[發明專利]大氣能見度測量方法、傳感器模組、系統和存儲介質

在審

• 申請號: 202010161037.8
• 申請日: 2020-03-10
• 公開（公告）號: CN111398109A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 周康明;吳昊
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G01N15/06
• 分類號: G01N15/06;G01N33/00;G01W1/02
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃恕

1.一種大氣能見度測量方法，其特征在于，所述方法應用于能見度測量系統，所述能見度測量系統包括傳感器模組和計算機設備；所述方法包括：

通過所述傳感器模組，獲取大氣的相關測量數據并傳輸給所述計算機設備；所述相關測量數據包括大氣中氣溶膠的質量濃度數據和大氣的濕度數據；

所述計算機設備將所述相關測量數據輸入至預設的分類模型中，確定所述相關測量數據對應的大氣的能見度級別；所述分類模型是基于大氣樣本數據集進行訓練得到的，所述大氣樣本數據集包括大氣訓練數據以及所述大氣訓練數據對應的標注能見度級別。

2.根據權利要求1所述的方法，其特征在于，在所述將所述相關測量數據輸入至預設的分類模型中，確定所述相關測量數據對應的大氣的能見度級別之前，所述方法還包括：

根據拉依達準則對所述相關測量數據進行去噪處理，得到去噪后的相關測量數據；

相應地，所述將所述相關測量數據輸入至預設的分類模型中，確定所述相關測量數據對應的大氣的能見度級別，包括：

將所述去噪后的相關測量數據輸入至預設的分類模型中，確定所述大氣的能見度級別。

3.根據權利要求1或2所述的方法，其特征在于，所述分類模型的訓練方法包括：

將各所述大氣訓練數據輸入初始分類模型，得到所述大氣訓練數據對應的預測能見度級別；

根據所述預測能見度級別和所述標注能見度級別，計算所述預測能見度級別和所述標注能見度級別之間的損失，并將所述損失作為損失函數的值；

利用所述損失函數的值對所述初始分類模型進行訓練，得到所述分類模型。

4.根據權利要求3所述的方法，其特征在于，所述分類模型為隨機森林模型。

5.根據權利要求1所述的方法，其特征在于，所述大氣中氣溶膠的質量濃度數據包括PM0.1的質量濃度數據、PM2.5的質量濃度數據、PM10的質量濃度數據。

6.根據權利要求1所述的方法，其特征在于，所述傳感器模組包括質量濃度傳感器和濕度傳感器，所述采用所述傳感器模組，獲取大氣的相關測量數據，包括：

采用所述質量濃度傳感器，獲取所述大氣中氣溶膠的質量濃度數據；以及，

采用所述濕度傳感器，獲取所述大氣的濕度數據。

7.根據權利要求1或2所述的方法，其特征在于，所述方法還包括：

將所述大氣的能見度級別和預設的能見度級別進行匹配，并根據匹配結果輸出相應的提示消息。

8.一種傳感器模組，其特征在于，所述傳感器模組和計算機設備集成為一體；

所述傳感器模組，用于獲取大氣的相關測量數據；所述相關測量數據包括大氣中氣溶膠的質量濃度數據和大氣的濕度數據；將所述相關測量數據輸入至預設的分類模型中，確定所述相關測量數據對應的大氣的能見度級別；所述分類模型是基于大氣樣本數據集進行訓練得到的，所述大氣樣本數據集包括大氣訓練數據以及所述大氣訓練數據對應的標注能見度級別。

9.一種能見度測量系統，其特征在于，包括傳感器模組和計算機設備，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，

所述傳感器模組，用于獲取大氣的相關測量數據；所述相關測量數據包括大氣中氣溶膠的質量濃度數據和大氣的濕度數據；

所述處理器，在執行所述計算機程序時，用于將所述相關測量數據輸入至預設的分類模型中，確定所述相關測量數據對應的大氣的能見度級別；所述分類模型是基于大氣樣本數據集進行訓練得到的，所述大氣樣本數據集包括大氣訓練數據以及所述大氣訓練數據對應的標注能見度級別。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。