本發(fā)明涉及油質(zhì)檢測(cè)，尤其涉及一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)。
背景技術(shù)：
1、近年來(lái)，隨著光纖傳感器、熒光傳感器、深度學(xué)習(xí)算法的逐漸普及，許多油質(zhì)檢測(cè)領(lǐng)域的工作者研究嘗試將神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)（svm）等與光譜數(shù)據(jù)結(jié)合，提高油類檢測(cè)的抗干擾能力；也想要改變傳統(tǒng)檢測(cè)設(shè)備多采用rs-485、usb等有線方式傳輸數(shù)據(jù)，存儲(chǔ)于本地硬盤(pán)，難以實(shí)現(xiàn)遠(yuǎn)程監(jiān)控和實(shí)時(shí)預(yù)警的問(wèn)題；
2、然而現(xiàn)有光譜檢測(cè)設(shè)備在分析含懸浮物或乳化油的水樣時(shí)，顆粒物質(zhì)對(duì)光的散射會(huì)導(dǎo)致透射光強(qiáng)測(cè)量誤差，尤其在短波長(zhǎng)區(qū)域，散射干擾使得吸收系數(shù)的計(jì)算誤差較大，導(dǎo)致濃度檢測(cè)結(jié)果失真；且對(duì)于混合油類水樣（如原油與燃油的混合物），傳統(tǒng)光譜分析僅能基于單一波長(zhǎng)或少數(shù)特征峰判斷，無(wú)法準(zhǔn)確區(qū)分不同油類的比例和分布；而且傳統(tǒng)檢測(cè)設(shè)備多為臺(tái)式機(jī)，需人工采樣后在實(shí)驗(yàn)室分析，無(wú)法滿足野外或在線監(jiān)測(cè)需求；部分便攜式設(shè)備雖支持現(xiàn)場(chǎng)檢測(cè)，但缺乏語(yǔ)音提示、無(wú)線充電等功能，操作復(fù)雜且續(xù)航能力有限。
3、對(duì)此，本領(lǐng)域亟須一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，以解決上述問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明提供一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，旨在通過(guò)散射校正單元和耦合模型消除光散射干擾，通過(guò)自注意力機(jī)制自動(dòng)增強(qiáng)油類特征波長(zhǎng)的權(quán)重，提升混合油類識(shí)別準(zhǔn)確率，同時(shí)結(jié)合無(wú)線充電、實(shí)時(shí)云端傳輸及語(yǔ)音報(bào)警功能，實(shí)現(xiàn)全場(chǎng)景、智能化的水中油監(jiān)測(cè)。
2、本發(fā)明提供一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，包括：光譜檢測(cè)模塊、ai處理模塊、數(shù)據(jù)記錄模塊、輔助功能模塊；
3、所述光譜檢測(cè)模塊用于發(fā)射多波長(zhǎng)光至水樣并采集光信號(hào)；
4、所述ai處理模塊與所述光譜檢測(cè)模塊連接，用于基于所述光信號(hào)進(jìn)行光譜分析，采用包含光吸收-散射耦合模型、自注意力特征增強(qiáng)模型和多模態(tài)分類預(yù)測(cè)模型的關(guān)聯(lián)算法組，輸出油類濃度及分布信息；
5、所述數(shù)據(jù)記錄模塊與所述ai處理模塊連接，用于存儲(chǔ)檢測(cè)數(shù)據(jù)；
6、所述輔助功能模塊與所述數(shù)據(jù)記錄模塊連接，用于傳輸檢測(cè)數(shù)據(jù)、發(fā)出語(yǔ)音提示以及為系統(tǒng)供電。
7、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，所述光譜檢測(cè)模塊包括：
8、光源單元，其用于發(fā)射預(yù)設(shè)的不同波長(zhǎng)組合的連續(xù)光譜光，為水樣中油類物質(zhì)的光譜特性檢測(cè)提供激發(fā)光源；
9、樣品池單元，其采用流通式設(shè)計(jì)，內(nèi)置攪拌裝置以均勻水樣，用于容納水樣并使光通；
10、光譜傳感器單元，其包括制冷型ccd陣列，用于采集入射光強(qiáng)和透射光強(qiáng)；
11、散射校正單元，其用于計(jì)算散射系數(shù)，以修正不同波長(zhǎng)下的光信號(hào)因水樣中顆粒物質(zhì)散射產(chǎn)生的干擾；所述散射系數(shù)的計(jì)算公式為，其中為平均油滴體積，基于激光粒度儀測(cè)量得到，為油類物質(zhì)與水的相對(duì)折射率，基于油類參數(shù)表獲得，為散射角，為所述光譜傳感器單元中散射光采集通道的設(shè)計(jì)角度，為入射光波長(zhǎng)。
12、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，所述ai處理模塊包括：
13、特征提取單元，其用于建立所述光吸收-散射耦合模型，推導(dǎo)出不同波長(zhǎng)下油類物質(zhì)的吸收系數(shù)，所述光吸收-散射耦合模型為：
14、其中為透射光強(qiáng)，為入射光強(qiáng)，為所求的油類物質(zhì)的吸收系數(shù)，為由所述散射校正單元中確定的散射系數(shù)；為光程長(zhǎng)度；
15、同時(shí)通過(guò)公式將透射光強(qiáng)轉(zhuǎn)換為吸光度；為吸光度光譜；將不同波長(zhǎng)下的吸光度整理為光譜特征向量，其中為波長(zhǎng)點(diǎn)數(shù)；
16、預(yù)測(cè)單元，其通過(guò)所述自注意力特征增強(qiáng)模型計(jì)算特征權(quán)重，所述自注意力特征增強(qiáng)模型為：
17、其中為光譜特征向量的查詢表示，用于識(shí)別關(guān)鍵波長(zhǎng)，為光譜特征向量的鍵表示，用于匹配重要特征，光譜特征向量的原始值，用于加權(quán)聚合，均由光譜特征經(jīng)線性變換生成；代表與的轉(zhuǎn)置相乘；的維度均為，為特征維度；所述自注意力特征增強(qiáng)模型通過(guò)矩陣運(yùn)算實(shí)現(xiàn)特征權(quán)重分配，計(jì)算不同波長(zhǎng)特征的重要性權(quán)重，使模型針對(duì)于油類特征峰對(duì)應(yīng)的波長(zhǎng)；
18、種類與濃度分析單元，其與所述特征提取單元連接，基于油類物質(zhì)的吸收系數(shù)結(jié)合油類參數(shù)表確定當(dāng)前水樣中油樣的種類；基于結(jié)合朗伯-比爾定律反推獲得當(dāng)前水樣中油樣的濃度；
19、概率分布分析單元，其與所述特征提取單元和所述預(yù)測(cè)單元連接，將光譜特征向量和特征權(quán)重代入所述多模態(tài)分類預(yù)測(cè)模型中，確定各類油樣在水樣中的概率分布。
20、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，在所述概率分布分析單元中，所述多模態(tài)分類預(yù)測(cè)模型為：
21、其中，為第i類油的類別概率分布，為類別i對(duì)特征j的權(quán)重參數(shù)，基于訓(xùn)練確定；為注意力加權(quán)后的第j個(gè)波長(zhǎng)特征，其中為對(duì)特征權(quán)重進(jìn)行歸一化的結(jié)果；
22、通過(guò)所述多模態(tài)分類預(yù)測(cè)模型確定各類油樣的概率分布。
23、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，所述輔助功能模塊包括無(wú)線充電單元、語(yǔ)音提示單元、傳輸單元。
24、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，所述無(wú)線充電單元基于無(wú)線充電標(biāo)準(zhǔn)，無(wú)線充電器端通過(guò)交變電流產(chǎn)生交變磁場(chǎng)，探測(cè)器端的接收線圈感應(yīng)到交變磁場(chǎng)后，產(chǎn)生感應(yīng)電動(dòng)勢(shì)，為探測(cè)器內(nèi)部的電池充電；
25、當(dāng)無(wú)線充電單元檢測(cè)到有效的無(wú)線充電信號(hào)時(shí)，自動(dòng)切換至無(wú)線充電模式，并切斷電池對(duì)外供電；當(dāng)無(wú)線充電單元無(wú)線充電結(jié)束或充電信號(hào)消失時(shí)，無(wú)線充電單元自動(dòng)切換回電池供電模式；
26、其中，接收線圈包括高靈敏度的接收線圈、整流電路、穩(wěn)壓電路以及智能充電管理芯片，所述接收線圈在標(biāo)準(zhǔn)范圍內(nèi)接收充電信號(hào)。
27、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，所述語(yǔ)音提示單元用于針對(duì)設(shè)備的所有工作狀態(tài)，生成每個(gè)工作狀態(tài)對(duì)應(yīng)的操作語(yǔ)音指引，同時(shí)基于分析獲得的油樣種類、濃度以及概率分布與油樣種類-濃度-概率分布閾值映射表進(jìn)行對(duì)照，若任一油樣種類的濃度大于其閾值，發(fā)出語(yǔ)音報(bào)警信息，其中，所述語(yǔ)音報(bào)警信息包括報(bào)警語(yǔ)音和警示音。
28、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，所述傳輸單元用于通過(guò)無(wú)線通信方式傳輸，探測(cè)器將實(shí)時(shí)的監(jiān)測(cè)數(shù)據(jù)、設(shè)備工作狀態(tài)、語(yǔ)音報(bào)警信息以及每種油樣濃度變化曲線上傳至云端服務(wù)器中進(jìn)行存儲(chǔ)；用戶通過(guò)遠(yuǎn)程設(shè)備基于云端服務(wù)器查看探測(cè)器的設(shè)備工作狀態(tài)和檢測(cè)結(jié)果。
29、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，所述數(shù)據(jù)記錄模塊包括：
30、變化曲線生成單元，其用于周期性的抽取水樣中各油樣種類的濃度數(shù)據(jù)和概率分布數(shù)據(jù)，得到每種油樣種類的數(shù)據(jù)集；
31、基于每種油樣種類的數(shù)據(jù)集生成以時(shí)間節(jié)點(diǎn)為橫軸，濃度和概率分布為縱軸的各油樣變化曲線圖；
32、保存單元，其用于自動(dòng)保存每個(gè)周期的各油樣變化曲線圖。
33、根據(jù)本發(fā)明提供的一種基于ai技術(shù)的水中油光譜分析及數(shù)據(jù)傳輸系統(tǒng)，還包括顯示模塊，所述顯示模塊與所述保存單元連接，用于將每個(gè)周期的各油樣變化曲線圖展示給管理者。
34、與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果在于：
35、1.本技術(shù)的光譜檢測(cè)模塊通過(guò)光源單元發(fā)射多波長(zhǎng)連續(xù)光譜光，結(jié)合流通式樣品池與攪拌裝置確保水樣均勻，配合制冷型ccd陣列采集光強(qiáng)信號(hào)；在此基礎(chǔ)上，ai處理模塊構(gòu)建光吸收-散射耦合模型，將透射光強(qiáng)與入射光強(qiáng)、散射系數(shù)、光程長(zhǎng)度關(guān)聯(lián)，推導(dǎo)油類物質(zhì)的吸收系數(shù)，突破傳統(tǒng)朗伯-比爾定律僅考慮吸收效應(yīng)的局限；同時(shí)，散射校正單元通過(guò)公式計(jì)算散射系數(shù)，綜合油滴體積、折射率、散射角等參數(shù)，實(shí)時(shí)修正顆粒物質(zhì)對(duì)光信號(hào)的干擾，實(shí)現(xiàn)光信號(hào)的精準(zhǔn)校準(zhǔn)；自注意力特征增強(qiáng)模型通過(guò)qkv矩陣運(yùn)算自動(dòng)分配波長(zhǎng)特征權(quán)重，使模型聚焦于油類特征峰對(duì)應(yīng)的關(guān)鍵波長(zhǎng)，無(wú)需人工預(yù)設(shè)特征即可強(qiáng)化有效信號(hào)；多模態(tài)分類預(yù)測(cè)模型結(jié)合光譜特征向量與特征權(quán)重，計(jì)算各類油樣在水樣中的概率分布，實(shí)現(xiàn)混合油類的種類識(shí)別與濃度反演；該機(jī)制使系統(tǒng)在復(fù)雜水質(zhì)中仍能高效處理光譜數(shù)據(jù)，將油類濃度檢測(cè)周期從傳統(tǒng)技術(shù)的數(shù)十分鐘縮短至分鐘級(jí)，滿足現(xiàn)場(chǎng)快速分析需求。
36、2.本技術(shù)的數(shù)據(jù)記錄模塊通過(guò)變化曲線生成單元周期性抽取油樣濃度與概率分布數(shù)據(jù)，自動(dòng)生成以時(shí)間為橫軸的變化曲線圖并保存，實(shí)現(xiàn)檢測(cè)數(shù)據(jù)的動(dòng)態(tài)可視化；傳輸單元通過(guò)無(wú)線通信將實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、設(shè)備狀態(tài)、語(yǔ)音報(bào)警信息及濃度變化曲線上傳云端，用戶可通過(guò)遠(yuǎn)程設(shè)備隨時(shí)查看，打破傳統(tǒng)本地存儲(chǔ)與定時(shí)上傳的局限性，使預(yù)警響應(yīng)從小時(shí)級(jí)提升至分鐘級(jí)，適用于突發(fā)性污染事件的應(yīng)急處理；輔助功能模塊中的語(yǔ)音提示單元針對(duì)設(shè)備工作狀態(tài)生成操作指引，當(dāng)油樣濃度超過(guò)閾值時(shí)結(jié)合種類-濃度-概率分布閾值映射表發(fā)出語(yǔ)音報(bào)警與警示音，相比傳統(tǒng)屏幕顯示更直觀，降低現(xiàn)場(chǎng)操作門(mén)檻；無(wú)線充電單元基于電磁感應(yīng)原理自動(dòng)切換供電模式，檢測(cè)到有效充電信號(hào)時(shí)切斷電池供電，結(jié)束后恢復(fù)電池模式，解決傳統(tǒng)設(shè)備需頻繁充電或更換電池的問(wèn)題，提升野外、水下等場(chǎng)景的續(xù)航能力與適用性。
37、3.本技術(shù)采用光譜檢測(cè)、ai處理、數(shù)據(jù)記錄、輔助功能的模塊化架構(gòu)，各模塊獨(dú)立運(yùn)行又協(xié)同工作；光譜檢測(cè)模塊的流通式樣品池與散射校正單元適配含懸浮物的復(fù)雜水樣，ai處理模塊的算法組可通過(guò)油類參數(shù)表靈活適配原油、燃料油等不同油種，無(wú)需更換硬件即可實(shí)現(xiàn)多場(chǎng)景應(yīng)用；顯示模塊與保存單元連接，將各周期的油樣變化曲線直觀呈現(xiàn)給管理者，輔助決策分析；本技術(shù)避免了傳統(tǒng)檢測(cè)設(shè)備依賴人工采樣、實(shí)驗(yàn)室分析的繁瑣流程，實(shí)現(xiàn)從現(xiàn)場(chǎng)檢測(cè)到數(shù)據(jù)展示的全鏈路自動(dòng)化，降低運(yùn)維成本的同時(shí)提升系統(tǒng)可靠性。
38、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在所寫(xiě)的說(shuō)明書(shū)以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。
39、下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。