[发明专利]一种基于深度学习的轻量级有毒有害气体分布的检测方法

说明书

一种基于深度学习的轻量级有毒有害气体分布的检测方法，通过对待测现场的地貌环境参数和有毒有害气体参数进行采集、关键特征构建、数据进行预处理、离线训练、模型量化训练、归一化指数回归及预测出污染现场地貌和有毒有害气体立体分布结果，从而确定危险等级，预测的结果发送至云服务器平台，将污染现场有毒有害气体立体分布情况和危险等级结果进行反馈；是一种综合智能传感、物联网、深度学习技术的检测方法；为应急救援的指挥决策提供完整环境信息，保障救援人员安全；能够实时监测有毒有害气体异常情况，能够第一时间对现场进行准确完善的危险态势评估，保障救援作业安全高效进行。

【技术领域】：

本发明属于高危污染场地修复治理和突发事件紧急救援技术领域，尤其涉及一种基于深度学习的轻量级有毒有害气体分布检测方法。

【背景技术】：

突发公共安全事件极易造成高危污染环境，在现场应急救援和污染场地修复作业中均存在大量有害物质或有毒气体，如氨、氯及硫化氢、二氧化硫、二氧化氮等。如果未及时采取有效的救援措施应对突发事件，有毒有害气体在外部风力和内部浓度梯度的作用下，会沿地表面迅速扩散形成燃烧爆炸或有毒高危区域，严重威胁公共安全，造成重大损失。

因此，当突发事件造成有毒有害气体泄漏时，必须尽快分析现场危险态势采取相应措施，才能最大程度降低突发公共安全事件造成的损失。突发事件救援现场具有未知性、动态性和高危性，救援人员直接进入现场作业可能危及生命安全。准确预知污染气体分布状况，对于指挥部科学决策、实时保障作业人员安全、防止事态扩大化和复杂化具有重要意义。

应急检测车辆虽然检测设备齐全，但是车辆体积大且需要人工驾驶和检测，无法直接进入复杂危险地形检测有毒有害气体分布状况。现有的无人移动平台检测装置负载能力有限，所搭载的传感器检测种类单一，不能满足多地形多态势的检测需求，且该方法忽略了有毒有害气体实际分布情况受天气、地貌、风向和气体类别影响的问题。

【发明内容】：

本发明的目的在于提出一种基于深度学习的轻量级有毒有害气体分布的检测方法，它可以克服现有技术的不足，是一种操作简单且容易实现的检测方法，能够对污染环境地貌进行重建，且实时检测分析现场有毒有害气体分布情况，并将检测结果实时传输至终端，为应急救援和污染场地修复提供准确完善的现场环境信息，方便工作人员直观、快捷地观察污染情况，保障工作人员安全，提高救援和修复作业效率。

本发明的技术方案：一种基于深度学习的轻量级有毒有害气体分布的检测方法，其特征在于它包括以下步骤：

(1)在无人移动平台上装载多组分有毒有害气体检测传感器，对待测现场的地貌环境参数和有毒有害气体参数进行采集；

所述步骤(1)中的多组分有毒气体检测传感器是由气体测量传感器组、位置传感器、图像传感器、微处理器单元、数据通讯模块、电池管理模块、电池构成，其连接为常规连接方式。

(2)利用残差网络提取对步骤(1)中采集的原始参数的关键特征构建特征集feature(x)；

所述步骤(2)中的关键特征包括地貌特征、气象特征、有毒有害气体特征。

所述步骤(2)中的构建特征集feature(x)是指对地貌特征、气象特征、有毒有害气体特征的数据集的定义，具体包括：

(2.1)地貌特征：对两幅连续拍摄图像间重叠区域进行地貌重建，用x_ij表示二维重叠区域特征点横坐标，用y_ij表示二维重叠区域特征点纵坐标，矩阵D代表特征点对应三维空间高度，则重叠区域特征集定义如下：

feature_I＝{x_ij,y_ij,D_ij}；

(2.2)气象特征：将气象特征以0-1向量形式进行表征，1表示为当前天气，0表示为非当前天气，分别为晴、雨、雪和风依次标记为：