CN118010667A - 一种基于系统辨识的红外相机检测气体浓度方法 - Google Patents
一种基于系统辨识的红外相机检测气体浓度方法 Download PDFInfo
- Publication number
- CN118010667A CN118010667A CN202410426410.6A CN202410426410A CN118010667A CN 118010667 A CN118010667 A CN 118010667A CN 202410426410 A CN202410426410 A CN 202410426410A CN 118010667 A CN118010667 A CN 118010667A
- Authority
- CN
- China
- Prior art keywords
- humidity
- gas concentration
- temperature
- model parameters
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 230000005855 radiation Effects 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims description 21
- 230000007704 transition Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000000758 substrate Substances 0.000 description 11
- 238000005259 measurement Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于系统辨识的红外相机检测气体浓度方法,涉及气体检测技术领域,本发明的方法包括:采集在不同温度、不同湿度环境下,红外相机检测不同气体浓度设定值时输入的红外辐射强度、输出的气体浓度检测值;构建气体浓度检测模型并获取模型参数矩阵,模型参数矩阵由多个模型参数组成;根据检测待测气体时的温度、湿度,从模型参数矩阵中选择多个模型参数,并分别计算各个模型参数的权重,生成综合模型参数;将红外相机检测待测气体时输入的红外辐射强度输入至气体浓度检测模型中,将综合模型参数作为模型参数,生成待测气体的浓度,本发明充分考虑到温度因素和湿度因素对检测待测气体浓度时的影响,提高气体浓度检测的精准性。
Description
技术领域
本发明涉及气体检测技术领域,具体为一种基于系统辨识的红外相机检测气体浓度方法。
背景技术
目前可燃气体泄露检测主要有点式测量(固定、壁挂)、线式测量(激光发收对射)和面式远距离遥测(气团云成像)三种,点式测量和线式测量均存在测量误差大和误警报率高的问题,而面式远距离遥测技术因其测量精度高、相应时间短、非入侵式测量等优点而越来越得到广泛应用,面式远距离遥测技术多采用中红外相机进行可燃气体泄露浓度检测。
但是,中红外相机输出图像存在多参数影响,包括气体温度、环境湿度、光照强度以及气体浓度,如湿度的增加会改变大气的折射率,因为水汽对红外光的吸收和散射较强,在高湿度条件下红外光与水汽发生相互作用,导致信号衰减和失真,又如气体的吸收谱线通常与温度相关,在不同温度下气体分子的振动和转动能级发生变化,影响其对红外光的吸收特性,因此直接采用中红外相机输出图像来检测气体浓度存在结果不准确的问题,需要基于系统辨识的方式对传统气体浓度检测技术进行优化,以此提高气体浓度检测结果的精准性。
发明内容
本发明的目的在于提供一种基于系统辨识的红外相机检测气体浓度方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于系统辨识的红外相机检测气体浓度方法,包括如下步骤:
S1,采集在不同温度、不同湿度环境下,红外相机检测不同气体浓度设定值时输入的红外辐射强度、输出的气体浓度检测值以形成历史数据库,并将历史数据库中的各组数据随机分配到训练集或测试集中;
S2,构建气体浓度检测模型,以系统辨识方法利用训练集中的数据训练气体浓度检测模型,通过测试集中的数据测试气体浓度测试模型的性能,获取测试合格后的气体浓度检测模型及其模型参数矩阵,模型参数矩阵由气体浓度检测模型在不同温度、不同湿度下的多个模型参数组成;
S3,采集红外相机检测待测气体时的温度、湿度、以及输入的红外辐射强度,并根据检测待测气体时的温度、湿度,从模型参数矩阵中选择多个模型参数,并分别计算各个模型参数的权重;
S4,根据步骤S3中选择的模型参数及其权重,生成综合模型参数;
S5,将红外相机检测待测气体时输入的红外辐射强度输入至气体浓度检测模型中,并将步骤S4中的综合模型参数作为气体浓度检测模型的模型参数,生成待测气体的浓度。
进一步的,将所述温度标定为,将所述湿度标定为/>,将所述气体浓度设定值标定为/>,将所述红外辐射强度标定为/>,将所述气体浓度检测值标定为/>,其中i表示不同温度的编号,且i=1、2、3、……、m,且温度/>随编号i增大而增大,j表示不同湿度的编号,且j=1、2、3、……、n,且湿度/>随编号j增大而增大,k表示不同气体浓度设定值的编号,且k=1、2、3、……、Z,/>表示在温度/>,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的红外辐射强度,/>表示在温度/>,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的气体浓度检测值,将所述模型参数矩阵标定为/>,将所述模型参数标定为/>,/>表示气体浓度检测模型在温度/>、湿度/>环境下的模型参数;
其中,。
进一步的,所述m取值为31,相邻温度间的温度差为2摄氏度,,所述n取值为21,相邻湿度/>间的湿度差为3,,所述Z取值为51,相邻气体浓度设定值/>间的浓度差为2,/>。
进一步的,采集红外相机检测待测气体时的温度、湿度、以及输入的红外辐射强度,并根据检测待测气体时的温度、湿度,从模型参数矩阵中选择多个模型参数,并分别计算各个模型参数的权重的具体逻辑为:
S31,以为计算基准确定数值m1;
S32,以为计算基准确定数值n1;
S33,根据m1、n1从模型参数矩阵中选择模型参数;
S34,根据温度与温度/>、温度/>间的相近关系,以及湿度/>与湿度/>、湿度/>间的相近关系,计算各个模型参数的权重。
进一步的,根据温度与温度/>、温度/>间的相近关系,以及湿度/>与湿度、湿度/>间的相近关系,计算各个模型参数的权重的具体逻辑为:
S341,根据,计算温度/>与温度/>、温度/>间的相近系数,以及湿度/>与湿度/>、湿度/>间的相近系数,计算公式如下:;
其中,表示温度/>与温度/>间的相近系数,/>表示温度/>与温度/>间的相近系数,/>表示湿度/>与湿度/>间的相近系数,/>表示湿度/>与湿度/>间的相近系数;
S342,根据步骤S341中的各个相近系数,计算各个模型参数的过渡权重,计算公式如下:
;
其中,表示在气体浓度检测中温度的影响程度,/>表示在气体浓度检测中湿度的影响程度,/>、/>均为预设比例系数,/>示模型参数/>的过渡权重,/>表示模型参数/>的过渡权重,/>表示模型参数/>的过渡权重,/>表示模型参数的过渡权重;
S343,令以生成模型参数/>的中间权重/>、模型参数/>的中间权重/>、模型参数/>的中间权重/>、以及模型参数/>的中间权重/>,并对/>进行等比例缩放以生成满足/>的/>,且/>表示模型参数/>的权重,/>表示模型参数/>的权重,/>表示模型参数/>的权重,/>表示模型参数/>的权重。
进一步的,根据步骤S3中选择的模型参数及其权重,生成综合模型参数的具体逻辑为:
;
其中,综合模型参数为在温度/>、湿度/>的环境下,红外相机检测待测气体时气体浓度检测模型所使用的模型参数。
进一步的,所述红外相机选用中红外相机或中红外摄影仪。
与现有技术相比,本发明的有益效果是:
本发明的基于系统辨识的红外相机检测气体浓度方法,先获取气体浓度检测模型在不同温度、不同湿度环境下的多组模型参数,再根据检测待测气体时的温度和湿度选择多个模型参数并计算所选择模型参数的权重,以此生成综合模型参数,最后将红外相机检测待测气体时输入的红外辐射强度带入综合模型参数中进行计算以得出待测气体的浓度,在此过程中充分考虑到温度因素和湿度因素对检测待测气体浓度时的影响,提高气体浓度检测的精准性。
附图说明
图1为本发明中基于系统辨识的红外相机检测气体浓度方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
实施例:
请参阅图1,本发明提供一种基于系统辨识的红外相机检测气体浓度方法,包括如下步骤:
S1,采集在不同温度、不同湿度环境下,红外相机检测不同气体浓度设定值时输入的红外辐射强度、输出的气体浓度检测值以形成历史数据库,并将历史数据库中的各组数据随机分配到训练集或测试集中;
需要说明的是,历史数据库中的一组数据包括在特定温度、特定湿度、特定气体浓度设定值、以及在此条件下红外相机输入的红外辐射强度、以及输出的气体浓度检测值,其中红外相机可选用中红外相机或中红外摄影仪;
需要说明的是,温度可通过温度传感器进行测得,湿度可通过湿度传感器进行测得,气体浓度设定值由在一定封闭空间内定量输入待测气体的量进行计算获取;
需要说明的是,将温度标定为,将湿度标定为/>,将气体浓度设定值标定为,将红外辐射强度标定为/>,将气体浓度检测值标定为/>,其中i表示不同温度的编号,且i=1、2、3、……、m,且温度/>随编号i增大而增大,m表示不同温度个数的总数量,且/>,j表示不同湿度的编号,且j=1、2、3、……、n,且湿度/>随编号j增大而增大,n表示不同湿度个数的总数量,且/>,k表示不同气体浓度设定值的编号,且k=1、2、3、……、Z,Z表示不同气体浓度设定值的总数量,且/>,/>表示在温度/>,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的红外辐射强度,/>表示在温度/>,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的气体浓度检测值;
作为一个实施方式,m取值为31,相邻温度间的温度差为2摄氏度,,n取值为21,相邻湿度/>间的湿度差为3,,Z取值为51,相邻气体浓度设定值/>间的浓度差为2,;
需要说明的是,训练集和测试集的样本个数之比可以是70比30,或者80比20。
S2,构建气体浓度检测模型,以系统辨识方法利用训练集中的数据训练气体浓度检测模型,通过测试集中的数据测试气体浓度测试模型的性能,获取测试合格后的气体浓度检测模型及其模型参数矩阵,模型参数矩阵由气体浓度检测模型在不同温度、不同湿度下的多个模型参数组成;
需要说明的是,将模型参数矩阵标定为,将所述模型参数标定为/>,/>表示气体浓度检测模型在温度/>、湿度/>环境下的模型参数;
其中,;
步骤S2包括:
S21,基于Lambert-Beer定律构建气体浓度检测模型,将训练集中在温度,湿度的环境下,红外相机检测不同气体浓度设定值时输入的红外辐射强度、输出的气体浓度检测值数据输入至气体浓度检测模型中,初始化气体浓度检测模型在温度/>,湿度/>环境下的模型参数/>,用于构建气体浓度模型的公式如下:
;
需要说明的是,分别表示在温度/>,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的红外辐射强度、以及输出的气体浓度检测值,模型参数/>包括/>,/>分别表示气体浓度检测模型在温度/>,湿度/>环境下设置的无气体时的初始浓度参数、吸收系数参数、光程长度参数;
S22,选用最小二乘法作为系统辨识的算法,将训练集中在温度,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的红外辐射强度/>、以及气体浓度设定值/>输入至气体浓度检测模型中进行训练,以获取气体浓度检测模型在温度/>,湿度/>的环境下最优的模型参数/>;
需要说明的是,对气体浓度检测模型进行训练以获取最优的模型参数的具体逻辑为:建立模型的优化目标函数,对优化目标函数/>进行最小化并计算偏导数,建立模型参数的方程组并求解,得出在温度/>,湿度/>的环境下,气体浓度检测模型最优的模型参数,
其中,优化目标函数公式如下:
;
需要说明的是,和/>的相差越小,优化目标函数/>也就越小,表明气体浓度设定值和红外相机输出的气体浓度检测值间的差距越小,即表明红外相机中气体浓度检测模型的检测精准度越高;
需要说明的是,采用系统辨识的算法对优化目标函数进行最小化并计算偏导数,建立模型参数的方程组并求解,以此得出最优的模型参数可采用现有技术,在此不做赘述;
S23,将测试集中在温度,湿度/>的环境下,红外相机检测气体浓度设定值时输入的红外辐射强度/>、以及气体浓度设定值/>输入至气体浓度检测模型中,以此对气体浓度检测模型在温度/>,湿度/>的环境下最优的模型参数/>行测试,并获取测试合格后的气体浓度检测模型及其模型参数矩阵;
需要说明的是,采用测试集中的数据对气体浓度检测模型进行测试以评估模型性能的具体过程可采用现有技术,在此不做赘述。
S3,采集红外相机检测待测气体时的温度、湿度、以及输入的红外辐射强度,并根据检测待测气体时的温度、湿度,从模型参数矩阵中选择多个模型参数,并分别计算各个模型参数的权重,包括如下步骤:
以为计算基准确定数值m1;
S32,以为计算基准确定数值n1;
S33,根据m1、n1从模型参数矩阵中选择模型参数;
需要说明的是,m1、n1数值的确定、以及的选择均可通过数据处理软件进行确定,在此不做赘述;
S34,根据温度与温度/>、温度/>间的相近关系,以及湿度/>与湿度/>、湿度/>间的相近关系,计算各个模型参数的权重,包括如下步骤:
S341,根据,计算温度/>与温度/>、温度间的相近系数,以及湿度/>与湿度/>、湿度/>间的相近系数,计算公式如下:;
需要说明的是,表示温度/>与温度/>间的相近系数,/>越小,表明温度/>与温度/>间越相近,后续模型参数/>的权重也就越大;
需要说明的是,表示温度/>与温度/>间的相近系数,/>越小,表明温度/>与温度/>间越相近,后续模型参数/>的权重也就越大;
需要说明的是,表示湿度/>与湿度/>间的相近系数,/>越小,表明湿度与湿度/>间越相近,后续模型参数/>的权重也就越大;
需要说明的是,表示湿度/>与湿度/>间的相近系数;/>越小,表明湿度与湿度/>间越相近,后续模型参数/>的权重也就越大;
S342,根据步骤S341中的各个相近系数,计算各个模型参数的过渡权重,计算公式如下:
;
需要说明的是,表示在气体浓度检测中温度的影响程度,/>表示在气体浓度检测中湿度的影响程度,/>、/>均为预设比例系数,且/>,且/>,的具体取值一般由本领域技术人员根据实际情况进行确定;
作为一个实施方式,的取值范围为0.6—0.8,/>的取值范围为0.2—0.4;
需要说明的是,表示模型参数/>的过渡权重,且温度/>与温度/>间的相近系数/>、以及湿度/>与湿度/>间的相近系数/>越小,模型参数/>的过渡权重/>也就越小,后续模型参数/>的权重也就越大;
需要说明的是,表示模型参数/>的过渡权重,且温度/>与温度/>间的相近系数/>、以及湿度/>与湿度/>间的相近系数/>越小,模型参数/>的过渡权重/>也就越小,后续模型参数/>的权重也就越大;
需要说明的是,示模型参数/>的过渡权重,且温度/>与温度/>间的相近系数/>以及湿度/>与湿度/>间的相近系数/>越小,模型参数/>的过渡权重也就越小,后续模型参数/>的权重也就越大;
需要说明的是,表示模型参数/>的过渡权重,且温度/>与温度/>间的相近系数/>、以及湿度/>与湿度/>间的相近系数/>越小,模型参数/>的过渡权重/>也就越小,后续模型参数/>的权重也就越大;
S343,令以生成模型参数的中间权重/>、模型参数/>的中间权重/>、模型参数/>的中间权重、以及模型参数/>的中间权重/>,并对/>进行等比例缩放以生成满足/>的/>,且表示模型参数/>的权重,/>表示模型参数/>的权重,/>表示模型参数的权重,/>表示模型参数/>的权重。
S4,根据步骤S3中选择的模型参数及其权重,生成综合模型参数,计算公式如下:
;
需要说明的是,综合模型参数为在温度/>、湿度/>的环境下,红外相机检测待测气体时气体浓度检测模型所使用的模型参数;
S5,将红外相机检测待测气体时输入的红外辐射强度输入至气体浓度检测模型中,并将步骤S4中的综合模型参数作为气体浓度检测模型的模型参数,生成待测气体的浓度。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够通过电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行,取决于技术方案的特定应用和设计约束条件。
所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理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (7)
1.一种基于系统辨识的红外相机检测气体浓度方法,其特征在于,包括如下步骤:
S1,采集在不同温度、不同湿度环境下,红外相机检测不同气体浓度设定值时输入的红外辐射强度、输出的气体浓度检测值以形成历史数据库,并将历史数据库中的各组数据随机分配到训练集或测试集中;
S2,构建气体浓度检测模型,以系统辨识方法利用训练集中的数据训练气体浓度检测模型,通过测试集中的数据测试气体浓度测试模型的性能,获取测试合格后的气体浓度检测模型及其模型参数矩阵,模型参数矩阵由气体浓度检测模型在不同温度、不同湿度下的多个模型参数组成;
S3,采集红外相机检测待测气体时的温度、湿度、以及输入的红外辐射强度,并根据检测待测气体时的温度、湿度,从模型参数矩阵中选择多个模型参数,并分别计算各个模型参数的权重;
S4,根据步骤S3中选择的模型参数及其权重,生成综合模型参数;
S5,将红外相机检测待测气体时输入的红外辐射强度输入至气体浓度检测模型中,并将步骤S4中的综合模型参数作为气体浓度检测模型的模型参数,生成待测气体的浓度。
2.根据权利要求1所述的基于系统辨识的红外相机检测气体浓度方法,其特征在于:将所述温度标定为,将所述湿度标定为/>,将所述气体浓度设定值标定为/>,将所述红外辐射强度标定为/>,将所述气体浓度检测值标定为/>,其中i表示不同温度的编号,且i=1、2、3、……、m,且温度/>随编号i增大而增大,j表示不同湿度的编号,且j=1、2、3、……、n,且湿度/>随编号j增大而增大,k表示不同气体浓度设定值的编号,且k=1、2、3、……、Z,/>表示在温度/>,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的红外辐射强度,/>表示在温度/>,湿度/>的环境下,红外相机检测气体浓度设定值/>时输入的气体浓度检测值,将所述模型参数矩阵标定为/>,将所述模型参数标定为/>,/>表示气体浓度检测模型在温度/>、湿度/>环境下的模型参数;
其中,。
3.根据权利要求2所述的基于系统辨识的红外相机检测气体浓度方法,其特征在于:所述m取值为31,相邻温度间的温度差为2摄氏度,/>,所述n取值为21,相邻湿度/>间的湿度差为3,/>,所述Z取值为51,相邻气体浓度设定值/>间的浓度差为2,/>。
4.根据权利要求2所述的基于系统辨识的红外相机检测气体浓度方法,其特征在于:采集红外相机检测待测气体时的温度、湿度、以及输入的红外辐射强度,并根据检测待测气体时的温度、湿度,从模型参数矩阵中选择多个模型参数,并分别计算各个模型参数的权重的具体逻辑为:
S31,以为计算基准确定数值m1;
S32,以为计算基准确定数值n1;
S33,根据m1、n1从模型参数矩阵中选择模型参数;
S34,根据温度与温度/>、温度/>间的相近关系,以及湿度/>与湿度/>、湿度间的相近关系,计算各个模型参数的权重。
5.根据权利要求4所述的基于系统辨识的红外相机检测气体浓度方法,其特征在于:根据温度与温度/>、温度/>间的相近关系,以及湿度/>与湿度/>、湿度/>间的相近关系,计算各个模型参数的权重的具体逻辑为:
S341,根据,计算温度/>与温度/>、温度/>间的相近系数,以及湿度/>与湿度/>、湿度/>间的相近系数,计算公式如下:
;
其中,表示温度/>与温度/>间的相近系数,/>表示温度/>与温度/>间的相近系数,/>表示湿度/>与湿度/>间的相近系数,/>表示湿度/>与湿度/>间的相近系数;
S342,根据步骤S341中的各个相近系数,计算各个模型参数的过渡权重,计算公式如下:
;
其中,表示在气体浓度检测中温度的影响程度,/>表示在气体浓度检测中湿度的影响程度,/>、/>均为预设比例系数,/>示模型参数/>的过渡权重,/>表示模型参数/>的过渡权重,/>表示模型参数/>的过渡权重,/>表示模型参数/>的过渡权重;
S343,令以生成模型参数/>的中间权重/>、模型参数/>的中间权重/>、模型参数/>的中间权重/>、以及模型参数/>的中间权重/>,并对/>进行等比例缩放以生成满足/>的/>,且/>表示模型参数/>的权重,/>表示模型参数/>的权重,/>表示模型参数/>的权重,/>表示模型参数/>的权重。
6.根据权利要求5所述的基于系统辨识的红外相机检测气体浓度方法,其特征在于:根据步骤S3中选择的模型参数及其权重,生成综合模型参数的具体逻辑为:
;
其中,综合模型参数为在温度/>、湿度/>的环境下,红外相机检测待测气体时气体浓度检测模型所使用的模型参数。
7.根据权利要求1所述的基于系统辨识的红外相机检测气体浓度方法,其特征在于:所述红外相机选用中红外相机或中红外摄影仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410426410.6A CN118010667B (zh) | 2024-04-10 | 2024-04-10 | 一种基于系统辨识的红外相机检测气体浓度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410426410.6A CN118010667B (zh) | 2024-04-10 | 2024-04-10 | 一种基于系统辨识的红外相机检测气体浓度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118010667A true CN118010667A (zh) | 2024-05-10 |
CN118010667B CN118010667B (zh) | 2024-07-02 |
Family
ID=90945771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410426410.6A Active CN118010667B (zh) | 2024-04-10 | 2024-04-10 | 一种基于系统辨识的红外相机检测气体浓度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118010667B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180364185A1 (en) * | 2015-12-15 | 2018-12-20 | Konica Minolta, Inc. | Gas Concentration-Thickness Product Measurement Device, Gas Concentration-Thickness Product Measurement Method, Gas Concentration-Thickness Product Measurement Program, And Computer-Readable Recording Medium Having Gas Concentration-Thickness Product Measurement Program Recorded Thereon |
US20190003919A1 (en) * | 2015-12-15 | 2019-01-03 | Konica Minolta, Inc. | Image processing device for gas detection, image processing method for gas detection, image processing program for gas detection, computer-readable recording medium having image processing program for gas detection recorded thereon, and gas detection system |
CN109342350A (zh) * | 2018-12-07 | 2019-02-15 | 中国科学院合肥物质科学研究院 | 一种污染物分布红外光谱扫描成像遥测系统 |
CN110286093A (zh) * | 2019-07-17 | 2019-09-27 | 中南大学 | 一种阈值动态调节的玻璃瓶内气体浓度检测方法 |
US20190302013A1 (en) * | 2018-03-30 | 2019-10-03 | Konica Minolta Laboratory U.S.A., Inc. | Multi-spectral gas quantification and differentiation method for optical gas imaging camera |
AU2020204526A1 (en) * | 2001-06-29 | 2020-07-30 | Meso Scale Technologies, Llc. | Assay plates reader systems and methods for luminescence test measurements |
US20200398446A1 (en) * | 2019-06-19 | 2020-12-24 | International Business Machines Corporation | Environment Monitoring and Associated Monitoring Device |
CN112634271A (zh) * | 2021-03-09 | 2021-04-09 | 南京智谱科技有限公司 | 确定红外相机检测气体泄露量临界值的方法及设备 |
CN112710623A (zh) * | 2020-12-16 | 2021-04-27 | 重庆商勤科技有限公司 | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 |
KR20210109400A (ko) * | 2020-02-27 | 2021-09-06 | 주식회사 센서위드유 | 복합가스 환경의 가스 농도감지와 예측을 위한 딥러닝 기반의 유해가스센서 모니터링 시스템과 그 플랫폼 |
KR20220078847A (ko) * | 2020-12-04 | 2022-06-13 | 연세대학교 산학협력단 | 복수의 기체의 농도 산출 방법 및 복수의 기체의 농도 산출 장치 |
CN115096835A (zh) * | 2022-07-13 | 2022-09-23 | 天津同阳科技发展有限公司 | 气体浓度检测方法及装置 |
CN115452155A (zh) * | 2022-08-23 | 2022-12-09 | 武汉大学 | 燃烧气相介质温度场浓度场的测量方法 |
WO2023043428A1 (en) * | 2021-09-14 | 2023-03-23 | N5 Sensors, Inc. | Reconfiguring gas sensing devices to detect different types of gases |
-
2024
- 2024-04-10 CN CN202410426410.6A patent/CN118010667B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2020204526A1 (en) * | 2001-06-29 | 2020-07-30 | Meso Scale Technologies, Llc. | Assay plates reader systems and methods for luminescence test measurements |
US20190003919A1 (en) * | 2015-12-15 | 2019-01-03 | Konica Minolta, Inc. | Image processing device for gas detection, image processing method for gas detection, image processing program for gas detection, computer-readable recording medium having image processing program for gas detection recorded thereon, and gas detection system |
US20180364185A1 (en) * | 2015-12-15 | 2018-12-20 | Konica Minolta, Inc. | Gas Concentration-Thickness Product Measurement Device, Gas Concentration-Thickness Product Measurement Method, Gas Concentration-Thickness Product Measurement Program, And Computer-Readable Recording Medium Having Gas Concentration-Thickness Product Measurement Program Recorded Thereon |
US20190302013A1 (en) * | 2018-03-30 | 2019-10-03 | Konica Minolta Laboratory U.S.A., Inc. | Multi-spectral gas quantification and differentiation method for optical gas imaging camera |
CN109342350A (zh) * | 2018-12-07 | 2019-02-15 | 中国科学院合肥物质科学研究院 | 一种污染物分布红外光谱扫描成像遥测系统 |
US20200398446A1 (en) * | 2019-06-19 | 2020-12-24 | International Business Machines Corporation | Environment Monitoring and Associated Monitoring Device |
CN110286093A (zh) * | 2019-07-17 | 2019-09-27 | 中南大学 | 一种阈值动态调节的玻璃瓶内气体浓度检测方法 |
KR20210109400A (ko) * | 2020-02-27 | 2021-09-06 | 주식회사 센서위드유 | 복합가스 환경의 가스 농도감지와 예측을 위한 딥러닝 기반의 유해가스센서 모니터링 시스템과 그 플랫폼 |
KR20220078847A (ko) * | 2020-12-04 | 2022-06-13 | 연세대학교 산학협력단 | 복수의 기체의 농도 산출 방법 및 복수의 기체의 농도 산출 장치 |
CN112710623A (zh) * | 2020-12-16 | 2021-04-27 | 重庆商勤科技有限公司 | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 |
CN112634271A (zh) * | 2021-03-09 | 2021-04-09 | 南京智谱科技有限公司 | 确定红外相机检测气体泄露量临界值的方法及设备 |
WO2023043428A1 (en) * | 2021-09-14 | 2023-03-23 | N5 Sensors, Inc. | Reconfiguring gas sensing devices to detect different types of gases |
CN115096835A (zh) * | 2022-07-13 | 2022-09-23 | 天津同阳科技发展有限公司 | 气体浓度检测方法及装置 |
CN115452155A (zh) * | 2022-08-23 | 2022-12-09 | 武汉大学 | 燃烧气相介质温度场浓度场的测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118010667B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103983361B (zh) | 在线式网络测温热像仪标定方法 | |
CN116879297A (zh) | 土壤水分协同反演的方法、装置、设备和介质 | |
CN115167323A (zh) | 基于数字化工厂的工控设备反馈信息指令传输系统 | |
CN113916383B (zh) | 热成像温度测量方法、装置及电子设备 | |
CN118010667B (zh) | 一种基于系统辨识的红外相机检测气体浓度方法 | |
Li et al. | Dynamic temperature measurement with a dual-thermocouple sensor based on a dual-head one-dimensional convolutional neural network | |
CN105466885A (zh) | 基于无测点温度补偿机制的近红外在线测量方法 | |
CN117278150A (zh) | 一种室内无线网络信号测量计算方法、设备和介质 | |
CN117664518A (zh) | 一种利用稳定光源进行光学校准的方法及系统 | |
CN115824427A (zh) | 温度校正方法、装置、设备及存储介质 | |
CN115907178A (zh) | 一种净生态系统co2交换量的预测方法 | |
CN114755189B (zh) | 一种特征优选的自注意力机制高光谱卫星lai反演方法 | |
Barino et al. | Addressing uncertainty on machine learning models for long-period fiber grating signal conditioning using Monte Carlo method | |
JP6890847B2 (ja) | 電子式wbgt計の出力方法および電子式wbgt計 | |
Pan et al. | Intelligent compensation method of infrared temperature measurement for multiple interference factors | |
CN111123406A (zh) | 手持气象仪温度数据拟合方法 | |
CN107122496B (zh) | 基于类别分析法的近红外光谱物质含量索引方法、设备及介质 | |
CN115541036B (zh) | 一种红外机芯系统的实时校准方法 | |
CN117131469B (zh) | 一种智能差压变送器的误差校验方法 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 | |
CN117968863B (zh) | 红外测温方法、装置、设备及存储介质 | |
CN114266155B (zh) | 一种海气参数反演方法及装置 | |
Hots | Investigation of temperature measurement uncertainty components for infrared radiation thermometry | |
JPWO2020065890A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Kim et al. | In-situ leak detection of plasma processing chamber using neural network and optical emission spectroscopy |
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 |