二手烟多传感器融合精准识别算法及系统

本发明涉及空气质量监测与多传感器数据融合识别，具体涉及二手烟多传感器融合精准识别算法及系统。

背景技术：

1、二手烟的精准识别是公共场所控烟、家庭环境监测、新风系统智能调控等场景的核心技术需求。在真实居住与办公环境中，二手烟通常与厨房油烟、外部经门窗渗入的机动车尾气共存，这三类烟雾源在颗粒物浓度、一氧化碳浓度以及挥发性有机物浓度等单维传感量上往往形成大面积重叠区，使得在不借助化学分析仪器的条件下，采用低成本传感器对二手烟进行单独识别长期以来都是一项工业难题。

2、针对烟雾识别问题，现有技术大体可以归纳为基于图像视觉的吸烟行为识别路径与基于多气体传感器阈值判定的烟雾告警路径两个主要分支。

3、公开号为cn114842498a的中国专利申请，公开了一种抽烟行为检测方法和装置，该方法通过对图像中的人体区域执行检测以确定是否存在烟体，在检测到烟体的前提下计算烟体位置与人体鼻尖位置的间距，并结合烟雾图像识别在距离判定不通过时进行补救判定，最终输出存在抽烟行为、可能存在抽烟行为或不存在抽烟行为的结论。然而，该方案的烟雾源识别能力完全依赖光学图像中烟体与人体姿态的几何关系，在无人或夜间无光照环境下不具备识别能力，更关键的是该方案仅能对图像中存在的视觉烟雾团整体进行存在与否的判别，无法在视觉特征极为相似的二手烟雾、厨房油烟雾团与外部窗口飘入的尾气雾团之间做出物理来源上的精准区分，无法解决不同烟雾源浓度信号重叠区的源类别分离问题。

4、公告号为us7142105b2的美国专利，公开了一种基于烟雾与气体传感器的火灾告警算法(fire alarm algorithm using smoke and gas sensors)，该方案通过一氧化碳浓度、二氧化碳浓度与烟雾浓度三个通道在时间维度上的浓度增长率计算，并在任一通道增长率超过预设阈值时触发告警。然而，该方案本质上仍是对多通道浓度的瞬时快照与单调增长趋势进行阈值判定，丢弃了烟雾源在释放与衰减全过程中所携带的动力学方向性信息，因而无法对释放速率与衰减形态相互交叠却又来源截然不同的二手烟、油烟与尾气进行区分，只能在浓度极端突变的火灾场景中区分有火与无火，无法在浓度变化温和但持续累积的二手烟场景中分离出真正的污染来源。

5、公告号为cn106652459b的中国专利，公开了一种智能型路侧交通空气污染监测系统，该系统通过电化学传感器探测二氧化氮、一氧化碳、二氧化硫与臭氧的浓度，并通过激光散射颗粒物传感器探测pm2.5与pm10的浓度，结合交通流量统计与车型比例识别向用户提供基于空气污染数据的出行路线规划。然而，该方案以路侧外部场景为应用前提，其将二氧化氮作为机动车尾气的标识量，而二氧化氮恰恰是与室内二手烟存在浓度交叠的反向通道，该方案若直接迁移至室内环境，会把含二氧化氮的厨房油烟与从窗口飘入的稀释后尾气连同二手烟一并判定为污染事件，无法对污染来源的物理类型做出区分。

6、综合上述现有技术，可以归纳出一个共同的核心技术问题：现有多传感器烟雾识别方法均将多通道传感数据视作浓度快照进行静态阈值判定或静态分类，丢弃了释放与衰减全过程中所携带的时序动力学方向性信息，导致二手烟、厨房油烟与机动车尾气在化学组分与浓度幅值大面积重叠的区域内无法被精准分离，识别精度难以满足真实场景下对二手烟单独定向识别的工业需求。本发明正是针对该核心技术问题展开的。

技术实现思路

1、针对现有技术中多传感器烟雾识别方法将多通道传感数据视作浓度快照进行静态判定、丢弃了时序动力学方向性信息、在二手烟与厨房油烟和机动车尾气的浓度重叠区无法精准区分污染来源的核心瓶颈，本发明提供二手烟多传感器融合精准识别算法及系统，通过将多模态传感器同步采集的多通道信号在预设时间窗口内执行释放上升段与浓度衰减段双段动力学拟合得到具有方向性的动力学参数组，并将该动力学参数组与预先建立的烟雾源动力学指纹库进行范围匹配并结合温湿度条件加权进行证据融合，同时以识别残差驱动所述烟雾源动力学指纹库的释放速率范围与衰减斜率范围的在线反馈修正，在不依赖图像视觉、不引入气相色谱等高成本化学分析设备的前提下，从烟雾产生与扩散的动力学机理层面上实现二手烟、厨房油烟与机动车尾气三类烟雾源在浓度重叠区的精准区分。

2、本发明的技术方案为：二手烟多传感器融合精准识别算法，包括以下步骤：通过烟雾多模态传感器组同步采集环境空气数据，所述烟雾多模态传感器组包括颗粒物传感器、一氧化碳传感器、挥发性有机物传感器以及温湿度传感器；对所述颗粒物传感器输出的颗粒物浓度信号、所述一氧化碳传感器输出的一氧化碳浓度信号以及所述挥发性有机物传感器输出的挥发性有机物浓度信号在预设时间窗口内分别进行释放上升段拟合与浓度衰减段拟合，得到包括释放速率参数和衰减斜率参数的多通道动力学参数组；将所述多通道动力学参数组与烟雾源动力学指纹库进行匹配，所述烟雾源动力学指纹库包括二手烟源指纹、油烟源指纹和尾气源指纹各自对应的释放速率范围与衰减斜率范围，获取三类烟雾源的初始证据强度；基于所述温湿度传感器输出的温湿度补偿信号对所述初始证据强度进行条件加权，通过证据加权融合输出源类别概率值，所述源类别概率值最大者对应的烟雾源被判定为当前烟雾源类别；基于当前烟雾源类别识别结果与现场实际类别之间的识别残差，对所述烟雾源动力学指纹库中相应源的释放速率范围与衰减斜率范围执行反馈修正，完成所述烟雾源动力学指纹库的在线更新。

3、本发明还提供一种二手烟多传感器融合精准识别系统，包括烟雾多模态传感器组、动力学拟合模块、指纹库匹配模块、证据融合模块和反馈修正模块；所述烟雾多模态传感器组用于同步采集环境空气数据并输出所述颗粒物浓度信号、所述一氧化碳浓度信号、所述挥发性有机物浓度信号和所述温湿度补偿信号；所述动力学拟合模块与所述烟雾多模态传感器组通信连接，用于在所述预设时间窗口内执行所述释放上升段拟合与所述浓度衰减段拟合得到所述多通道动力学参数组；所述指纹库匹配模块与所述动力学拟合模块通信连接，用于将所述多通道动力学参数组与所述烟雾源动力学指纹库进行匹配获取三类烟雾源的所述初始证据强度；所述证据融合模块与所述指纹库匹配模块和所述烟雾多模态传感器组通信连接，用于基于所述温湿度补偿信号对所述初始证据强度执行所述条件加权并通过所述证据加权融合输出所述源类别概率值，基于所述源类别概率值最大者对应的烟雾源判定所述当前烟雾源类别；所述反馈修正模块与所述证据融合模块和所述指纹库匹配模块通信连接，用于基于所述识别残差对所述烟雾源动力学指纹库中相应源的所述释放速率范围与所述衰减斜率范围执行所述反馈修正。

4、本发明的有益效果在于：

5、第一，本发明以所述多通道动力学参数组而非瞬时浓度快照或单调增长率作为与所述烟雾源动力学指纹库进行匹配的输入，实现了二手烟、厨房油烟与机动车尾气在化学组分与浓度幅值大面积重叠区的精准区分；其机理在于，香烟阴燃处于600℃至800℃低温慢速无焰燃烧、释放速率低衰减平缓，厨房油烟产生于250℃至400℃油脂热裂解瞬时爆发、释放速率高衰减形态呈短程指数下降，机动车尾气呈间歇脉冲叠加二氧化氮强相关上升，三者在浓度静态快照上虽存在大面积重叠，但在所述释放速率参数与所述衰减斜率参数构成的二维动力学相空间内天然不重叠；与纯图像视觉路径相比，本发明对无人无光照条件下的二手烟具备识别能力，与浓度阈值与增长率路径相比，本发明在浓度变化温和的二手烟场景下仍能精准分离源类别。

6、第二，本发明通过所述温湿度补偿信号对所述初始证据强度执行条件加权，实现了对温湿度耦合所引起的传感器响应漂移的鲁棒抑制；其机理在于，颗粒物传感器在高湿度下因吸湿增长效应使颗粒物浓度信号系统性偏高，挥发性有机物传感器在低温下灵敏度显著漂移，一氧化碳传感器对温度依赖较小，本发明在高湿场景下自动降低颗粒物通道证据权重并相对提升一氧化碳通道权重，在低温场景下自动降低挥发性有机物通道权重并相对提升颗粒物通道权重，使三通道证据在融合时形成与环境耦合互补而非简单线性叠加的协同关系，实现1+1+1大于3的非线性识别精度提升。

7、第三，本发明通过所述识别残差对所述烟雾源动力学指纹库中相应源的所述释放速率范围与所述衰减斜率范围执行所述反馈修正，并同步将所述误判样本动力学参数组追加至所述烟雾源动力学指纹库中相应源的指纹样本集合，实现了所述烟雾源动力学指纹库随长期使用与现场分布变化的自适应在线进化，使所述动力学拟合、所述指纹库匹配与所述反馈修正三个核心环节构成数据流上的耦合闭环；其机理在于，现有的指纹库方案或预训练分类模型均为静态结构，在装修材料挥发改变、季节性厨房使用习惯变化、车流量变化等因素引起现场动力学分布漂移时识别精度随时间不可逆退化，本发明将误判样本视为对所述烟雾源动力学指纹库现有边界最具修正价值的高密度样本，使所述释放速率范围与所述衰减斜率范围始终与现场分布对齐；与开环路侧监测方案相比，本发明对室内重叠区烟雾源具备显著更强的来源分离与长期保持能力，在连续30d运行场景下识别精度漂移可控制在2%以内。