,从而构建判定模型。在气体传感器对所处环境的环境气体进行检测,并输出检测过程中的电气量曲线后,可将该电气量曲线输入该构建的判定模型,判定模型根据电气量曲线的第一曲线特征可输出气体类型,实现人工智能化的气体类型辨别,可使辨别结果更为准确。
步骤140,当气体类型为目标气体时,基于电气量曲线输出目标气体的气体参数。
可根据判定策略对气体传感器检测所处环境的环境气体输出的电气量曲线的第一曲线特征进行分析,判断该电气量曲线对应的气体类型为目标气体,还是干扰气体。若该电气量曲线对应的气体类型为目标气体,则可基于电气量曲给输出目标气体的气体参数,可选地,该气体参数可包括但不限于目标气体的气体浓度、气体流动速度等。
在一些实施例中,可判断目标气体的气体参数是否满足预设警示条件,该警示条件用于触发产生警示信息。例如,警示条件可包括目标气体的气体浓度大于第一浓度阈值,其中,该第一浓度阈值可指的是目标气体对人体产生危害的浓度阈值,可根据实际需求进行设定,不同目标气体对应的第一浓度阈值可不同;警示条件还可包括目标气体的气体浓度大于第二浓度阈值且存在时长大于时间阈值,其中,第二浓度阈值可小于上述的第一浓度阈值,第二浓度阈值可指的是目标气体不会对人体产生危害或是产生的危害极小的浓度阈值,第二浓度阈值与时间阈值可根据实际需求进行设定。可以理解地,警示条件还可包括其他条件,在此不作限定。
电子设备可产生警示信息,该警示信息可采用文字信息、音频信息等方式进行展示。比如,可通过文字的方式在显示屏上显示气体传感器检测得到的目标气体的气体参数,也可通过播放声音的方式播放目标气体的气体参数。在一些实施方式中,电子设备还可与用户的移动终端建立通信连接,并在目标气体的气体参数满足警示条件时,向用户的移动终端发送警示信息。
可选地,警示信息除了包括目标气体的气体参数以外,还可包括检测得到该气体参数的气体传感器的设备信息,如气体传感器的编号、所处的环境位置信息等,以方便用户准确获知产生警示信息的环境位置情况,快速进行查看。
步骤150,当气体类型为干扰气体时,不输出电气量曲线对应的气体参数。
若根据判定策略判定气体传感器检测所处环境的环境气体输出的电气量曲线对应的气体类型为干扰气体,则可不输出电气量曲线对应的气体参数。仅在检测到的气体类型为目标气体时,才对气体参数进行输出,减少气体传感器输出的气体数据造成混淆的情况。
在本申请实施例中,通过对气体传感器所处环境的环境气体进行检测,得到电气量曲线,对电气量曲线进行分析,确定电气量曲线的第一曲线特征,并按照预设的判定策略,根据第一曲线特征判定电气量曲线对应的气体类型,当气体类型为目标气体时,基于电气量曲线输出目标气体的气体参数,当气体类型为干扰气体时,不输出电气量曲线对应的气体参数,能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
如图3所示,在一个实施例中,提供另一种气体数据分析方法,可应用于上述实施例中描述的电子设备。该气体数据分析方法可包括以下步骤:
步骤302,对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
步骤302可参考上述实施例中步骤110的描述,在此不再赘述。
步骤304,计算电气量曲线中至少一个时间点对应的曲率。
电子设备可对气体传感器检测所处环境的环境气体输出的电气量曲线进行分析,得到该电气量曲线的第一曲线特征。在一些实施例中,第一曲线特征可包括电气量曲线的平均曲率,平均曲率可用于表征电气量曲线的平滑度。
可计算电气量曲线中一个或多个时间点对应的曲率,时间点对应的曲率可用于表示电气量曲线中该时间点对应弧段的平均弯曲程度。可利用时间点对应电气量曲线上的点的切线斜率进行计算。可选地,曲率的计算公式可如式(1)所示:
其中,y表示电气量曲线上时间点t对应的电气量值,K表示时间点t对应的曲率。在一个具体实施方式中,可按照固定的时间间隔选取多个时间点,并计算电气量曲线中选取的多个时间点分别对应的曲率。时间间隔可根据实际需求进行设定,例如1秒、3秒、5秒、10秒等,但不限于此。选取的时间点越多,计算得到的曲率更能真实地反映电气量曲线的平滑程度。
步骤306,根据至少一个时间点对应的曲率确定电气量曲线的平均曲率。
可求取电气量曲线中计算得到的一个或多个时间点的曲率的平均值,并将该平均值作为电气量曲线的平均曲率。当电气量曲线的平均曲率越高时,可表示该电气量曲线越不平滑,当电气量曲线的平均曲率越低时,可表示该电气量曲线越平滑。
在一些实施方式中,由于目标气体的电气量曲线和干扰气体的电气量曲线在前期阶段较为相似,该前期阶段可指的是未检测到目标气体或干扰气体的阶段以及刚开始检测到目标气体或干扰气体的阶段。以图2a及图2b为例,甲醛传感器在刚放入甲醛气体以及刚放置干扰源时,电压曲线呈突然上升的状态,而在未放入甲醛气体及干扰源时,电压曲线则处于平稳状态且电压值接入零。因此,可仅获取电气量曲线在非前期阶段中一个或多个时间点对应的曲率。
可获取电气量曲线的响应时间点,该响应时间点指的是气体传感器进行响应的时间点,当气体传感器检测到一定浓度的目标气体或疑似目标气体的干扰气体时,会产生响应。作为一种具体实施方式,响应时间点可以为电气量曲线中首次出现斜率大于设定值的时间点,该首次出现斜率大于设定值的时间点可以理解为气体传感器刚开始检测到目标气体或干扰气体的时间点。
电气量曲线上点的斜率可以为该点的切线斜率,用于表示该点对应的弧段的变化程度,当点的斜率越大时,可说明电气量曲线上该点对应弧段的电气量值变化越大。从而可准确地找到气体传感器的响应时间点。以图2a为例,对于型号9#的甲醛传感器输出的电压曲线而言,响应时间点可以为首次出现斜率大于设定值的P点。
在一些实施例中,响应时间点也可以为电气量曲线中首次出现曲率大于预设曲率值的时间点等。上述涉及的设定值及预设曲率值等均可根据实际需求进行设定,在此不作限定。
获取电气量曲线的响应时间点后,可将响应时间点之后的预设时间段确定为等待时间段,并根据在等待时间段之后的至少一个时间点对应的曲率确定电气量曲线的平均曲率。等待时间段可理解为等待气体传感器对检测到的目标气体或干扰气体进行响应的时间段,在该等待时间段中,不同气体类型的电气量曲线的表现特征可能是相同的。例如,目标气体的电气量曲线与干扰气体的电气量曲线在该等待时间段中均呈现上升且斜率大的特征等,但不限于此。可选地,该预设时间段可根据实际需求进行设定,例如可以为10秒、6秒、5秒等,在此不作限定。
如图2a中所示,可将时间点P作为响应时间点,并将时间点P到时间点Z之间的时间段作为等待时间段,可根据电气量曲线在时间点Z之后的一个或多个时间点对应的曲率计算平均曲率。如图2b中所示,可将时间点X作为响应时间点,并将时间点X到时间点120之间的时间段作为等待时间段,可根据电气量曲线在时间点120之后的一个或多个时间点对应的曲率计算平均曲率。
在等待气体传感器对检测的气体出现响应一段时间之后,再计算电气量曲线的平均曲率,可使计算得到的平均曲率更为反映电气量曲线的真实平滑程度,更为准确。
步骤308,判断平均曲率是否大于第一阈值,若是,则执行步骤312,若否,则执行步骤310。
在一些实施例中,可判断电气量曲线的平均曲率是否大于第一阈值,当电气量曲线的平均曲率大于第一阈值时,可说明该电气量曲线较不平滑,可确定该电气量曲线对应的气体类型为干扰气体。当电气量曲线的平均曲率不大于第一阈值时,可说明该电气量曲线较为平滑,可确定该电气量曲线对应的气体类型为目标气体。
可选地,第一阈值可根据实际需求进行设定。也可通过计算多个已知浓度的目标气体对应的电气量曲线的平均曲率,以及多个已知浓度的干扰气体或已知干扰源对应的电气量曲线的平均曲率,并进行分析,得到该第一阈值。大部分已知浓度的目标气体对应的电气量曲线的平均曲率满足大于该第一阈值的条件,大部分已知浓度的目标气体对应的电气量曲线的平均曲率满足不大于该第一阈值的条件。
步骤310,确定电气量曲线对应的气体类型为目标气体,并基于电气量曲线输出目标气体的气体参数。
步骤312,确定电气量曲线对应的气体类型为干扰气体,不输出电气量曲线对应的气体参数。
步骤310及312可参照上述实施例中步骤140及150的描述,在此不再进行赘述。
在本申请实施例中,可根据电气量曲线的平均曲率判定气体传感器检测到的气体类型,能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
如图4所示,在一个实施例中,提供另一种气体数据分析方法,可应用于上述实施例中描述的电子设备。该气体数据分析方法可包括以下步骤:
步骤402,对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
步骤402可参考上述实施例中步骤110的描述,在此不再赘述。
步骤404,统计电气量曲线的拐点数量。
电子设备可对气体传感器检测所处环境的环境气体输出的电气量曲线进行分析,得到该电气量曲线的第一曲线特征。在一些实施例中,第一曲线特征可包括电气量曲线的拐点数量。
拐点可指的是电气量曲线中改变曲线向上或向下方式的点,也可以理解为电气量曲线中的凹弧与凸弧的分界点。可选地,可采用二阶导数等方法确定电气量曲线中的拐点,并对拐点数量进行统计。拐点数量越多,可说明电气量曲线中产生的凹凸变化越多,越不平滑,拐点数量越少,可说明电气量曲线中产生的凹凸变化越少,越平滑。
步骤406,判断拐点数量是否大于第二阈值,若是,则执行步骤410,若否,则执行步骤408。
在一些实施例中,可判断电气量曲线的拐点数量是否大于第二阈值,当电气量曲线的拐点数量大于第二阈值时,可说明该电气量曲线较不平滑,可确定该电气量曲线对应的气体类型为干扰气体。当电气量曲线的拐点数量不大于第二阈值时,可说明该电气量曲线较为平滑,可确定该电气量曲线对应的气体类型为目标气体。
可选地,第二阈值可根据实际需求进行设定。也可通过计算多个已知浓度的目标气体对应的电气量曲线的拐点数量,以及多个已知浓度的干扰气体或已知干扰源对应的电气量曲线的拐点数量,并进行分析,得到该第二阈值。
在一些实施方式中,电气量曲线的第一曲线特征也可包括极值点数量,极值点可指的是电气量曲线上某段区间内极大值或极小值的点。可选地,可采用一阶导数等方法确定电气量中的极值点,并对极值点数量进行统计。可判断极值点数量是否大于预设的数量值,若大于该数量值,可说明该电气量曲线中包含的波峰及波谷较多,较不平滑,可确定该电气量曲线对应的气体类型为干扰气体。若不大于该数量值,可说明该电气量曲线中包含的波峰及波谷较少,较为平滑,可确定该电气量曲线对应的气体类型为目标气体。
步骤408,确定电气量曲线对应的气体类型为目标气体,并基于电气量曲线输出目标气体的气体参数。
步骤410,确定电气量曲线对应的气体类型为干扰气体,不输出电气量曲线对应的气体参数。
步骤408及410可参照上述实施例中步骤140及150的描述,在此不再进行赘述。
在本申请实施例中,可根据电气量曲线的拐点数量判定气体传感器检测到的气体类型,能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
如图5所示,在一个实施例中,提供另一种气体数据分析方法,可应用于上述实施例中描述的电子设备。该气体数据分析方法可包括以下步骤:
步骤502,对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
步骤504,对电气量曲线进行分析,确定电气量曲线的第一曲线特征。
步骤502及504可参照上述各个实施例中的描述,在此不再进行赘述。
步骤506,将第一曲线特征与数据库中存储的至少一种气体的电气量曲线的第二曲线特征进行比对。
数据库中可预先存储有一种或多种已知气体的电气量曲线,可将提取的第一曲线特征与数据库中存储的一种或多种气体的电气量曲线的第二曲线特征分别进行比对,并判断第一曲线特征与比对的第二曲线特征是否匹配。第二曲线特征可包括但不限于电气量曲线的平均曲率、拐点数量、变化趋势等。在一些实施方式中,可确定第一曲线特征与数据库中存储的至少一种气体的电气量曲线的第二曲线特征的相似度,当相似度满足预设的相似阈值时,则可确定第一曲线特征与第二曲线特征匹配。可选地,相似阈值可以为90%、95%、87%等,可根据实际需求进行设定,在此不作限定。
在一个实施例中,第一曲线特征可包括第一趋势特征,第二曲线特征可包括第二趋势特征,趋势特征可用于描述电气量曲线上升或下降的变化趋势。可将气体传感器输出的电气量曲线的第一趋势特征与数据库中存储的至少一种气体的电气量曲线的第二趋势特征进行比对,确定第一趋势特征与比对的第二趋势特征之间的差异。当第一趋势特征与第二趋势特征之间的差异小于第三阈值时,可确定第一趋势特征与第二趋势特征匹配,也即,可确定气体传感器输出的电气量曲线与差异小于第三阈值的第二趋势特征所属的电气量曲线匹配。
在一个实施例中,可提取气体传感器检测所处环境的环境气体输出的电气量曲线的特征点,并将该特征点与数据库中存储的一种或多种气体的电气量曲线的特征点进行比对,计算二者相吻合的特征点数量,根据相吻合的特征点数量可确定气体传感器输出的电气量曲线与数据库中存储的至少一种气体的电气量曲线的相似度。当相似度满足预设的相似阈值时,则可确定该气体传感器输出的电气量曲线与数据库中存储的气体的电气量曲线匹配。可选地,电气量曲线的特征点可以为曲线上的极值点、拐点、斜率较大的点等,但不限于此。
本申请实施例中所涉及的数据库可以存储在电子设备中,也可以存储在服务器上,电子设备获取气体传感器输出的电气量曲线后,可将获取的电气量曲线上传至服务器,通过服务器进行比对。
步骤508,当第一曲线特征与第二曲线特征匹配,则将第一曲线特征对应的气体类型判定为与第一曲线特征匹配的第二曲线特征对应的气体类型。
当气体传感器检测所处环境的环境气体输出的电气量曲线的第一曲线特征与数据库中存储的电气量曲线的第二曲线特征匹配,可获取该匹配的第二曲线特征对应的气体类型,并将气体传感器检测所处环境的环境气体输出的电气量曲线对应的气体类型判定为该匹配的第二曲线特征对应的气体类型。
进一步地,数据库中存储的电气量曲线对应的气体类型除了包括目标气体及干扰气体外,还可对干扰气体进行细化,确定干扰气体的气体名称或干扰气体对应的干扰源名称。例如,数据库中可存储有气体传感器检测一氧化碳、甲醛、柠檬、砂糖橘等输出的对应的电气量曲线,将气体传感器检测所处环境的环境气体输出的电气量曲线的第一曲线特征与数据库中存储的各个电气量曲线的第二曲线特征进行比对后,可确定第一曲线特征与柠檬对应的电气量曲线的第二曲线特征匹配,则可判断该气体传感器检测所处环境的环境气体输出的电气量曲线对应为柠檬产生的干扰气体。
在一些实施方式中,数据库中也可仅存储有目标气体对应的电气量曲线。在获取气体传感器检测所处环境的环境气体输出的电气量曲线后,可将该电气量曲线的第一曲线特征与数据库中存储的目标气体的电气量曲线的第二曲线特征进行比对,若二者匹配,则可确定气体传感器检测所处环境的环境气体输出的电气量曲线对应的气体类型为目标气体,若二者不匹配,则可确定气体传感器检测所处环境的环境气体输出的电气量曲线对应的气体类型为干扰气体。
步骤510,当气体类型为目标气体时,基于电气量曲线输出目标气体的气体参数。
步骤512,当气体类型为干扰气体时,不输出电气量曲线对应的气体参数。
步骤510及512可参照上述实施例中步骤140及150的描述,在此不再进行赘述。
在本申请实施例中,可将电气量曲线的第一曲线特征与数据库中存储的至少一种气体的电气量曲线的第二曲线特征进行比对,从而可准确地确定气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
如图6所示,在一个实施例中,提供另一种气体数据分析方法,可应用于上述实施例中描述的电子设备。该气体数据分析方法可包括以下步骤:
步骤602,对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
步骤604,对电气量曲线进行分析,确定电气量曲线的第一曲线特征。
步骤606,按照预设的判定策略,根据第一曲线特征判定电气量曲线对应的气体类型。
步骤602~604可参照上述各个实施例中的描述,在此不再进行赘述。可以理解地,用于判定气体类型的判定策略可以是上述各个实施例中描述的判定策略中的一种或多种,在此不作限定。
步骤608,当气体类型为目标气体时,基于电气量曲线输出目标气体的气体参数。
步骤610,当气体类型为干扰气体时,不输出电气量曲线对应的气体参数。
步骤608及610可参照上述实施例中步骤140及150的描述,在此不再进行赘述。
步骤612,当气体传感器所处环境的场景信息为预设场景时,生成询问信息。
在一些实施例中,可获取气体传感器所处环境的场景信息,该场景信息可包括场景类型、场景湿度、温度等信息,场景类型可包括开阔场景、封闭场景等。可选地,场景信息可以由用户提前输入到电子设备中,也可以通过各类设备实时对场景信息进行采集,例如,可通过温度传感器实时检测气体传感器所处环境的温度等。
可判断气体传感器所处环境的场景信息是否为预设场景,作为一种具体实施方式,该预设场景可以为封闭场景,由于封闭场景中气体流动较小,因此气体传感器检测的结果会较为稳定。在确定气体传感器输出的电气量曲线对应的气体类型为干扰气体后,若气体传感器所处环境的场景信息为预设场景,则可生成询问信息。该询问信息可用于询问用户在气体传感器周围是否存在干扰源。
步骤614,确认所处环境是否存在干扰源,若是,则执行步骤602,若否,则执行步骤616。
当根据询问信息确认气体传感器所处环境中存在干扰源时,可在预设时长后,重新利用气体传感器对所处环境的环境气体进行检测。该预设时长可以理解为等待干扰源消失的时长,可根据实际需求进行设定,例如60秒、120秒或145秒等,在此不作限定。
步骤616,基于电气量曲线输出气体参数。
若根据询问信息确认气体传感器所处环境中不存在干扰源,则可基于电气量曲线输出气体参数。在一些实施方式中,在输出气体参数时,可同时展示提示信息,该提示信息可用于对可能存在的干扰情况进行提示。例如,在显示气体浓度的同时,显示“本次测量结果可能存在干扰气体的情况”。使用户可以更加全面、准确地获知检测结果。
在本申请实施例中,按照判定策略能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。此外,可根据气体传感器所处环境的场景信息对是否存在干扰源进行询问,进一步提高检测的准确度。
如图7所示,在一个实施例中,提供一种气体数据分析装置700,包括气体检测模块710、分析模块720、类型判定模块730及输出模块740。
气体检测模块710,用于对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
分析模块720,用于对电气量曲线进行分析,确定电气量曲线的第一曲线特征。
类型判定模块730,用于按照预设的判定策略,根据第一曲线特征判定电气量曲线对应的气体类型。
输出模块740,用于当气体类型为目标气体时,基于电气量曲线输出目标气体的气体参数,当气体类型为干扰气体时,不输出电气量曲线对应的气体参数。
在本申请实施例中,通过对气体传感器所处环境的环境气体进行检测,得到电气量曲线,对电气量曲线进行分析,确定电气量曲线的第一曲线特征,并按照预设的判定策略,根据第一曲线特征判定电气量曲线对应的气体类型,当气体类型为目标气体时,基于电气量曲线输出目标气体的气体参数,当气体类型为干扰气体时,不输出电气量曲线对应的气体参数,能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
在一个实施例中,分析模块720,包括曲率计算单元及平均曲率确定单元。
曲率计算单元,用于计算电气量曲线中至少一个时间点对应的曲率。
平均曲率确定单元,用于根据至少一个时间点对应的曲率确定电气量曲线的平均曲率。
在一个实施例中,平均曲率确定单元,包括获取子单元、第一确定子单元及第二确定子单元。
获取子单元,用于获取电气量曲线的响应时间点,响应时间点为电气量曲线中首次出现曲率变大的时间点。
确定子单元,用于将在响应时间点之后的预设时间段作为等待时间段,并根据在等待时间段之后的至少一个时间点对应的曲率确定电气量曲线的平均曲率。
类型判定模块730,还用于当平均曲率大于第一阈值时,确定电气量曲线对应的气体类型为干扰气体,当平均曲率不大于第一阈值时,确定电气量曲线对应的气体类型为目标气体。
在本申请实施例中,可根据电气量曲线的平均曲率判定气体传感器检测到的气体类型,能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
在一个实施例中,分析模块720,还用于统计电气量曲线的拐点数量,拐点为改变电气量曲线向上方向或向下方向的点。
类型判定模块730,还用于当拐点数量大于第二阈值时,确定电气量曲线对应的气体类型为干扰气体,当拐点数量不大于第二阈值时,确定电气量曲线对应的气体类型为目标气体。
在本申请实施例中,可根据电气量曲线的拐点数量判定气体传感器检测到的气体类型,能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
在一个实施例中,类型判定模块730,包括比对单元及判定单元。
比对单元,用于将第一曲线特征与数据库中存储的至少一种气体的电气量曲线的第二曲线特征进行比对。
判定单元,用于当第一曲线特征与第二曲线特征匹配,则将第一曲线特征对应的气体类型判定为与第一曲线特征匹配的第二曲线特征对应的气体类型。
在一个实施例中,第一曲线特征包括第一趋势特征,第二曲线特征包括第二趋势特征。
比对单元,还用于将第一趋势特征与数据库中存储的至少一种气体的电气量曲线的第二趋势特征进行比对,当第一趋势特征与第二趋势特征之间的差异小于第三阈值时,确定第一趋势特征与第二趋势特征匹配。
在本申请实施例中,可将电气量曲线的第一曲线特征与数据库中存储的至少一种气体的电气量曲线的第二曲线特征进行比对,从而可准确地确定气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。
在一个实施例中,上述气体数据分析装置700,除了包括气体检测模块710、分析模块720、类型判定模块730及输出模块740,还包括场景获取模块及询问模块。
场景获取模块,用于获取气体传感器所处环境的场景信息。
询问模块,用于当场景信息为预设场景时,在判定电气量曲线对应的气体类型为干扰气体之后,生成询问信息,询问信息用于确认所处环境中是否存在干扰源。
气体检测模块710,还用于当存在干扰源时,在预设时长后,重新对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
在本申请实施例中,按照判定策略能够准确辨别气体类型,气体传感器在具有干扰气体的环境中也可准确检测目标气体,提高了气体传感器检测气体的准确度及应用范围。此外,可根据气体传感器所处环境的场景信息对是否存在干扰源进行询问,进一步提高检测的准确度。
图8为一个实施例中电子设备的结构框图。如图8所示,电子设备800可以包括一个或多个如下部件:处理器810、与处理器810耦合的存储器820,其中一个或多个应用程序可以被存储在存储器820中并被配置为由一个或多个处理器810执行,一个或多个程序配置用于执行如上述实施例描述的方法。
处理器810可以包括一个或者多个处理核。处理器810利用各种接口和线路连接整个电子设备800内的各个部分,通过运行或执行存储在存储器820内的指令、程序、代码集或指令集,以及调用存储在存储器820内的数据,执行电子设备800的各种功能和处理数据。可选地,处理器810可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器810可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器810中,单独通过一块通信芯片进行实现。
存储器820可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器820可用于存储指令、程序、代码、代码集或指令集。存储器820可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等。存储数据区还可以存储电子设备800在使用中所创建的数据等。
可以理解地,电子设备800可包括比上述结构框图中更多或更少的结构元件,例如,包括电源、输入按键、摄像头、扬声器、屏幕、RF(Radio Frequency,射频)电路、Wi-Fi(Wireless Fidelity,无线保真)模块、蓝牙模块、传感器等,还可在此不进行限定。
本申请实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序被处理器执行时实现如上述实施例描述的方法。
本申请实施例公开一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可被处理器执行时实现如上述实施例描述的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
如此处所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM),它用作外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在本申请的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本申请的各个实施例上述方法的部分或全部步骤。
以上对本申请实施例公开的一种气体数据分析方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种气体数据分析方法,其特征在于,包括:
对气体传感器所处环境的环境气体进行检测,得到电气量曲线;
对所述电气量曲线进行分析,确定所述电气量曲线的第一曲线特征;
按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型;
当所述气体类型为目标气体时,基于所述电气量曲线输出所述目标气体的气体参数;
当所述气体类型为干扰气体时,不输出所述电气量曲线对应的气体参数。
2.根据权利要求1所述的方法,其特征在于,所述对所述电气量曲线进行分析,确定所述电气量曲线的第一曲线特征,包括:
计算所述电气量曲线中至少一个时间点对应的曲率;
根据所述至少一个时间点对应的曲率确定所述电气量曲线的平均曲率;
所述按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型,包括:
当所述平均曲率大于第一阈值时,确定所述电气量曲线对应的气体类型为干扰气体;
当所述平均曲率不大于所述第一阈值时,确定所述电气量曲线对应的气体类型为目标气体。
3.根据权利要求2所述的方法,其特征在于,所述根据所述至少一个时间点对应的曲率确定所述电气量曲线的平均曲率,包括:
获取所述电气量曲线的响应时间点,所述响应时间点为所述电气量曲线中首次出现斜率大于设定值的时间点;
将在所述响应时间点之后的预设时间段作为等待时间段,并根据在所述等待时间段之后的至少一个时间点对应的曲率确定所述电气量曲线的平均曲率。
4.根据权利要求1所述的方法,其特征在于,所述对所述电气量曲线进行分析,确定所述电气量曲线的第一曲线特征,包括:
统计所述电气量曲线的拐点数量,拐点为改变所述电气量曲线向上方向或向下方向的点;
所述按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型,包括:
当所述拐点数量大于第二阈值时,确定所述电气量曲线对应的气体类型为干扰气体;
当所述拐点数量不大于所述第二阈值时,确定所述电气量曲线对应的气体类型为目标气体。
5.根据权利要求1所述的方法,其特征在于,所述按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型,包括:
将所述第一曲线特征与数据库中存储的至少一种气体的电气量曲线的第二曲线特征进行比对;
当所述第一曲线特征与第二曲线特征匹配,则将所述第一曲线特征对应的气体类型判定为与所述第一曲线特征匹配的第二曲线特征对应的气体类型。
6.根据权利要求5所述的方法,其特征在于,所述第一曲线特征包括第一趋势特征,所述第二曲线特征包括第二趋势特征;
所述将所述第一曲线特征与数据库中存储的至少一种气体的电气量曲线的第二曲线特征进行比对,包括:
将所述第一趋势特征与数据库中存储的至少一种气体的电气量曲线的第二趋势特征进行比对;
当所述第一趋势特征与第二趋势特征之间的差异小于第三阈值时,确定所述第一趋势特征与第二趋势特征匹配。
7.根据权利要求1-6任一所述的方法,其特征在于,所述方法还包括:
获取所述气体传感器所处环境的场景信息;
当所述场景信息为预设场景时,在判定所述电气量曲线对应的气体类型为干扰气体之后,生成询问信息,所述询问信息用于确认所述所处环境中是否存在干扰源;
当存在所述干扰源时,在预设时长后,重新执行所述对气体传感器所处环境的环境气体进行检测,得到电气量曲线。
8.一种气体数据分析装置,其特征在于,包括:
气体检测模块,用于对气体传感器所处环境的环境气体进行检测,得到电气量曲线;
分析模块,用于对所述电气量曲线进行分析,确定所述电气量曲线的第一曲线特征;
类型判定模块,用于按照预设的判定策略,根据所述第一曲线特征判定所述电气量曲线对应的气体类型;
输出模块,用于当所述气体类型为目标气体时,基于所述电气量曲线输出所述目标气体的气体参数,当所述气体类型为干扰气体时,不输出所述电气量曲线对应的气体参数。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现如权利要求1至7任一所述的方法。
10.一种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7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010184324.0A CN111398202A (zh) | 2020-03-16 | 2020-03-16 | 气体数据分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010184324.0A CN111398202A (zh) | 2020-03-16 | 2020-03-16 | 气体数据分析方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111398202A true CN111398202A (zh) | 2020-07-10 |
Family
ID=71432542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010184324.0A Pending CN111398202A (zh) | 2020-03-16 | 2020-03-16 | 气体数据分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398202A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766535A (zh) * | 2020-12-16 | 2021-05-07 | 国网山东省电力公司日照供电公司 | 一种考虑负荷曲线特征的建筑负荷预测方法及系统 |
CN114283569A (zh) * | 2022-01-24 | 2022-04-05 | 北京鼎好鑫源科技有限公司 | 一种大数据特征参量预警装置及方法 |
CN114784341A (zh) * | 2022-03-24 | 2022-07-22 | 东风汽车集团股份有限公司 | 确定氢燃电池空气流量闭环响应时长的方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892207A (zh) * | 2005-07-07 | 2007-01-10 | 中国科学院化学研究所 | 一种用单传感器检测气体的方法和装置 |
CN102445473A (zh) * | 2011-11-16 | 2012-05-09 | 北京明尼特环保科技有限公司 | 一种空气监测与分析方法及系统 |
CN102866179A (zh) * | 2012-09-13 | 2013-01-09 | 重庆大学 | 基于人工智能学习机的电子鼻中非目标干扰气味的在线识别和抑制方法 |
CN103543178A (zh) * | 2013-10-25 | 2014-01-29 | 深圳市戴维莱实业有限责任公司 | 提高半导体一氧化碳气体传感器测量精度的方法 |
CN108645910A (zh) * | 2018-06-04 | 2018-10-12 | 华中科技大学 | 一种基于声速谱线的拐点探测气体成分的方法 |
-
2020
- 2020-03-16 CN CN202010184324.0A patent/CN111398202A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892207A (zh) * | 2005-07-07 | 2007-01-10 | 中国科学院化学研究所 | 一种用单传感器检测气体的方法和装置 |
CN102445473A (zh) * | 2011-11-16 | 2012-05-09 | 北京明尼特环保科技有限公司 | 一种空气监测与分析方法及系统 |
CN102866179A (zh) * | 2012-09-13 | 2013-01-09 | 重庆大学 | 基于人工智能学习机的电子鼻中非目标干扰气味的在线识别和抑制方法 |
CN103543178A (zh) * | 2013-10-25 | 2014-01-29 | 深圳市戴维莱实业有限责任公司 | 提高半导体一氧化碳气体传感器测量精度的方法 |
CN108645910A (zh) * | 2018-06-04 | 2018-10-12 | 华中科技大学 | 一种基于声速谱线的拐点探测气体成分的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766535A (zh) * | 2020-12-16 | 2021-05-07 | 国网山东省电力公司日照供电公司 | 一种考虑负荷曲线特征的建筑负荷预测方法及系统 |
CN112766535B (zh) * | 2020-12-16 | 2023-04-07 | 国网山东省电力公司日照供电公司 | 一种考虑负荷曲线特征的建筑负荷预测方法及系统 |
CN114283569A (zh) * | 2022-01-24 | 2022-04-05 | 北京鼎好鑫源科技有限公司 | 一种大数据特征参量预警装置及方法 |
CN114283569B (zh) * | 2022-01-24 | 2023-09-15 | 北京鼎好鑫源科技有限公司 | 一种大数据特征参量预警装置及方法 |
CN114784341A (zh) * | 2022-03-24 | 2022-07-22 | 东风汽车集团股份有限公司 | 确定氢燃电池空气流量闭环响应时长的方法、装置及设备 |
CN114784341B (zh) * | 2022-03-24 | 2023-08-22 | 东风汽车集团股份有限公司 | 确定氢燃电池空气流量闭环响应时长的方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107908619B (zh) | 基于舆情监控的处理方法、装置、终端及计算机存储介质 | |
CN111398202A (zh) | 气体数据分析方法、装置、电子设备及存储介质 | |
JP6094673B2 (ja) | 環境測定装置及び環境測定方法 | |
CN108614071B (zh) | 分布式室外大气质量监测精度校正系统及参数更新方法 | |
TW201928709A (zh) | 對模型預測值進行融合的方法、裝置和設備 | |
CN108390883B (zh) | 刷人气用户的识别方法、装置及终端设备 | |
TWI745855B (zh) | 電池殘餘價值決定系統及電池殘餘價值決定方法 | |
CN111061394B (zh) | 触摸力度识别方法及其模型的训练方法、装置和电子系统 | |
CN111931345B (zh) | 一种监测数据预测方法、装置、设备及可读存储介质 | |
CN112348261A (zh) | 一种交易量预测方法、设备、装置及存储介质 | |
CN112230270A (zh) | 一种地震预警方法、装置、设备及可读存储介质 | |
CN108693084B (zh) | 产生源分析装置以及产生源分析系统 | |
JP2021107829A (ja) | 生体ガス検知装置、方法、及びプログラム | |
CN111340540A (zh) | 广告推荐模型的监控方法、推荐方法及装置 | |
CN108267170B (zh) | 一种环境监测方法和装置 | |
CN116664520B (zh) | 一种电子产品的智能检测系统 | |
US11789001B2 (en) | Information processing apparatus, sensor operation optimization method, and program | |
CN108877773B (zh) | 一种语音识别方法及电子设备 | |
CN112639420A (zh) | 测定终端、测定系统、测定方法以及程序 | |
US9697716B2 (en) | Determination of an alarm-issuing time of an alarm device | |
CN117223021A (zh) | 预测装置、预测方法以及预测程序 | |
CN110727301B (zh) | 一种环境智能预警方法及系统 | |
CN115127514B (zh) | 高度测量方法、装置、电子设备及存储介质 | |
CN115204061B (zh) | 自动确定冲压建模规模方法、装置、设备及存储介质 | |
CN115932711B (zh) | 一种电能表计量可信度的数据处理方法、装置及介质 |
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 |
Application publication date: 20200710 |
|
RJ01 | Rejection of invention patent application after publication |