CN113029989A - 基于激光传感器的气体检测方法、装置、设备及存储介质 - Google Patents

基于激光传感器的气体检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113029989A
CN113029989A CN202110477856.8A CN202110477856A CN113029989A CN 113029989 A CN113029989 A CN 113029989A CN 202110477856 A CN202110477856 A CN 202110477856A CN 113029989 A CN113029989 A CN 113029989A
Authority
CN
China
Prior art keywords
detection
detection point
initial
space
result corresponding
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.)
Granted
Application number
CN202110477856.8A
Other languages
English (en)
Other versions
CN113029989B (zh
Inventor
毛森
焦英豪
陆凯凯
龚仲强
毛虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Netopto Optoelectronics Co ltd
Original Assignee
Shenzhen Netopto Optoelectronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Netopto Optoelectronics Co ltd filed Critical Shenzhen Netopto Optoelectronics Co ltd
Priority to CN202110477856.8A priority Critical patent/CN113029989B/zh
Publication of CN113029989A publication Critical patent/CN113029989A/zh
Application granted granted Critical
Publication of CN113029989B publication Critical patent/CN113029989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
    • 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
    • G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
    • G01N2021/396—Type of laser source
    • 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
    • G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
    • G01N2021/396—Type of laser source
    • G01N2021/397—Dye laser
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Abstract

本发明公开了一种基于激光传感器的气体检测方法、装置、设备及存储介质。本发明通过获取待检测空间的空间位置信息，根据空间位置信息设立初始检测点；利用激光传感器对初始检测点进行大气污染物检测，以获得初始检测点对应的检测结果；根据初始检测点对应的检测结果确定待检测空间中的目标检测点；利用激光传感器对目标检测点进行检测以获得目标检测点对应的检测结果；根据目标检测点对应的检测结果以及初始检测点对应的检测结果确定待检测空间中的大气污染信息，根据对初始检测点进行检测获得的结果推导出目标检测点，再对目标检测点进行检测以获得污染检测结果，解决了快速对预设范围内大气污染物检测的技术问题。

Description

基于激光传感器的气体检测方法、装置、设备及存储介质
技术领域
本发明涉及激光传感器技术领域，尤其涉及一种基于激光传感器的气体检测方法、装置、设备及存储介质。
背景技术
随着科技的进步以及经济发展，目前激光传感器相关应用也越来越成熟。在各个领域中也出现了激光传感器的使用情况。激光传感器由于其特殊的工作结构，也应用于大气气体的检测。
在目前常用的气体检测的情况下，激光传感器主要是通过搭载飞行设备在固定的区域进行样本收集以及检测，采取对预设空间进行遍历的方式来进行气体的测量，这种情况下无法快速地对于预设区域进行气体检测，因此，如何快速对预设范围内大气污染物检测成为了亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于激光传感器的气体检测方法、装置、设备及存储介质，旨在解决现有技术无法快速对预设区域进行大气污染物检测的技术问题。
为实现上述目的，本发明提供了一种基于激光传感器的气体检测方法，所述方法包括以下步骤:
获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点；
利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果；
根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点；
利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果；
根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息。
可选地，所述根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点的步骤，包括：
根据所述初始检测点对应的检测结果生成污染物分布图；
根据所述初始检测点对应的检测结果从所述初始检测点中选取污染程度最高的初始检测点；
在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势；
根据所述污染物分布趋势在所述待检测空间中确定目标检测点。
可选地，所述根据所述初始检测点对应的检测结果生成污染物分布图的步骤，包括：
获取所述初始检测点对应的检测结果中的污染物分布情况；
根据所述待检测空间建立空间直角坐标系；
根据所述空间直角坐标系和所述污染物分布情生成污染物分布图。
可选地，所述污染物分布趋势包括：污染物分布趋向严重和污染物分布趋向轻微；
所述在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势的步骤，包括：
获取所述污染程度最高的初始检测点与其他初始检测点之间的距离量；
将所述污染程度最高的初始检测点对应的检测结果与其他初始检测点对应的检测结果进行对比，以获得对比情况；
判断所述污染物对比情况与所述距离量是否正相关；
若是，则判定所述污染程度最高的初始检测点与对应的初始检测点之间污染物分布趋向严重；
若否，则判定所述污染程度最高的初始检测点与对应的初始检测点之间的污染物分布趋向轻微。
可选地，所述根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息的步骤，包括：
根据预设颜色标识将所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果填充至所述待检测空间位置信息中；
在所述待检测空间中选取符合预设条件的目标检测点，并根据所述目标检测点确定待检测空间中的大气污染信息。
可选地，所述根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息之后的步骤，还包括：
对所述待检测空间中的大气污染信息进行修正，得到修正后的大气污染信息；
根据所述修正后的大气污染信息预测所述待检测空间预设范围内的大气污染物分布图。
可选地，所述基于激光传感器的气体检测方法还包括：
在所述待检测空间中不存在符合预设条件的目标检测点时，采取随机抽样法，选取若干随机检测点；
利用所述激光传感器对所述随机检测点进行检测；
在所述检测点对应的检测结果符合预设条件时，根据所述随机检测点确定所述待检测空间中的大气污染信息。
此外，为实现上述目的，本发明还提出一种基于激光传感器的大气污染物检测装置，所述装置包括：
空间获取模块：用于获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点；
初始检测模块：用于利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果；
初始确定模块：用于根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点；
目标检测模块：用于利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果；
结果确定模块：用于根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息。
此外，为实现上述目的，本发明还提出一种基于激光传感器的大气污染物检测设备，所述设备包括：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基于激光传感器的大气污染物检测程序，所述基于激光传感器的大气污染物检测程序配置为实现如上文所述的基于激光传感器的气体检测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于激光传感器的大气污染物检测程序，所述基于激光传感器的大气污染物检测程序被处理器执行时实现如上文所述的基于激光传感器的气体检测方法的步骤。
本发明通过获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点；利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果；根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点；利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果；根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息，根据对初始检测点进行检测获得的结果推导出目标检测点，再对目标检测点进行检测以获得污染检测结果，解决了快速对预设范围内大气污染物检测的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于激光传感器的大气污染物检测设备的结构示意图；
图2为本发明基于激光传感器的气体检测方法第一实施例的流程示意图；
图3为本发明基于激光传感器的气体检测方法第二实施例的流程示意图；
图4为本发明基于激光传感器的大气污染物检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于激光传感器的大气污染物检测设备结构示意图。
如图1所示，该基于激光传感器的大气污染物检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-VolatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于激光传感器的大气污染物检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于激光传感器的大气污染物检测程序。
在图1所示的基于激光传感器的大气污染物检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于激光传感器的大气污染物检测设备中的处理器1001、存储器1005可以设置在基于激光传感器的大气污染物检测设备中，所述基于激光传感器的大气污染物检测设备通过处理器1001调用存储器1005中存储的基于激光传感器的大气污染物检测程序，并执行本发明实施例提供的基于激光传感器的气体检测方法。
本发明实施例提供了一种基于激光传感器的气体检测方法，参照图2，图2为本发明基于激光传感器的气体检测方法第一实施例的流程示意图。
本实施例中，所述基于激光传感器的气体检测方法包括以下步骤：
步骤S10：获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点。
可以理解的是，本实施例的执行主体可以是利用无人机搭载的激光传感器或其他可以实现相同功能的设备，本实施例在此不做限制。
需要说明的是，待检测空间的是指在大气污染物检测任务中目标检测区域，待检测空间可以是室内也可以是室外，本实施例在此不做限制。
可以理解的是，空间位置信息是指，根据后台设定将待检测空间的位置坐标输入进系统内的坐标系中，根据卫星定位装置确定当前是否达到所述待检测空间对应的坐标。
在具体实施中，根据所述空间位置信息设立初始检测点是通过将所述空间位置信息设立成对应的空间坐标系，通过将对应的空间均等分成若干个小型空间，在空间交界处选出初始检测点，例如：某待测空间为长宽高都为9米的立方体空间，那么以该立方体的其中一顶点作为坐标系，均分为9个长宽高都是3米的立方体空间，在这9个空间的交接处设立初始检测点。
步骤S20：利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果。
可以理解的是，激光传感器是利用激光技术进行测量的传感器。它由激光器、激光检测器和测量电路组成。激光传感器是新型测量仪表，它的优点是能实现无接触远距离测量，速度快，精度高，量程大，抗光、电干扰能力强等，激光器按工作物质可分为4种。固体激光器：它的工作物质是固体。常用的有红宝石激光器、掺钕的钇铝石榴石激光器(即YAG激光器)和钕玻璃激光器等。它们的结构大致相同，特点是小而坚固、功率高，钕玻璃激光器是脉冲输出功率最高的器件，已达到数十兆瓦、气体激光器：它的工作物质为气体。现已有各种气体原子、离子、金属蒸气、气体分子激光器。常用的有二氧化碳激光器、氦氖激光器和一氧化碳激光器，其形状如普通放电管，特点是输出稳定，单色性好,寿命长,但功率较小，转换效率较低、液体激光器:它又可分为螯合物激光器、无机液体激光器和有机染料激光器，其中最重要的是有机染料激光器，它的最大特点是波长连续可调、半导体激光器：它是较年轻的一种激光器，其中较成熟的是砷化镓激光器。特点是效率高、体积小、重量轻、结构简单，适宜于在飞机、军舰、坦克上以及步兵随身携带。可制成测距仪和瞄准器。但输出功率较小、定向性较差、受环境温度影响较大。
需要说明的是，大气污染物是指大气污染物，指由于人类活动或自然过程排入大气的并对人和环境产生有害影响的那些物质，在干洁的大气中，恒量气体的组成是微不足道的。但是在一定范围的大气中，出现了原来没有的微量物质，其数量和持续时间，都有可能对人、动物、植物及物品、材料产生不利影响和危害。当大气中污染物质的浓度达到有害程度，以至破坏生态系统和人类正常生存和发展的条件，对人或物造成危害的现象叫做大气污染。
在具体实施中，通过激光传感器对大气污染物进行检测是通过收集目标点的气体通过在激光传感器内进行光的散射，通过收集检测光的散射结果判断检测气体中是否存在有害物质。
可以理解的是，获得所述初始检测点对应的检测结果是通过在检测对应目标点的时候将目标点位的检测结果进行记录。
步骤S30：根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点。
需要说明的是，根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点是通过在获得所有初始检测点对应的结果之后，，查看是否存在污染物的初始检测点，在筛选出有污染物的初始检测点之后，通过将所有初始检测点对应的检测结果按照预设条件进行排序，将对应初始检测点周边的一定位置作为目标检测点。
步骤S40：利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果。
在具体实施中，利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果通过激光传感器在目标检测点位置进行气体收集以获得所述目标检测点对应的检测结果。
步骤S50：根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息。
进一步地，所述根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息的步骤，包括：根据预设颜色标识将所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果填充至所述待检测空间位置信息中；在所述待检测空间中选取符合预设条件的目标检测点，并根据所述目标检测点确定待检测空间中的大气污染信息。
在具体实施中，根据预设颜色标识将所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果填充至所述待检测空间位置信息中；在所述待检测空间中选取符合预设条件的目标检测点，并根据所述目标检测点确定待检测空间中的大气污染信息是通过将不同的污染程度对应不同颜色，用颜色将各个目标检测点的结果进行标识，在所述待检测空间通过选取并标识出特定的颜色标识对应的检测点以获得大气污染信息，例如：规定重度污染情况下的颜色标识为黑色、中度污染情况颜色标识为绿色，无污染情况为白色，在获取到所述目标检测点以及初始检测点的检测结果之后，将对应的颜色填充进对应的点位中，即可获得对应的大气污染信息。
进一步地，所述根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息之后的步骤，还包括：对所述待检测空间中的大气污染信息进行修正，得到修正后的大气污染信息；根据所述修正后的大气污染信息预测所述待检测空间预设范围内的大气污染物分布图。
在具体实施中，对所述待检测空间中的大气污染信息进行修正是通过对所述结果进行误差删除，判断检测过程中是否为同一大气压同一湿度下的检测情况，在修正之后的结果即为准确地检测结果。
可以理解的是，根据所述根据所述修正后的大气污染信息预测所述待检测空间预设范围内的大气污染物分布图是通过在计算出检测点之间的污染物增加/减少情况根据所述检测点之间的距离进行等比例的预算，例如：A、B两点之间的距离为1米，且污染物在A中占比20％，在B中占比40％,那么以AB为连线下，距离B点1米的C点可以预测该点的污染物占比为60％。
进一步地，所述基于激光传感器的气体检测方法还包括：在所述待检测空间中不存在符合预设条件的目标检测点时，采取随机抽样法，选取若干随机检测点；利用所述激光传感器对所述随机检测点进行检测；在所述检测点对应的检测结果符合预设条件时，根据所述随机检测点确定所述待检测空间中的大气污染信息。
需要说明的是，所述随机抽样法式通过系统在预设坐标值内随机生成的坐标进行确定。
在具体实施中，在所述待检测空间中不存在符合预设条件的目标检测点时，采取随机抽样法，选取若干随机检测点；利用所述激光传感器对所述随机检测点进行检测；在所述检测点对应的检测结果符合预设条件时，根据所述随机检测点确定所述待检测空间中的大气污染信息是通过在选取到随机检测点位之后，对于随机检测点位用激光传感器进行检测获得检测结果，根据所述检测结果判断是否满足预设条件。
本实施例通过获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点；利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果；根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点；利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果；根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息，根据对初始检测点进行检测获得的结果推导出目标检测点，再对目标检测点进行检测以获得污染检测结果，解决了快速对预设范围内大气污染物检测的技术问题。
参考图3，图3为本发明基于激光传感器的气体检测方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S30包括：
步骤S301：根据所述初始检测点对应的检测结果生成污染物分布图。
需要说明的是，所述污染物分布图是指，根据所述待检测空间建立的三维信息图中，将初始检测点建立成对应的坐标，在对应坐标后建立存储空间，通过选取对应的坐标来进行存储空间的调用以查看对应的污染情况。
进一步地，所述根据所述初始检测点对应的检测结果生成污染物分布图的步骤，包括：获取所述初始检测点对应的检测结果中的污染物分布情况。根据所述待检测空间建立空间直角坐标系；根据所述空间直角坐标系和所述污染物分布情生成污染物分布图。
在具体实施中，获取所述初始检测点对应的检测结果中的污染物分布情况；根据所述待检测空间建立空间直角坐标系；根据所述空间直角坐标系和所述污染物分布情生成污染物分布图是通过获取所述待检测空间的位置情况，根据所述位置情况建立空间直角坐标系，在空间直角坐标系中将初始检测点对应的位置以及检测结果进行存储。
步骤S302：根据所述初始检测点对应的检测结果从所述初始检测点中选取污染程度最高的初始检测点。
在具体实施中，每次检测完气体污染情况之后，都会将检测结果以及对应的点位记录在后台的检测日志中，通过对检测日志进行遍历即可选出对应的污染程度最高的初始检测点。
步骤S303：在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势。
进一步地，所述污染物分布趋势包括：污染物分布趋向严重和污染物分布趋向轻微；获取所述污染程度最高的初始检测点与其他初始检测点之间的距离量；所述在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势的步骤包括：获取所述污染程度最高的初始检测点与其他初始检测点之间的距离量；将所述污染程度最高的初始检测点对应的检测结果与其他初始检测点对应的检测结果进行对比，以获得对比情况；判断所述污染物对比情况与所述距离量是否正相关；若是，则判定所述污染程度最高的初始检测点与对应的初始检测点之间污染物分布趋向严重；若否，则判定所述污染程度最高的初始检测点与对应的初始检测点之间的污染物分布趋向轻微。
步骤S304：根据所述污染物分布趋势在所述待检测空间中确定目标检测点。
在具体实施中，通过所述污染物分布趋势在所述待检测空间中确定目标检测点是通过分析所述污染物分布趋势，根据分布趋势进行测算，通过距离与扩散关系的相关性判断是否发生了扩散。
本实施例通过，根据所述初始检测点对应的检测结果生成污染物分布图；根据所述初始检测点对应的检测结果从所述初始检测点中选取污染程度最高的初始检测点；在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势；根据所述污染物分布趋势在所述待检测空间中确定目标检测点，对于初始检测点的检测结果进行测算，根据其中污染程度最高的点确定污染物分布趋势，从而确定目标检测点，避免了人工情况下需要将整个空间的气体全部进行测算的问题，进一步地实现了利用激光传感器快速选点进行大气污染物检测。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于激光传感器的大气污染物检测程序，所述基于激光传感器的大气污染物检测程序被处理器执行时实现如上文所述的基于激光传感器的气体检测方法的步骤。
参照图4，图4为本发明基于激光传感器的大气污染物检测装置第一实施例的结构框图。
如图4所示，本发明实施例提出的基于激光传感器的大气污染物检测装置包括：
空间获取模块401：获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点。
初始检测模块402：利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果。
初始确定模块403：根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点。
目标检测模块404：利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果。
结果确定模块405：根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息。
本实施例通过获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点；利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果；根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点；利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果；根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息，根据对初始检测点进行检测获得的结果推导出目标检测点，再对目标检测点进行检测以获得污染检测结果，解决了快速对预设范围内大气污染物检测的技术问题。
在一实施例中，所述初始确定模块403，还用于根据所述初始检测点对应的检测结果生成污染物分布图；根据所述初始检测点对应的检测结果从所述初始检测点中选取污染程度最高的初始检测点；在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势；根据所述污染物分布趋势在所述待检测空间中确定目标检测点。
在一实施例中，所述初始确定模块403，还用于获取所述初始检测点对应的检测结果中的污染物分布情况。根据所述待检测空间建立空间直角坐标系；根据所述空间直角坐标系和所述污染物分布情生成污染物分布图。
在一实施例中，所述初始确定模块403，还用于获取所述污染程度最高的初始检测点与其他初始检测点之间的距离量；将所述污染程度最高的初始检测点对应的检测结果与其他初始检测点对应的检测结果进行对比，以获得对比情况；判断所述污染物对比情况与所述距离量是否正相关；若是，则判定所述污染程度最高的初始检测点与对应的初始检测点之间污染物分布趋向严重；若否，则判定所述污染程度最高的初始检测点与对应的初始检测点之间的污染物分布趋向轻微。
在一实施例中，所述结果确定模块405，还用于根据预设颜色标识将所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果填充至所述待检测空间位置信息中；在所述待检测空间中选取符合预设条件的目标检测点，并根据所述目标检测点确定待检测空间中的大气污染信息。
在一实施例中，所述结果确定模块405，还用于对所述待检测空间中的大气污染信息进行修正，得到修正后的大气污染信息；根据所述修正后的大气污染信息预测所述待检测空间预设范围内的大气污染物分布图。
在一实施例中，所述初始检测模块402，还包括修正模块，用于利用所述激光传感器对所述随机检测点进行检测；在所述检测点对应的检测结果符合预设条件时，根据所述随机检测点确定所述待检测空间中的大气污染信息。
本发明基于激光传感器的大气污染物检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于激光传感器的气体检测方法，其特征在于，所述方法包括：
获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点；
利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果；
根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点；
利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果；
根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息。
2.如权利要求1所述的方法，其特征在于，所述根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点的步骤，包括：
根据所述初始检测点对应的检测结果生成污染物分布图；
根据所述初始检测点对应的检测结果从所述初始检测点中选取污染程度最高的初始检测点；
在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势；
根据所述污染物分布趋势在所述待检测空间中确定目标检测点。
3.如权利要求2所述的方法，其特征在于，所述根据所述初始检测点对应的检测结果生成污染物分布图的步骤，包括：
获取所述初始检测点对应的检测结果中的污染物分布情况；
根据所述待检测空间建立空间直角坐标系；
根据所述空间直角坐标系和所述污染物分布情生成污染物分布图。
4.如权利要求2所述的方法，其特征在于，所述污染物分布趋势包括：污染物分布趋向严重和污染物分布趋向轻微；
所述在所述污染物分布图中根据所述污染程度最高的初始检测点确定污染物分布趋势的步骤，包括：
获取所述污染程度最高的初始检测点与其他初始检测点之间的距离量；
将所述污染程度最高的初始检测点对应的检测结果与其他初始检测点对应的检测结果进行对比，以获得对比情况；
判断所述污染物对比情况与所述距离量是否正相关；
若是，则判定所述污染程度最高的初始检测点与对应的初始检测点之间污染物分布趋向严重；
若否，则判定所述污染程度最高的初始检测点与对应的初始检测点之间的污染物分布趋向轻微。
5.如权利要求1所述的方法，其特征在于，所述根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息的步骤，包括：
根据预设颜色标识将所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果填充至所述待检测空间位置信息中；
在所述待检测空间中选取符合预设条件的目标检测点，并根据所述目标检测点确定待检测空间中的大气污染信息。
6.如权利要求1所述的方法，其特征在于，所述根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息之后的步骤，还包括：
对所述待检测空间中的大气污染信息进行修正，得到修正后的大气污染信息；
根据所述修正后的大气污染信息预测所述待检测空间预设范围内的大气污染物分布图。
7.如权利要求1至6任一项所述的方法，其特征在于，所述基于激光传感器的气体检测方法还包括：
在所述待检测空间中不存在符合预设条件的目标检测点时，采取随机抽样法，选取若干随机检测点；
利用所述激光传感器对所述随机检测点进行检测；
在所述检测点对应的检测结果符合预设条件时，根据所述随机检测点确定所述待检测空间中的大气污染信息。
8.一种基于激光传感器的大气污染物检测装置，其特征在于，所述基于激光传感器的大气污染物检测装置包括：
空间获取模块：用于获取待检测空间的空间位置信息，根据所述空间位置信息设立初始检测点；
初始检测模块：用于利用激光传感器对所述初始检测点进行大气污染物检测，以获得所述初始检测点对应的检测结果；
初始确定模块：用于根据所述初始检测点对应的检测结果确定所述待检测空间中的目标检测点；
目标检测模块：用于利用所述激光传感器对所述目标检测点进行检测以获得所述目标检测点对应的检测结果；
结果确定模块：用于根据所述目标检测点对应的检测结果以及所述初始检测点对应的检测结果确定所述待检测空间中的大气污染信息。
9.一种基于激光传感器的大气污染物检测设备，其特征在于，所述设备包括：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基于激光传感器的大气污染物检测程序，所述基于激光传感器的大气污染物检测程序配置为实现如权利要求1至7中任一项所述的基于激光传感器的气体检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有基于激光传感器的大气污染物检测程序，所述基于激光传感器的大气污染物检测程序被处理器执行时实现如权利要求1至7任一项所述的基于激光传感器的气体检测方法的步骤。
CN202110477856.8A 2021-04-29 2021-04-29 基于激光传感器的气体检测方法、装置、设备及存储介质 Active CN113029989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110477856.8A CN113029989B (zh) 2021-04-29 2021-04-29 基于激光传感器的气体检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110477856.8A CN113029989B (zh) 2021-04-29 2021-04-29 基于激光传感器的气体检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113029989A true CN113029989A (zh) 2021-06-25
CN113029989B CN113029989B (zh) 2022-10-04

Family

ID=76455344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110477856.8A Active CN113029989B (zh) 2021-04-29 2021-04-29 基于激光传感器的气体检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113029989B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114324345A (zh) * 2021-11-01 2022-04-12 清华大学深圳国际研究生院 一种材料成像方法、装置、终端设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107784313A (zh) * 2016-08-25 2018-03-09 河北国呈电子科技有限公司 环境监测方法、装置及其结果处理方法、装置和监测系统
CN108051402A (zh) * 2017-12-13 2018-05-18 天津大学 基于旋翼无人机的天然气泄漏气体分布建图系统及方法
CN108693309A (zh) * 2018-04-12 2018-10-23 盐城工学院 一种污染物检测系统、方法及存储介质
CN109406716A (zh) * 2017-08-17 2019-03-01 昊翔电能运动科技(昆山)有限公司 基于无人机的污染监测方法和系统
US20190113445A1 (en) * 2017-10-16 2019-04-18 Weimin Zhang Air pollution monitoring system and air pollution monitoring method
CN111308039A (zh) * 2020-03-19 2020-06-19 无锡德林海环保科技股份有限公司 一种网格化水质实时监测方法及系统
CN112131336A (zh) * 2020-11-25 2020-12-25 成都飞英思特科技有限公司 一种污染源定位方法、装置、计算机设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107784313A (zh) * 2016-08-25 2018-03-09 河北国呈电子科技有限公司 环境监测方法、装置及其结果处理方法、装置和监测系统
CN109406716A (zh) * 2017-08-17 2019-03-01 昊翔电能运动科技(昆山)有限公司 基于无人机的污染监测方法和系统
US20190113445A1 (en) * 2017-10-16 2019-04-18 Weimin Zhang Air pollution monitoring system and air pollution monitoring method
CN108051402A (zh) * 2017-12-13 2018-05-18 天津大学 基于旋翼无人机的天然气泄漏气体分布建图系统及方法
CN108693309A (zh) * 2018-04-12 2018-10-23 盐城工学院 一种污染物检测系统、方法及存储介质
CN111308039A (zh) * 2020-03-19 2020-06-19 无锡德林海环保科技股份有限公司 一种网格化水质实时监测方法及系统
CN112131336A (zh) * 2020-11-25 2020-12-25 成都飞英思特科技有限公司 一种污染源定位方法、装置、计算机设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114324345A (zh) * 2021-11-01 2022-04-12 清华大学深圳国际研究生院 一种材料成像方法、装置、终端设备及存储介质
CN114324345B (zh) * 2021-11-01 2024-01-12 清华大学深圳国际研究生院 一种材料成像方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN113029989B (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
Middlebrook et al. Evaluation of composition-dependent collection efficiencies for the aerodyne aerosol mass spectrometer using field data
CN104736987B (zh) 使用水平分析在人口稠密地区中进行气体泄漏检测和定位的方法
Redemann et al. The comparison of MODIS-Aqua (C5) and CALIOP (V2 & V3) aerosol optical depth
KR101507397B1 (ko) 대기 모델링 서비스 제공 시스템
CN107607450A (zh) 一种大气质量监测方法及相关设备
CN108254495B (zh) 一种隧道机动车污染物监测方法及系统
CN110426493B (zh) 空气质量监测数据校准方法、装置、设备和存储介质
KR20160080164A (ko) 유해화학물질 누출 감지 및 대응 시스템 및 방법
CN113029989B (zh) 基于激光传感器的气体检测方法、装置、设备及存储介质
CN115235560B (zh) 评估生态系统碳汇能力的方法、装置、设备及存储介质
CN110687020B (zh) 基于四聚氧吸收反演气溶胶光学特性的测量方法及其装置
CN116087421A (zh) 大气污染物监测溯源方法、装置、计算机设备和存储介质
KR20150144380A (ko) 가상센서와 관측센서를 통합한 대기질 정보 서비스 시스템 및 방법
Cho et al. Calibration and field deployment of low-cost sensor network to monitor underground pipeline leakage
CN115060850A (zh) 空地双场耦合的大气污染源追踪和通量测量装置及方法
Baetz et al. Mobile robots with active IR-optical sensing for remote gas detection and source localization
Heymann et al. SCIAMACHY WFM-DOAS XCO 2: comparison with CarbonTracker XCO 2 focusing on aerosols and thin clouds
CN108875184B (zh) 基于数字露头模型的页岩有机碳含量预测方法及装置
CN113484204A (zh) 大气污染溯源方法、装置、电子设备和计算机可读介质
Hashmonay et al. Radial plume mapping: a US EPA test method for area and fugitive source emission monitoring using optical remote sensing
Miyagawa et al. Development of a Low-cost Gas Sensor Unit for Wide Area Air Pollution Monitoring System (poster)
Alden et al. Methane leak detection and sizing over long distances using dual frequency comb laser spectroscopy and a bootstrap inversion technique
CN112540052A (zh) 测算待测储罐的污染物排放量的测算方法及系统
Bateman et al. Preliminary observations from robot-enabled surface methane concentration monitoring at a MSW landfill
Zieger et al. Comparison of ambient aerosol extinction coefficients obtained from in-situ, MAX-DOAS and LIDAR measurements at Cabauw.

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
GR01 Patent grant
GR01 Patent grant