[發明專利]適于化工廠的多種融合有毒氣體分類方法及巡檢機器人

有效

• 申請號: 201910491330.8
• 申請日: 2019-06-06
• 公開（公告）號: CN110228071B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 吳佳勝;胡凱;卞月樓;王樂萱
• 申請（專利權）人: 南京信息工程大學
• 主分類號: B25J11/00
• 分類號: B25J11/00;B25J5/00;B25J9/16;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 戴朝榮

本發明公開了一種適于化工廠的多種融合有毒氣體分類方法及巡檢機器人，利用巡檢機器人在預先鋪設的軌道上定點按計劃巡檢，進行精確測溫及多種融合有毒氣體分類分析，目標氣體分類方法使用ECOC輸出糾錯編碼，將采集到的多種融合有毒氣體特征信息樣本作為特征向量，輸入至訓練好的基分類器中分離出目標氣體，能夠快速確定有毒氣體泄漏源，并能夠在有毒氣體泄漏情況下發出警報。本發明有助于減少化工廠工人日常巡檢的精力，節省勞動力成本，提高工作效率和安全性能。

技術領域

本發明涉及化工廠人工智能技術領域，具體而言涉及一種適于化工廠的多種融合有毒氣體分類方法及巡檢機器人。

背景技術

化工廠中有很多易燃易爆品，如果管理不當很容易引起火災甚至爆炸，特別是到了深夜工作人員可能會疏于值守，無法及時檢測到由于管道破損引起的有毒氣體泄漏，這樣就可能會引起事故。所以化工廠內的定時安全巡檢格外重要。

目前大多數化工廠還是采用最原始的人工檢查，需要人為逐個檢查設備，手動抄錄檢測數據，這樣一方面工作量較大，另一方面由于環境和人眼視角問題，難免會出現判斷失誤。并且有毒氣體一旦泄漏就會融合在一起，人工難以分辨是哪一種氣體產生的泄漏，無法迅速找到泄漏源。

申請號為“CN201710903647.9”的“一種基于深度學習的單一有害氣體紅外圖像分類識別方法”能夠分類和識別單一的有害氣體，但是化工廠內一般都是各種氣體融合在一塊，這時候前述申請方法就不能夠很好地識別。

發明內容

本發明目的在于提供一種適于化工廠的多種融合有毒氣體分類方法及巡檢機器人，利用巡檢機器人在預先鋪設的軌道上定點按計劃巡檢，進行精確測溫及多種融合有毒氣體分類分析，目標氣體分類方法使用ECOC輸出糾錯編碼，將采集到的多種融合有毒氣體特征信息樣本作為特征向量，輸入至訓練好的基分類器中分離出目標氣體，能夠快速確定有毒氣體泄漏源，并能夠在有毒氣體泄漏情況下發出警報。本發明有助于減少化工廠工人日常巡檢的精力，節省勞動力成本，提高工作效率和安全性能。

為達成上述目的，結合圖1，本發明提出一種適于化工廠的多種融合有毒氣體分類方法，所述方法包括：

S1：使用ECOC輸出糾錯編碼，定義編碼矩陣S^m×n，其中，m為待分類的氣體類別數目，n為基分類器的數目，m×n為對m個類別進行n次劃分，編碼矩陣S^m×n的每個元素取值為{-1，0，1}中的任一數值，編碼矩陣S^m×n的每一列采用一對一編碼方法構建出一長度為n的編碼序列。優選的，m＝4，n＝6；

S2：定義6個基分類器h₁、h₂、h₃、h₄、h₅、h₆，輸入訓練集E＝{(x_j,y_j)}，使用標準誤差逆傳播算法訓練預先定義的6個基分類器。

S3：確定樣本的描述屬性，采集多種融合有毒氣體特征信息樣本作為特征向量，輸入至訓練好的基分類器中分離出目標氣體。

S4：解碼階段，將步驟S3中采集的多種融合有毒氣體特征信息樣本x輸入至各基分類器，計算得到一輸出向量H(x)，將該輸出向量H(x)與步驟S1中定義的編碼矩陣S^m×n的每一個行向量作漢明距離運算，取漢明距離最小的y作為預測的目標類別輸出，其中，y＝{1，2，3，...，m}。

在步驟S2中，所述使用標準誤差逆傳播算法訓練預先定義的6個基分類器包括以下步驟：

S21：構造一L層神經網絡，L＝3，神經網絡第一層為包括A個神經元的輸入層，A＝4，神經網絡第二層為包括B個神經元的隱藏層，B＝5，神經網絡第三層為包括C個神經元的輸出層，C＝1。