CN114324781B - 一种智能嗅辨方法和系统 - Google Patents
一种智能嗅辨方法和系统 Download PDFInfo
- Publication number
- CN114324781B CN114324781B CN202210238243.3A CN202210238243A CN114324781B CN 114324781 B CN114324781 B CN 114324781B CN 202210238243 A CN202210238243 A CN 202210238243A CN 114324781 B CN114324781 B CN 114324781B
- Authority
- CN
- China
- Prior art keywords
- odor
- gas
- tested
- detector
- substances
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 239000000126 substance Substances 0.000 claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 238000013136 deep learning model Methods 0.000 claims abstract description 27
- 230000001419 dependent effect Effects 0.000 claims abstract description 7
- 230000000638 stimulation Effects 0.000 claims abstract description 7
- 230000008447 perception Effects 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 35
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 21
- 230000035943 smell Effects 0.000 claims description 16
- 239000004215 Carbon black (E152) Substances 0.000 claims description 7
- 239000003205 fragrance Substances 0.000 claims description 7
- 229930195733 hydrocarbon Natural products 0.000 claims description 7
- 150000002430 hydrocarbons Chemical class 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 230000032683 aging Effects 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000003795 desorption Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000011002 quantification Methods 0.000 abstract description 2
- 238000013139 quantization Methods 0.000 abstract description 2
- 238000012800 visualization Methods 0.000 abstract description 2
- 231100000167 toxic agent Toxicity 0.000 abstract 1
- 239000003440 toxic substance Substances 0.000 abstract 1
- 235000019645 odor Nutrition 0.000 description 91
- 239000007789 gas Substances 0.000 description 56
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 7
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 6
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 6
- IOJUPLGTWVMSFF-UHFFFAOYSA-N benzothiazole Chemical compound C1=CC=C2SC=NC2=C1 IOJUPLGTWVMSFF-UHFFFAOYSA-N 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- HGINCPLSRVDWNT-UHFFFAOYSA-N Acrolein Chemical compound C=CC=O HGINCPLSRVDWNT-UHFFFAOYSA-N 0.000 description 4
- YNQLUTRBYVCPMQ-UHFFFAOYSA-N Ethylbenzene Chemical compound CCC1=CC=CC=C1 YNQLUTRBYVCPMQ-UHFFFAOYSA-N 0.000 description 4
- PPBRXRYQALVLMV-UHFFFAOYSA-N Styrene Chemical compound C=CC1=CC=CC=C1 PPBRXRYQALVLMV-UHFFFAOYSA-N 0.000 description 4
- XEKOWRVHYACXOJ-UHFFFAOYSA-N Ethyl acetate Chemical compound CCOC(C)=O XEKOWRVHYACXOJ-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004321 preservation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- IMNIMPAHZVJRPE-UHFFFAOYSA-N triethylenediamine Chemical compound C1CN2CCN1CC2 IMNIMPAHZVJRPE-UHFFFAOYSA-N 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 2
- IKHGUXGNUITLKF-XPULMUKRSA-N acetaldehyde Chemical compound [14CH]([14CH3])=O IKHGUXGNUITLKF-XPULMUKRSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002341 toxic gas Substances 0.000 description 2
- 239000008096 xylene Substances 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 231100000086 high toxicity Toxicity 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Images
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明涉及一种智能嗅辨方法和系统，方法包括：对待测气体进行采集和分析，得到待测气体的样本信息；将样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果；气味检测模型采用以下方式构建：获取样本数据，每种样本数据中至少包括K种气味物质，每种气味物质均包含CAS号和量化值；以气味客观化等级为因变量，K种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，根据典型气味物质的感知阈值和刺激阈值，调整深度学习模型的权重系数；采用样本数据对深度学习模型进行训练，得到训练好的气味检测模型。本发明能快速对空气中的气味进行客观化等级评价、气味溯源、溯源可视化以及有毒物质的定量。
Description
技术领域
本发明涉及空气质量检测技术领域，特别是涉及一种智能嗅辨方法和系统。
背景技术
空气质量关系到人员的健康，目前由于工业化影响，空气中存在很多对人有毒的气体成分，同时有些成分存在比较刺激的气味。对有毒气体的检测往往使用大型分析仪器，针对不同的组分采取不同设备，专业度较高。对异味的检测目前只能通过气味嗅辨员的鼻子去实际感受，实际上很多异味物质也存在较高的毒性，对从业人员存在极高的职业危害。发现气味问题后找到气味的源头并进行整改，目前也需要专业设备和经验丰富人员花费大量时间进行分析，但是溯源结果体现的物质名称和浓度很难和气味进行关联。
发明内容
本发明所要解决的技术问题是提供一种智能嗅辨方法和系统，能够实现分析样本中的有毒有害气体，并对空气中的气味进行客观化等级评价。
本发明解决其技术问题所采用的技术方案是：提供一种智能嗅辨方法，包括以下步骤：
对待测气体进行采集和分析，得到待测气体的样本信息；
将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果；其中，所述气味检测模型采用以下方式构建：
获取样本数据，每种样本数据中至少包括K种气味物质，每种气味物质均包含CAS号和量化值；
以所述气味客观化等级为因变量，K种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数；
采用所述样本数据对调整权重系数后的所述深度学习模型进行训练，得到训练好的气味检测模型。
所述对待测气体进行采集和分析，得到待测气体的样本信息具体为：
将所述待测气体送入进气口；
通过激光仪对所述待测气体的甲醛成分进行分析；
通过PID检测器获取所述待测气体的多组电信号；
通过FID检测器对所述待测气体的总碳氢含量进行分析；
通过GC-检测器对所述待测气体中的气味物质进行分析。
所述通过GC-检测器对所述待测气体中的气味物质进行分析时包括两种模式：
模式一，所述待测气体的浓度值超过对应检出限时，将所述待测气体直接送入GC-检测器进行分析；
模式二，所述待测气体的浓度值低于对应检出限时，先将所述待测气体进行富集，接着对富集后的气体进行热脱附，然后将热脱附后的气体送入GC-检测器进行分析。
所述智能嗅辨方法还包括报告生成步骤，所述报告生成步骤根据所述气味客观化等级和溯源结果生成报告，并进行展示。
本发明解决其技术问题所采用的技术方案是：提供一种智能嗅辨系统，包括：样本采集分析装置，用于对待测气体进行采集和分析，得到待测气体的样本信息；气味嗅辨模块，用于将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果；所述气味检测模型采用以下方式构建：获取样本数据，每种样本数据中至少包括K种气味物质，每种气味物质均包含CAS号和量化值；以所述气味客观化等级为因变量，K种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，并根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数；采用所述样本数据对所述深度学习模型进行训练，得到训练好的气味检测模型。
所述样本采集分析装置包括进气口，所述进气口处设置有激光仪，所述激光仪用于对所述待测气体的甲醛成分进行分析；所述进气口还通过第一管线分别与PID检测器和FID检测器相连，所述PID检测器用于获取所述待测气体的多组电信号；所述FID检测器用于对所述待测气体的总碳氢含量进行分析；所述进气口还通过第二管线与GC-检测器相连，所述GC-检测器用于对所述待测气体中的气味物质进行分析。
所述第一管线为加热管线并进行过老化处理。
所述第二管线包括切换阀，所述切换阀的第一端与所述进气口相连，第二端与所述GC-检测器，第三端与富集管的输入端相连，所述富集管的输出端与热脱附仪的输入端相连，所述热脱附仪的输出端与所述GC-检测器相连。
所述的智能嗅辨系统还包括报告生成模块，所述报告生成模块用于根据所述气味客观化等级和溯源结果生成报告，并进行展示。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过构建样本采集分析装置和气味检测模型，将样本采集分析装置获取到的样本信息输入至气味检测模型，可以直接得到气味客观化等级，并给出溯源结果，整个过程方便简单无需人工嗅辨，使得单个样品的检测周期由1周缩短至30 min，同时气味的精度可以控制在0.3级以内，同时解决浓度与等级的关联性问题。另外，本发明中的样本采集分析装置增加了保温线路和老化管线功能，提高了整个系统的检测精度。
附图说明
图1是本发明实施方式中样本采集分析装置的结构方框图；
图2是本发明实施方式中气味嗅辨模块的原理图；
图3是单一物质的气味轨迹图；
图4是两种物质同比例混合耦合气味轨迹图；
图5是两种物质任意比例混合耦合气味轨迹图；
图6是车内气体智能嗅辨系统快速分析报告展示图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种智能嗅辨系统，包括：样本采集分析装置，用于对待测气体进行采集和分析，得到待测气体的样本信息；气味嗅辨模块，用于将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果。
由于本实施方式的试验对象产生的挥发性有机物需要进入样本采集分析装置的各个单元进行分析，由于涉及多个模式切换和多个检测器，挥发成分大多具备极强的吸附性，本实施方式的样本采集分析装置的传输管路进行惰性化处理，定期对管路进行老化处理，并加装切换阀，如图1所示。富集后的气体在设备间的传输更需要保温处理，由于分析气体采样量很少，为了降低检测误差，本实施方式中的气路管径采用3 mm管路。
如图1所示，本实施方式的样本采集分析装置包括进气口，所述进气口处设置有激光仪，所述激光仪用于对所述待测气体的甲醛成分进行分析；所述进气口还通过第一管线分别与PID检测器和FID检测器相连，所述PID检测器用于获取所述待测气体的多组电信号；所述FID检测器用于对所述待测气体的总碳氢含量进行分析；所述进气口还通过第二管线与GC-检测器相连，所述GC-检测器用于对所述待测气体中的气味物质进行分析。所述第二管线包括切换阀，所述切换阀的第一端与所述进气口相连，第二端与所述GC-检测器，第三端与富集管的输入端相连，所述富集管的输出端与热脱附仪的输入端相连，所述热脱附仪的输出端与所述GC-检测器相连。
本实施方式的样本采集分析装置可以配备自吸泵，这样可以创造真空度，从进气口主动获取分析气体，利用激光仪可以对气体中的甲醛成分进行分析。GC-检测器需要将气体进一步载过柱子和检测器，可以使用高纯度氮气作为载气。
待测气体经进气口和加热管线到达PID检测器，根据PID检测器的传感器阵列的不同，输出不同当量信号；待测气体还经进气口和加热管线到达FID检测器，FID检测器可以输出总碳氢含量。
待测气体进入GC-检测器（如GC-IMS、GC-MS、GC-TOF等）有两种模式，针对检测精度较高或者浓度本身较高的待检成分，无需进入富集管和Mini-TD，则切换阀打开直通GC管路，关闭通往富集管的气路，此时主要分析含有O/N/S/P等基团的异味重点物质；针对检测信号差或者浓度很低的物质，切换阀调整，关闭通往GC的气路，打开通往富集管的通路，富集管完成富集后在Mini-TD中进行热脱附，气体进入到GC和检测器中，此时主要输出烷烃、芳香烃等物质。所有检测器的尾气最终汇总到尾气处理装置。
如图2所示，本实施方式的气味嗅辨模块，用于将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果。其中，气味检测模型的构建需要收集一定数据量的训练集，将训练集使用合适的算法（如线性回归、逻辑回归、线性判别分析、分类和回归树、朴素贝叶斯、K近邻、学习矢量量化、支持向量机、bagging和随机森林、Boosting和AdaBoost算法）生成恰当的模型。
本实施方式中气味检测模型采用以下方式构建：获取样本数据，每种样本数据中至少包括K种气味物质，每种气味物质均包含CAS号和量化值；以所述气味客观化等级为因变量，K种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，并根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数；采用所述样本数据对所述深度学习模型进行训练，得到训练好的气味检测模型。具体地说：
首先需要收集一定数据量的训练集，本实施方式将每个样品分析完成后得到一组数据作为训练集，其中，每组数据中至少需要包含100个气味物质，气味物质需要包含CAS号和浓度值，例如：三乙烯二胺，280-57-9，15 μg/m3 ；苯并噻唑 95-16-9，31 μg/m3 ；乙酸64-19-7，62 μg/m3 等。本实施方式中的数据经过严格的化学定性和定量，该方式是实现快速气味溯源及溯源可视化不可缺少的一部分。
本实施方式中的气味检测模型是根据气味的特征需要对现有的深度学习模型进行优化后得到。气味检测模型的自变量为包含100个气味物质的数据，也就是自变量的数量为100多个，因变量为气味等级，如3.0级，3.5级等。在对现有的深度学习模型进行优化时，针对重点气味物质给予更高的权重，即需要结合实际试验确定多种物质混合后的耦合规律，该规律形成数据库，作为基础的气味耦合机理，从而再结合传统算法从而形成特定的优化模型，以提高预测的准确性。
如图3所示，图中一条斜线表示一种物质的气味等级和物质浓度的对应关系，从图中可知，每一种物质的气味等级与物质浓度的对数均呈线性关系，该对应关系可以通过动态嗅辨稀释仪、标准气体、定量仪器和嗅辨员等方式进行确定。而多种物质混合后其气味等级与每种物质的浓度的关系非常复杂。以两种物质为例，若两种物质的浓度同比例缩小，则气味等级与总浓度和各种浓度的对谁仍会呈现出线性关系，如图4所示。而当两种物质的浓度并非同比例增加时，其耦合规律非常复杂，和每种物质的浓度对重及总浓度的对数均未呈现线性关系，如图5所示。同理物质数量更多时该规律更加复杂，此时使用气味轨迹图适用性不强，这就需要使用深度学习模型，但现有的深度学习模型没有对气味规律的基础，因此本实施方式将上述气味轨迹图可以有效整合到深度学习模型中来提高预测的准确性。
通过上述内容可知，本实施方式中涉及的物质超过100种，因此多种物质和非同比例增加，则不能使用气味轨迹图，而且由于其组合形式太多也无法开展试验，因此也无法进行更多维度的绘图。本实施方式使用现有深度学习模型，并给予特殊物质特殊的权重来实现对深度学习模型的优化。因此，本实施方式可以针对检测对象（例如对国内市面常见的车型）进行气味溯源分析，筛选出车内异味中典型的气味物质，通过研究典型的气味物质的感知阈值和刺激阈值，给予不同气味物质不同的权重系数，如表1所示。将浓度乘以系数在代入到深度学习模型中进行训练，得到最终的气味检测模型，从而气味的预测的针对性和准确性更强。该气味检测模型基于准确定量，其可以整体迁移到其他硬件中，或者提供远程OTA升级，避免了针对每台硬件建立模型，节省大量时间。
表1 不同气味物质-权重系数表
在进行检测时，只需要将样本采集分析装置获取到的样本信息输入至气味检测模型，该气味检测模型即可输出气味客观化等级和溯源结果。为了方便查看，本实施方式还包括报告生成模块，所述报告生成模块用于根据所述气味客观化等级和溯源结果生成报告，并进行展示。整个过程方便简单无需人工嗅辨，使得单个样品的检测周期由1周缩短至30min，同时气味的精度可以控制在0.3级以内，同时解决浓度与等级的关联性问题。
下面通过车内气体的智能嗅辨方法进一步说明本发明，具体包括以下步骤：
步骤1，对整车选择HJ/T 400-2007的方法进行气体培养和测试，将采样导管连接到样本采集分析装置的进气口，进行2 min的预采，待分析气体到达各检测器进样口后，开始进行分析；
步骤2，激光仪开始对气体中的甲醛成分进行分析，完成分析后数据经过网线和交换机上传到本地电脑。
步骤3，PID传感器阵列针对6种传感器的对官能团相应的不同，获取6组电信号，通过网线将信号传输到本地电脑。
步骤4，FID检测器测试车内气体中的总碳氢含量，将最终的浓度值传输到本地电脑。
步骤5，三通阀先切换到GC-IMS端口进行测试，2 min后切换到Mini-TD，此时GC-IMS经过20 min对样本的分析。输出乙醛、丙烯醛、乙酸、乙酸乙酯、苯并噻唑等200种气味物质的定量结果，将该批结果上传到本地电脑；于此同时Mini-TD中的Tenax管对气体进行富集，恰好20 min后将富集气体进行热解析，2 min后将浓缩气体导入GC-IMS，20 min分钟分析后，再输出苯、甲苯、乙苯、苯乙烯、二甲苯等50种气味物质的浓度，将结果通过网线传输到本地电脑。
步骤6，监控到所有数据上传本地电脑完毕后，将数据格式进行统一，调用训练好的气味检测模型进行处理，再通过报告生成模块给出待测气体的气味客观化等级，调用数据库给出溯源结果，调用气味轨迹图给出溯源可视化结果，将需求的苯、甲苯、乙苯、苯乙烯、二甲苯、甲醛、乙醛、丙烯醛、TVOC等的定量结果整理输出到界面（见图6）。其中，训练好的气味检测模型是根据前期收集的丰富数据，使用决策树深度学习模型进行学习后得到的。
不难发现，本发明通过构建样本采集分析装置和气味检测模型，将样本采集分析装置获取到的样本信息输入至气味检测模型，可以直接得到气味客观化等级，并给出溯源结果，整个过程方便简单无需人工嗅辨，使得单个样品的检测周期由1周缩短至30 min，同时气味的精度可以控制在0.3级以内，同时解决浓度与等级的关联性问题。另外，本发明中的样本采集分析装置增加了保温线路和老化管线功能，提高了整个系统的检测精度。
Claims (9)
1.一种智能嗅辨方法，其特征在于，包括以下步骤：
对待测气体进行采集和分析，得到待测气体的样本信息；
将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果；其中，所述气味检测模型采用以下方式构建：
获取样本数据，每种样本数据中至少包括K种气味物质，每种气味物质均包含CAS号和浓度值；
以所述气味客观化等级为因变量，K种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数；其中，所述气味轨迹图为多种物质混合后的耦合规律；
采用所述样本数据对调整权重系数后的所述深度学习模型进行训练，得到训练好的气味检测模型。
2.根据权利要求1所述的智能嗅辨方法，其特征在于，所述对待测气体进行采集和分析，得到待测气体的样本信息具体为：
将所述待测气体送入进气口；
通过激光仪对所述待测气体的甲醛成分进行分析；
通过PID检测器获取所述待测气体的多组电信号；
通过FID检测器对所述待测气体的总碳氢含量进行分析；
通过GC-检测器对所述待测气体中的气味物质进行分析。
3.根据权利要求2所述的智能嗅辨方法，其特征在于，所述通过GC-检测器对所述待测气体中的气味物质进行分析时包括两种模式：
模式一，所述待测气体的浓度值超过对应检出限时，将所述待测气体直接送入GC-检测器进行分析；
模式二，所述待测气体的浓度值低于对应检出限时，先将所述待测气体进行富集，接着对富集后的气体进行热脱附，然后将热脱附后的气体送入GC-检测器进行分析。
4.根据权利要求3所述的智能嗅辨方法，其特征在于，还包括报告生成步骤，所述报告生成步骤根据所述气味客观化等级和溯源结果生成报告，并进行展示。
5.一种智能嗅辨系统，其特征在于，包括：样本采集分析装置，用于对待测气体进行采集和分析，得到待测气体的样本信息；气味嗅辨模块，用于将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果；所述气味检测模型采用以下方式构建：获取样本数据，每种样本数据中至少包括K种气味物质，每种气味物质均包含CAS号和浓度值；以所述气味客观化等级为因变量，K种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，并根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数，其中，所述气味轨迹图为多种物质混合后的耦合规律；采用所述样本数据对所述深度学习模型进行训练，得到训练好的气味检测模型。
6.根据权利要求5所述的智能嗅辨系统，其特征在于，所述样本采集分析装置包括进气口，所述进气口处设置有激光仪，所述激光仪用于对所述待测气体的甲醛成分进行分析；所述进气口还通过第一管线分别与PID检测器和FID检测器相连，所述PID检测器用于获取所述待测气体的多组电信号；所述FID检测器用于对所述待测气体的总碳氢含量进行分析；所述进气口还通过第二管线与GC-检测器相连，所述GC-检测器用于对所述待测气体中的气味物质进行分析。
7.根据权利要求6所述的智能嗅辨系统，其特征在于，所述第一管线为加热管线并进行过老化处理。
8.根据权利要求6所述的智能嗅辨系统，其特征在于，所述第二管线包括切换阀，所述切换阀的第一端与所述进气口相连，第二端与所述GC-检测器，第三端与富集管的输入端相连，所述富集管的输出端与热脱附仪的输入端相连，所述热脱附仪的输出端与所述GC-检测器相连。
9.根据权利要求5所述的智能嗅辨系统，其特征在于，还包括报告生成模块，所述报告生成模块用于根据所述气味客观化等级和溯源结果生成报告，并进行展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210238243.3A CN114324781B (zh) | 2022-03-11 | 2022-03-11 | 一种智能嗅辨方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210238243.3A CN114324781B (zh) | 2022-03-11 | 2022-03-11 | 一种智能嗅辨方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114324781A CN114324781A (zh) | 2022-04-12 |
| CN114324781B true CN114324781B (zh) | 2022-12-02 |
Family
ID=81034007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210238243.3A Active CN114324781B (zh) | 2022-03-11 | 2022-03-11 | 一种智能嗅辨方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114324781B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115561365B (zh) * | 2022-10-31 | 2023-06-06 | 广州市花都自来水有限公司 | 一种用于检测自来水中异味物质的方法及系统 |
| CN116381164B (zh) * | 2023-05-31 | 2023-08-29 | 广州香安化工有限公司 | 一种基于神经网络的燃气臭味剂浓度测量方法及装置 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101109701A (zh) * | 2007-07-30 | 2008-01-23 | 天津大学 | 多成分气体在线检测方法及装置 |
| CN103389324A (zh) * | 2013-07-18 | 2013-11-13 | 浙江工商大学 | 一种基于气味分析技术的明虾新鲜度检测方法 |
| CN103645173A (zh) * | 2013-12-27 | 2014-03-19 | 长春中元仪器有限公司 | 一种痕量甲醛的检测方法 |
| CN107632085A (zh) * | 2017-09-11 | 2018-01-26 | 通标标准技术服务(上海)有限公司 | 动态模拟整车环境下气味物质散发趋势的装置及其分析方法 |
| CN107677639A (zh) * | 2017-09-26 | 2018-02-09 | 苏州莱铯科技有限公司 | 一种激光检测甲醛气体的方法 |
| CN108918691A (zh) * | 2018-03-21 | 2018-11-30 | 北京卡达克数据有限公司 | 一种车内气味物质确定方法及车内气味物质溯源方法 |
| CN110333319A (zh) * | 2019-06-28 | 2019-10-15 | 天津大学 | 基于手持式电子鼻的车内ppb级低浓度气味等级评价方法 |
| CN110658305A (zh) * | 2019-09-12 | 2020-01-07 | 中汽研汽车检验中心（天津）有限公司 | 一种正向设计车内气味物质等级的方法 |
| CN111007176A (zh) * | 2019-12-26 | 2020-04-14 | 冲之智能科技(天津)有限公司 | 基于气相色谱与离子迁移谱的车内气味等级评价方法 |
| CN111060624A (zh) * | 2019-12-30 | 2020-04-24 | 上海微谱化工技术服务有限公司 | 一种检测整车异味物质的方法 |
| CN111141861A (zh) * | 2019-12-25 | 2020-05-12 | 中汽研汽车检验中心（天津）有限公司 | 一种车内气味物质整改因子的计算方法 |
| CN111397996A (zh) * | 2020-06-08 | 2020-07-10 | 中汽研汽车零部件检验中心(宁波)有限公司 | 一种基于气味强度浓度关系的气味标气配制方法 |
| CN111693649A (zh) * | 2020-06-08 | 2020-09-22 | 中汽研汽车零部件检验中心(宁波)有限公司 | 一种汽车零部件材料阈值法气味评价方法 |
| CN111766328A (zh) * | 2019-04-01 | 2020-10-13 | 中车唐山机车车辆有限公司 | 车内气味源检测方法 |
| CN112285218A (zh) * | 2020-09-04 | 2021-01-29 | 东风汽车集团有限公司 | 一种车内气味溯源方法 |
| CN112992286A (zh) * | 2021-04-13 | 2021-06-18 | 广东工业大学 | 一种物质气味留香值快速获取方法 |
| CN113588819A (zh) * | 2021-07-27 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种汽车内饰零部件气味定量评价方法 |
| CN113868841A (zh) * | 2021-09-09 | 2021-12-31 | 中车青岛四方机车车辆股份有限公司 | 一种主客观耦合分析的封闭空间内部气味溯源方法 |
| CN113984960A (zh) * | 2021-09-24 | 2022-01-28 | 中汽研汽车检验中心（天津）有限公司 | 一种动态混合方式研究多组分气体气味特性的方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6865472B2 (en) * | 2002-09-27 | 2005-03-08 | Horiba Ltd. | Vehicle-installed exhaust gas analyzing apparatus |
| US20110096332A1 (en) * | 2008-04-03 | 2011-04-28 | Renato Bugge | Method and device for gas analysis using an interferometric laser |
| CN209624543U (zh) * | 2019-03-04 | 2019-11-12 | 天津卡达克数据有限公司 | 一种气体检测装置 |
| CN113962380A (zh) * | 2020-07-20 | 2022-01-21 | 广东美的白色家电技术创新中心有限公司 | 嗅味阈值预测方法、装置和家电设备 |
| CN112903919A (zh) * | 2021-01-25 | 2021-06-04 | 上海应用技术大学 | 一种海蟹安全性检测识别方法及系统 |
| CN112816631A (zh) * | 2021-02-05 | 2021-05-18 | 中汽研汽车检验中心（天津）有限公司 | 一种智能嗅辨评价方法 |
| CN113899823A (zh) * | 2021-09-01 | 2022-01-07 | 中车长春轨道客车股份有限公司 | 一种轨道车辆产品愉悦度评价及预测方法 |
-
2022
- 2022-03-11 CN CN202210238243.3A patent/CN114324781B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101109701A (zh) * | 2007-07-30 | 2008-01-23 | 天津大学 | 多成分气体在线检测方法及装置 |
| CN103389324A (zh) * | 2013-07-18 | 2013-11-13 | 浙江工商大学 | 一种基于气味分析技术的明虾新鲜度检测方法 |
| CN103645173A (zh) * | 2013-12-27 | 2014-03-19 | 长春中元仪器有限公司 | 一种痕量甲醛的检测方法 |
| CN107632085A (zh) * | 2017-09-11 | 2018-01-26 | 通标标准技术服务(上海)有限公司 | 动态模拟整车环境下气味物质散发趋势的装置及其分析方法 |
| CN107677639A (zh) * | 2017-09-26 | 2018-02-09 | 苏州莱铯科技有限公司 | 一种激光检测甲醛气体的方法 |
| CN108918691A (zh) * | 2018-03-21 | 2018-11-30 | 北京卡达克数据有限公司 | 一种车内气味物质确定方法及车内气味物质溯源方法 |
| CN111766328A (zh) * | 2019-04-01 | 2020-10-13 | 中车唐山机车车辆有限公司 | 车内气味源检测方法 |
| CN110333319A (zh) * | 2019-06-28 | 2019-10-15 | 天津大学 | 基于手持式电子鼻的车内ppb级低浓度气味等级评价方法 |
| CN110658305A (zh) * | 2019-09-12 | 2020-01-07 | 中汽研汽车检验中心（天津）有限公司 | 一种正向设计车内气味物质等级的方法 |
| CN111141861A (zh) * | 2019-12-25 | 2020-05-12 | 中汽研汽车检验中心（天津）有限公司 | 一种车内气味物质整改因子的计算方法 |
| CN111007176A (zh) * | 2019-12-26 | 2020-04-14 | 冲之智能科技(天津)有限公司 | 基于气相色谱与离子迁移谱的车内气味等级评价方法 |
| CN111060624A (zh) * | 2019-12-30 | 2020-04-24 | 上海微谱化工技术服务有限公司 | 一种检测整车异味物质的方法 |
| CN111397996A (zh) * | 2020-06-08 | 2020-07-10 | 中汽研汽车零部件检验中心(宁波)有限公司 | 一种基于气味强度浓度关系的气味标气配制方法 |
| CN111693649A (zh) * | 2020-06-08 | 2020-09-22 | 中汽研汽车零部件检验中心(宁波)有限公司 | 一种汽车零部件材料阈值法气味评价方法 |
| CN112285218A (zh) * | 2020-09-04 | 2021-01-29 | 东风汽车集团有限公司 | 一种车内气味溯源方法 |
| CN112992286A (zh) * | 2021-04-13 | 2021-06-18 | 广东工业大学 | 一种物质气味留香值快速获取方法 |
| CN113588819A (zh) * | 2021-07-27 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种汽车内饰零部件气味定量评价方法 |
| CN113868841A (zh) * | 2021-09-09 | 2021-12-31 | 中车青岛四方机车车辆股份有限公司 | 一种主客观耦合分析的封闭空间内部气味溯源方法 |
| CN113984960A (zh) * | 2021-09-24 | 2022-01-28 | 中汽研汽车检验中心（天津）有限公司 | 一种动态混合方式研究多组分气体气味特性的方法 |
Non-Patent Citations (7)
| Title |
|---|
| 国内气相色谱近年的进展;傅若农;《分析试验室》;20030328(第02期);全文 * |
| 基于FID的机动车尾气THC测量模块设计与对比实验;尤坤等;《大气与环境光学学报》;20170115(第01期);全文 * |
| 基于弹光调制的甲醛气体浓度检测系统的研究;李仰军等;《光谱学与光谱分析》;20131215(第12期);全文 * |
| 微池热萃取法-热脱附-气相色谱质谱法测定汽车零部件及内饰材料中挥发性有机化合物;王金陵等;《检验检疫学刊》;20170420(第02期);全文 * |
| 热脱附-GCMS法测定空气中的苯系物;孙谦等;《环境化学》;20130815(第08期);全文 * |
| 热脱附-气相色谱/质谱法测定船用涂料释放气体;韦桂欢等;《舰船防化》;20071015(第05期);全文 * |
| 热脱附-气相色谱-质谱法应用于工业源废气中挥发性有机物的目标和非目标筛查;马慧莲等;《色谱》;20171008(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114324781A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114324781B (zh) | 一种智能嗅辨方法和系统 | |
| CN107632085B (zh) | 动态模拟整车环境下气味物质散发趋势的装置及其分析方法 | |
| Biasioli et al. | Direct-injection mass spectrometry adds the time dimension to (B) VOC analysis | |
| CN110057983B (zh) | 一种基于观测数据和化学机制的臭氧来源解析方法 | |
| CN108133313B (zh) | 一种人工智能感官评价食品风味系统及其构建方法 | |
| CN108760912B (zh) | 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用 | |
| CN1194227C (zh) | 基于气体传感器阵列技术的食品气味快速无损检测方法及装置 | |
| CN111007176A (zh) | 基于气相色谱与离子迁移谱的车内气味等级评价方法 | |
| US10393763B2 (en) | Odor discriminating apparatus | |
| US20050252275A1 (en) | Odor measuring apparatus | |
| JP2009257839A (ja) | Ｖｏｃ迅速分析システムおよび分析方法 | |
| JP7424595B2 (ja) | 識別器の生成方法及び装置 | |
| CN113340943B (zh) | 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 | |
| Damuchali et al. | Evaluation of a field olfactometer in odour concentration measurement | |
| CN211877911U (zh) | 用于汽车内饰材料气味等级评价的便携式电子鼻系统 | |
| CN110763775A (zh) | 复合气体的气味浓度计算方法 | |
| Majchrzak et al. | Sample preparation and recent trends in volatolomics for diagnosing gastrointestinal diseases | |
| Sironi et al. | Development of a system for the continuous monitoring of odours from a composting plant: Focus on training, data processing and results validation methods | |
| JP2023541907A (ja) | 流体試料を識別するためのセンサ、およびそのようなセンサに対して認定試験を適用するための方法 | |
| JP2022073441A (ja) | におい評価装置及びにおい評価方法並びににおい評価用試料調整装置 | |
| Gutiérrez et al. | Compost pile monitoring using different approaches: GC–MS, E-nose and dynamic olfactometry | |
| CN114283877A (zh) | 一种建立代谢物模型及其代谢组学数据库的方法 | |
| CN113984960A (zh) | 一种动态混合方式研究多组分气体气味特性的方法 | |
| Chang et al. | Prediction of human assessments of dairy odor utilizing a fast gas chromatograph and neural networks | |
| Li Voti et al. | Testing procedure for performance evaluation of electronic noses for environmental odour monitoring |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230921 Address after: Room 526, Main Building, No. 68, Xianfeng East Road, Dongli District, Tianjin, 300000 Patentee after: CATARC AUTOMOTIVE TEST CENTER (TIANJIN) Co.,Ltd. Address before: 315100 No. 99, Jingu South Road, investment and entrepreneurship center, Yinzhou District, Ningbo City, Zhejiang Province Patentee before: China Auto Research Automotive Parts Inspection Center (Ningbo) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20241223 Address after: Building 13, No. 68 Xianfeng East Road, Dongli District, Tianjin 300300 Patentee after: China Automotive Parts Technology (Tianjin) Co.,Ltd. Country or region after: China Address before: Room 526, Main Building, No. 68, Xianfeng East Road, Dongli District, Tianjin, 300000 Patentee before: CATARC AUTOMOTIVE TEST CENTER (TIANJIN) Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |