【技術實現步驟摘要】
本申請涉及氣體檢測，特別是涉及一種氣體檢測方法、設備、介質及產品。
技術介紹
1、近年來，用于檢測揮發性有機化合物的電子鼻系統的開發在各個領域都得到了廣泛關注。由于電子鼻系統具有成本效益高、速度快、易于測量和非侵入性等特點，它在實時分析方面具有廣泛的應用和適應性。作為一種新興的模式識別算法，深度學習近年來被用于提高電子鼻系統的性能。電子鼻技術與先進的機器學習方法相結合，為空氣質量監測、醫療保健、工業安全和過程控制提供了一條創新之路。
2、電子鼻系統是一種利用傳感器陣列對氣味樣本進行檢測并生成對應反應數據的設備。這些數據通常是復雜的，涉及不同的氣體組分和濃度，因此需要有效的數據處理和模式識別技術來分析和識別不同的氣味。
3、目前，現有技術中通過電子鼻系統和卷積神經網絡模型對待檢測氣體進行預測只能進行單任務預測，導致對待檢測氣體的預測效率低，進而影響了電子鼻系統的運行效率和適用性。
技術實現思路
1、本申請的目的是提供一種氣體檢測方法、設備、介質及產品，可解決現有技術中只能對待檢測氣體進行單任務檢測而導致的檢測效率低的問題。
2、為實現上述目的，本申請提供了如下方案：
3、第一方面，本申請提供了一種氣體檢測方法，應用于電子鼻系統，所述電子鼻系統包括傳感器陣列，包括：
4、基于傳感器陣列，獲取待檢測氣體的響應數據；
5、將預處理后的響應數據輸入至多任務卷積神經網絡模型的第一層共享卷積層，得到初始特征圖；所述多任務卷積
6、將所述初始特征圖輸入至所述池化層進行降采樣后，并將降采樣后的特征圖輸入至所述第二層共享卷積層，得到目標特征圖；
7、將所述目標特征圖輸入至多個任務特定層后，并通過所述全連接層輸出待檢測氣體的預測結果；其中，所述預測結果包括氣體類別分類結果、氣體濃度預測結果、傳感器狀態評估結果和氣體異常檢測結果。
8、第二方面，本申請提供了一種計算機設備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序以實現上述中所述的氣體檢測方法。
9、第三方面，本申請提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現上述中所述的氣體檢測方法。
10、第四方面，本申請提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執行時實現上述中所述的氣體檢測方法。
11、根據本申請提供的具體實施例，本申請公開了以下技術效果：
12、本申請提供了一種氣體檢測方法、設備、介質及產品，首先，基于傳感器陣列，獲取待檢測氣體的響應數據，然后將預處理后的響應數據輸入多任務卷積神經網絡模型的第一層共享卷積層得到初始特征圖，然后將初始特征圖輸入多任務卷積神經網絡模型的池化層進行降采樣后，輸入多任務卷積神經網絡模型的第二層共享卷積層，得到目標特征圖。如此，通過第一層共享卷積層和第二層共享卷積層實現了針對后續不同任務的共享特征(即目標特征圖)的提取，進而利用多個任務特定層實現對氣體類別、氣體濃度、傳感器狀態評估和氣體異常檢測四個任務的同時預測。最終通過多任務卷積神經網絡模型大大提升了對待檢測氣體的預測效率，進而提升了電子鼻系統的運行效率和適用性，在推動電子鼻技術發展方面的巨大潛力。
本文檔來自技高網...【技術保護點】
1.一種氣體檢測方法，應用于電子鼻系統，所述電子鼻系統包括傳感器陣列，其特征在于，包括：
2.根據權利要求1所述的氣體檢測方法，其特征在于，基于傳感器陣列，獲取待檢測氣體的響應數據之后，還包括：
3.根據權利要求1所述的氣體檢測方法，其特征在于，所述多任務卷積神經網絡模型的訓練過程，具體包括：
4.根據權利要求3所述的氣體檢測方法，其特征在于，基于所述歷史預測結果和所述待檢測氣體的真實標簽，訓練所述多任務卷積神經網絡模型，具體包括：
5.根據權利要求4所述的氣體檢測方法，其特征在于，利用多種損失函數計算不同的任務特定層對應的損失；所述多種損失函數包括交叉熵損失和均方誤差損失；所述交叉熵損失用于計算所述第一損失、所述第三損失和所述第四損失；所述均方誤差損失用于計算所述第二損失。
6.根據權利要求1所述的氣體檢測方法，其特征在于，基于傳感器陣列，獲取待檢測氣體的響應數據，具體包括：
7.根據權利要求1所述的氣體檢測方法，其特征在于，所述多個任務特定層包括分類任務的任務特定層和回歸任務的任務特定層；所述分類任務包括
8.一種計算機設備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1-7中任一項所述的氣體檢測方法。
9.一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，該計算機程序被處理器執行時實現權利要求1-7中任一項所述的氣體檢測方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-7中任一項所述的氣體檢測方法。
...【技術特征摘要】
1.一種氣體檢測方法，應用于電子鼻系統，所述電子鼻系統包括傳感器陣列，其特征在于，包括：
2.根據權利要求1所述的氣體檢測方法，其特征在于，基于傳感器陣列，獲取待檢測氣體的響應數據之后，還包括：
3.根據權利要求1所述的氣體檢測方法，其特征在于，所述多任務卷積神經網絡模型的訓練過程，具體包括：
4.根據權利要求3所述的氣體檢測方法，其特征在于，基于所述歷史預測結果和所述待檢測氣體的真實標簽，訓練所述多任務卷積神經網絡模型，具體包括：
5.根據權利要求4所述的氣體檢測方法，其特征在于，利用多種損失函數計算不同的任務特定層對應的損失；所述多種損失函數包括交叉熵損失和均方誤差損失；所述交叉熵損失用于計算所述第一損失、所述第三損失和所述第四損失；所述均方誤差損失用于計算所述第二損失。
6.根據權利要求1所述的氣體檢測方法，其特征在于，基于傳感器陣列，獲取待檢...
【專利技術屬性】
技術研發人員：軒福貞，王濤，程薇薇，張博威，梅海霞，徐書生，朱佳清，陳樂晨，劉澤昆，
申請(專利權)人：華東理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。