[發明專利]一種基于物聯網電子鼻的深度神經網絡氣體識別方法及系統

在審

• 申請號: 202310489516.6
• 申請日: 2023-05-04
• 公開（公告）號: CN116359447A
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 萬浩;房瑞山;向奕;黃卓如;袁群琛;王平
• 申請（專利權）人: 浙江大學
• 主分類號: G01N33/00
• 分類號: G01N33/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜

本發明公開了一種基于物聯網電子鼻的深度神經網絡氣體識別方法及系統，通過氣體傳感器陣列采集得到的氣體樣本響應信號，經帶有傳感器陣列和物聯網模塊的終端設備發送到云端數據中心。在微控制器MCU對數據預處理后進行格拉姆角場變換，使得上位機接收到的二維傳感器響應數據，經過升維后成為可以輸入到卷積神經網絡中的三維數據，通過分類器輸出氣體標簽，可以表示氣體類別和濃度等級，實現了遠程監測的實時性、抗干擾性和高檢測準確率。發揮了卷積神經網絡特征提取能力強、模型收斂快和識別準確率高的優勢。可廣泛應用于環境檢測、工業生產、醫療和安全等領域。

技術領域

本發明涉及氣體分析領域，尤其涉及一種基于物聯網電子鼻的深度神經網絡氣體識別方法。

背景技術

隨著社會的發展，人們的日常生活越離不開燃氣，以甲烷、一氧化碳為代表的燃氣一方面為人們的日常生活帶來了許多便利，另一方面也帶來了由可燃氣體泄漏、爆炸所造成的隱患。因此對于可燃氣體的檢測與識別越來越引起人們的重視。近年來，由于受到高新技術發展的影響，可燃氣體檢測技術也得到了很好的發展。“電子鼻”技術，又被稱作機器嗅覺技術，是隨著近些年模式識別技術的發展而興起的計算機輔助傳感器陣列的技術，最早由Gardner在二十世紀九十年代提出，在包括食品安全，環境監測，醫療領域等諸多個領域發揮著重要作用。它與常規的氣相色譜質譜聯用分析方法相比快速、簡便、成本低，前景廣泛。當前氣體傳感器的類型眾多，其中半導體金屬氧化物(Metal-Oxide?Semiconductor，MOS)型傳感器由于其成本低、體積小、靈敏度高和使用壽命長等特點在氣體檢測領域得到了廣泛的應用，但是MOS傳感器的選擇性差，對多種氣體存在交叉敏感的現象，在沒有其他傳感技術的情況下基于單個傳感器識別多種氣體仍然是一個巨大的挑戰。

在這樣的背景下采用計算機輔助方法非常重要。當前，混合氣體的分類研究領域十分廣泛。2019年發表在《Sensors》上的一篇文章《Combustible?Gas?ClassificationModeling?using?Support?Vector?Machine?and?Pairing?Plot?Scheme》構建了一種基于支持向量機的氣體分類監督學習方法，所提出的模型對CH₄和CO氣體的分類在傳感器的最低濃度檢測限上所有的濃度等級分類可以達到100％的正確率。由于氣體傳感器的時間序列響應信號難以被傳統的氣體識別算法處理，因此需要人工提取特征的步驟來使得信號能夠進行機器學習的算法處理。但是該步驟需要反復驗證提取特征的有效性，該步驟復雜而繁瑣。2020年發表在《Sensors?and?Actuators?A:Physical》上的《An?optimized?deepconvolutional?neural?network?for?dendrobiumclassification?based?on?electronicnose》提出了使用一維深度卷積神經網絡來自動提取特征，但是該種方法并沒有利用到傳感器陣列響應信號的多維時間序列的信號相關性。

發明內容

本發明目的在于針對現有技術的不足，實現對指定區域內的燃氣類別和濃度等級實現實時檢測和預警，針對傳統機器識別方法需要人工提取特征等較為復雜的步驟，本發明提出了一種結合格拉姆角場的深度殘差卷積神經網絡算法，來實現對于響應信號的升維和自動提取特征。

本發明的目的是通過以下技術方案來實現的：一種基于物聯網電子鼻的深度神經網絡氣體識別方法，其特征在于，該方法包括以下步驟：

步驟一：基于集成有網絡通訊模組的傳感器陣列終端設備，將采集得到的氣體樣本響應數據經網絡協議傳輸到遠程的云端數據中心；

步驟二：結合格拉姆角場GAF的深度殘差卷積神經網絡算法，對云端數據中心的傳感器響應數據進行數據升維操作，以作為深度殘差卷積神經網絡的輸入數據；完成待測氣體的類別和濃度等級識別。

2、根據權利要求1所述的一種基于物聯網電子鼻的深度神經網絡氣體識別方法，其特征在于，通過終端設備上的網絡通訊模組完成與云端數據中心的信息交互；具體包括：