CN117288702A - 基于ai芯片提高光学式气体传感器检测性能的方法及应用 - Google Patents
基于ai芯片提高光学式气体传感器检测性能的方法及应用 Download PDFInfo
- Publication number
- CN117288702A CN117288702A CN202311416782.2A CN202311416782A CN117288702A CN 117288702 A CN117288702 A CN 117288702A CN 202311416782 A CN202311416782 A CN 202311416782A CN 117288702 A CN117288702 A CN 117288702A
- Authority
- CN
- China
- Prior art keywords
- gas sensor
- optical
- chip
- optical fiber
- improving detection
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 239000013307 optical fiber Substances 0.000 claims abstract description 40
- 238000010521 absorption reaction Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 210000002569 neuron Anatomy 0.000 claims description 15
- 239000012528 membrane Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000036279 refractory period Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000000946 synaptic effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 72
- 230000008859 change Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000000862 absorption spectrum Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000005375 photometry Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000009423 ventilation Methods 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
- G01N21/3103—Atomic absorption 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6402—Atomic fluorescence; Laser induced fluorescence
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
本发明公开了一种基于AI芯片提高光学式气体传感器检测性能的方法及应用，所述方法包括：步骤一，信道优选；获取5G无线信道的最优光信号，确定最优传输信道；将光学式气体传感器接入最优传输信道；步骤二，采用AI芯片处理光学式气体传感器的部分数据运算过程，从而提高光学式气体传感器的检测准确性和效率。本发明所述方法应用于光谱吸收型光纤气体传感器、荧光型光纤气体传感器和渐逝场型光纤气体传感器；有效解决了光学气体传感器寿命短、调校困难的技术问题。
Description
技术领域
本发明属于人工智能传感技术领域，具体涉及了一种基于AI芯片提高光学式气体传感器检测性能的方法及应用。
背景技术
随着人工智能(Artificial Inteligence，AI)的热潮席卷各行各业，作为人工智能核心的“AI芯片”变得炙手可热，它是所有智能设备必不可少的核心器件，专门用于处理AI相关的计算任务。
利用气体的光学特性检测气体成分和浓度的传感器称为光学式气体传感器，根据具体的光学原理分为红外吸收式、可见光吸收光度式、光干涉式、化学发光式、试纸光电光度式、光离子化式、光纤化学材料式等。
基于红外线原理的气体传感器是最为常见的光吸收式气体传感器。光学式气体传感器不仅可用于各种气体的检测，还可以应用于石油成分和比例的分析、纺织产品的定量分析，并且在红外热成像、红外机械无损探测探伤、物体的识别，以及军事上的红外夜视、红外制导导航、红外隐身、红外遥测遥感等方面均取得了很好的效果。其中，光纤气体传感器以响应快、耐腐蚀、不受电磁干扰、可灵活复用等优势已在煤炭、化工、石油等部门中有了重要应用。光纤具有体积小、频带宽、传输损耗低、抗电磁干扰性强和携带的信息量大等特点，由其构成的传感器具有抗电磁干扰、电绝缘、耐腐蚀、灵敏度高、便于复用、便于成网等诸多优点，已应用在社会生活的许多方面，例如：工业气体在线监测、有害气体分析、环境空气质量监测和爆炸气体检测以及对火山喷发气体的分析等。但是其也存在显著不足，如使用寿命短、调校困难等。
发明内容
本发明的目的在于针对现有技术存在的不足，提出了一种基于AI芯片提高光学式气体传感器检测性能的方法及应用。
为了实现上述目的，本发明采用了以下技术方案：
一种基于AI芯片提高光学式气体传感器检测性能的方法，包括：
步骤一，信道优选；
获取5G无线信道的最优光信号，确定最优传输信道；将光学式气体传感器接入最优传输信道；
步骤二，采用AI芯片处理光学式气体传感器的部分数据运算过程，从而提高光学式气体传感器的检测准确性和效率。
本发明进一步说明，所述步骤二具体为：将AI芯片放置于光学式气体传感器后，AI芯片在收到光信号后创建LIF神经元模型并结合脉冲神经元模型，对模型整体进行优化并进行基于神经网络的光速运算，从而提升光信号处理效率。
本发明进一步说明，所述LIF神经元模型的基本参数是膜阈值电压、复位电压、不应期和漏电率；在每个时间点t，第i层的神经元j的膜电位V′mj(t)描述为：
式中：参数λ对应于泄露，ωi,j是突触增强；
将给定时间步长的所有输入脉冲整合后，将电位与阈值进行比较，并通过下方定义输出：
式中：tspike表示第i层神经元j发送信号的最后时间点。
本发明的基于AI芯片提高光学式气体传感器检测性能的方法应用于光纤传感器。
进一步的，本发明的基于AI芯片提高光学式气体传感器检测性能的方法应用于光谱吸收型光纤气体传感器、荧光型光纤气体传感器和渐逝场型光纤气体传感器。
光纤传感器的基本原理是将光源发出的光经光纤送入调制区，在调制区内，外界被测参量与进入调制区的光相互作用，使光的某些性质如光的强度、波长、频率、相位、偏振态等发生变化而成为信号光，再经光纤送入光探测器、解调器而获得被测参数。
光纤气体传感技术：是光纤传感技术的一个重要应用分支，主要基于与气体的物理或化学性质相关的光学现象或特性。近年来，它在环境监测、电力系统以及油田、矿井、辐射区的安全保护等方面的应用显示出其独特的优越性。目前，光纤气体传感器主要有光谱吸收型光纤气体传感器、荧光型光纤气体传感器、渐逝场型光纤气体传感器、折射率变化型光纤气体传感器等。
光谱吸收型光纤气体传感器：是研究得最多并接近于实用化的一种气体传感器。光谱法通过检测样气透射光强或反射光强的变化来检测气体浓度。每种气体分子都有自己的吸收谱特征，光源的发射谱只有在与气体吸收谱重叠的部分产生吸收，吸收后的光强发生变化。根据比尔·朗伯定律，当波长为λ的单色光在充有待测气体的气室中传播距离L后，其通过传感器后的光强为：
I(λ)＝I0(λ)exp(αλCL)λ；
式中，I(λ)表示波长为λ的单色光透过不含待测气体的气室时的光强；C为吸收气体的浓度；a为光通过介质的吸收系数。将上式进行整理得：
通过检测通气前后光强的变化，就可以测出待测气体的浓度。利用介质对光吸收而使光产生衰减这一特性制成的吸收型光纤气体传感器；光源发出的光由光纤送入气室，被气体吸收后，由出射光纤传至光电探测器，得到的信号光送入计算机进行信号处理，可得出气体浓度。
光谱吸收型光纤气体传感器测量灵敏度高，抗干扰能力强，气体鉴别能力好，响应速度快，耐高温、耐潮湿，寿命长，易于集结成网，但仍存在理想的光源技术还未能突破、微弱信号检测设备复杂、成本较高等问题。
荧光型光纤气体传感器的原理是当光源发出一定波长的激光信号照射荧光材料时，荧光材料会发出特定波长的荧光，荧光与待测气体发生作用，气体分子使荧光强度或者寿命发生改变，通过测量荧光强度或者寿命的变化可以推算出待测气体的浓度。可用Stern-Volmer方程描述：
式中，I0、T0分别为不含待测气体时的荧光强度和寿命；I、T分别为含待测气体时的荧光强度和寿命；x(air)为待测气体的浓度；K为常量。可以利用测得的荧光寿命或强度变化计算气体浓度值。荧光型光纤气体传感器具有传感简单、抵抗干扰能力强、系统精度高、反应速度快等突出优点。但是，由于对微弱信号检测系统的测量精度要求高、测量系统的成本昂贵，限制了它的广泛应用。
渐逝场型光纤气体传感：最近几年渐逝场型光纤气体传感器得到了广泛的关注和快速的发展，其原理为：光在光纤中传播不是发生全反射，而是在纤芯四周形成呈指数规律衰减的渐逝场，如果此时渐逝场周围存在被测气体，则光信号由于待测气体的吸收能量会减少，通过测量光强度的衰减可以得出气体的浓度信息。渐逝场型光纤气体传感器具有灵敏度高、能够实现分布式测量和交叉辨析、重复性比较好等优点，但存在易受环境温度、湿度和洁净程度影响，表面污染还不能很好地解决等问题。
本发明的优点：
本发明采用信道优选和基于神经网络的AI芯片技术提高探测器的检测准确性和效率，方法简单易实现、成本低。
具体实施方式
下面结合具体实施例对本发明进一步说明。
实施例：
一种基于AI芯片提高光学式气体传感器检测性能的方法，包括：
步骤一，信道优选；
获取5G无线信道的最优光信号，确定最优传输信道；将光学式气体传感器接入最优传输信道；
步骤二，采用AI芯片处理光学式气体传感器的部分数据运算过程，从而提高光学式气体传感器的检测准确性和效率；具体为：
将AI芯片放置于光学式气体传感器后，AI芯片在收到光信号后创建LIF神经元模型并结合脉冲神经元模型，对模型整体进行优化并进行基于神经网络的光速运算，从而提升光信号处理效率；
所述LIF神经元模型的基本参数是膜阈值电压、复位电压、不应期和漏电率；在每个时间点t，第i层的神经元j的膜电位V′mj(t)描述为：
式中：参数λ对应于泄露，ωi,j是突触增强；
将给定时间步长的所有输入脉冲整合后，将电位与阈值进行比较，并通过下方定义输出：
式中：tspike表示第i层神经元j发送信号的最后时间点。
本发明的基于AI芯片提高光学式气体传感器检测性能的方法应用于光纤传感器。
进一步的，本实施例的基于AI芯片提高光学式气体传感器检测性能的方法应用于光谱吸收型光纤气体传感器、荧光型光纤气体传感器和渐逝场型光纤气体传感器。
显然，上述实施例仅仅是为了清楚的说明本发明所作的举例，而并非对本发明实施的限定。对于所属技术领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动；这里无需也无法对所有的实施方式予以穷举；而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (5)
1.一种基于AI芯片提高光学式气体传感器检测性能的方法，其特征在于包括：
步骤一，信道优选；
获取5G无线信道的最优光信号，确定最优传输信道；将光学式气体传感器接入最优传输信道；
步骤二，采用AI芯片处理光学式气体传感器的部分数据运算过程，从而提高光学式气体传感器的检测准确性和效率。
2.根据权利要求1所述的基于AI芯片提高光学式气体传感器检测性能的方法，其特征在于：所述步骤二具体为：将AI芯片放置于光学式气体传感器后，AI芯片在收到光信号后创建LIF神经元模型并结合脉冲神经元模型，对模型整体进行优化并进行基于神经网络的光速运算，从而提升光信号处理效率。
3.根据权利要求2所述的基于AI芯片提高光学式气体传感器检测性能的方法，其特征在于：所述LIF神经元模型的基本参数是膜阈值电压、复位电压、不应期和漏电率；在每个时间点t，第i层的神经元j的膜电位Vm'j(t)描述为：
式中：参数λ对应于泄露，ωi,j是突触增强；
将给定时间步长的所有输入脉冲整合后，将电位与阈值进行比较，并通过下方定义输出：
式中：tspike表示第i层神经元j发送信号的最后时间点。
4.一种基于AI芯片提高光学式气体传感器检测性能的方法，其特征在于，所述方法应用于光纤传感器。
5.根据权利要求4所述的基于AI芯片提高光学式气体传感器检测性能的方法，其特征在于，所述方法应用于光谱吸收型光纤气体传感器、荧光型光纤气体传感器和渐逝场型光纤气体传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311416782.2A CN117288702A (zh) | 2023-10-30 | 2023-10-30 | 基于ai芯片提高光学式气体传感器检测性能的方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311416782.2A CN117288702A (zh) | 2023-10-30 | 2023-10-30 | 基于ai芯片提高光学式气体传感器检测性能的方法及应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117288702A true CN117288702A (zh) | 2023-12-26 |
Family
ID=89248088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311416782.2A Pending CN117288702A (zh) | 2023-10-30 | 2023-10-30 | 基于ai芯片提高光学式气体传感器检测性能的方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117288702A (zh) |
-
2023
- 2023-10-30 CN CN202311416782.2A patent/CN117288702A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Klein et al. | Integrated-optic ammonia sensor | |
| CN105424635A (zh) | 紫外光谱烟气分析仪 | |
| CN205317662U (zh) | 一种紫外光谱烟气分析仪 | |
| CN204101438U (zh) | 一种可同时检测多种氮氧化物浓度的装置 | |
| Moreno et al. | Fiber optic ammonia sensing employing novel thermoplastic polyurethane membranes | |
| CN108645511A (zh) | 一种马赫曾德尔干涉仪结构的新型紫外光强探测器 | |
| Sazhin et al. | Sensor methods of ammonia inspection | |
| CN106248602A (zh) | 基于光纤f‑p干涉仪的硫化氢气体传感装置 | |
| CN103558177B (zh) | 生肉组织水分近红外检测装置及检测方法 | |
| CN101281124B (zh) | 宽带腔增强吸收光谱大气环境光电监测系统 | |
| CN117288702A (zh) | 基于ai芯片提高光学式气体传感器检测性能的方法及应用 | |
| US20110228257A1 (en) | Hollow core fiber laser induced incandescence | |
| AU2021211978B2 (en) | Atmospheric corrosion monitoring device and method based on optical fiber surface plasmon resonance | |
| CN112268871B (zh) | 一种同时测量大气中多种污染气体浓度的方法 | |
| Narayanaswamy | Chemical transducers based on fibre optics for environmental monitoring | |
| Mulrooney et al. | Monitoring of carbon dioxide exhaust emissions using mid-infrared spectroscopy | |
| Liu et al. | Multi-wavelength UV imaging detection system applied for varying environmental conditions: Detection of SO2 as an example | |
| Muda et al. | Simulation and measurement of carbon dioxide exhaust emissions using an optical-fibre-based mid-infrared point sensor | |
| Kharaz et al. | A distributed fibre optic sensing system for humidity measurement | |
| US6710873B2 (en) | Temperature-independent measurements of gas concentration | |
| Hawe et al. | Measuring of exhaust gas emissions using absorption spectroscopy | |
| Campbell | Sensor Systems for Environmental Monitoring: Volume One: Sensor Technologies | |
| Norris | Optical fiber chemical sensors: Fundamentals and applications | |
| Choudhury | Optical sensors in environmental monitoring | |
| CN217059912U (zh) | 基于双层石墨烯掺杂TiO2的气体传感器 |
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 |