一种智能嗅辨方法和系统与流程

1.本发明涉及空气质量检测技术领域，特别是涉及一种智能嗅辨方法和系统。


背景技术：

2.空气质量关系到人员的健康，目前由于工业化影响，空气中存在很多对人有毒的气体成分，同时有些成分存在比较刺激的气味。对有毒气体的检测往往使用大型分析仪器，针对不同的组分采取不同设备，专业度较高。对异味的检测目前只能通过气味嗅辨员的鼻子去实际感受，实际上很多异味物质也存在较高的毒性，对从业人员存在极高的职业危害。发现气味问题后找到气味的源头并进行整改，目前也需要专业设备和经验丰富人员花费大量时间进行分析，但是溯源结果体现的物质名称和浓度很难和气味进行关联。


技术实现要素：

3.本发明所要解决的技术问题是提供一种智能嗅辨方法和系统，能够实现分析样本中的有毒有害气体，并对空气中的气味进行客观化等级评价。
4.本发明解决其技术问题所采用的技术方案是：提供一种智能嗅辨方法，包括以下步骤：对待测气体进行采集和分析，得到待测气体的样本信息；将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果；其中，所述气味检测模型采用以下方式构建：获取样本数据，每种样本数据中至少包括k种气味物质，每种气味物质均包含cas号和量化值；以所述气味客观化等级为因变量，k种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数；采用所述样本数据对调整权重系数后的所述深度学习模型进行训练，得到训练好的气味检测模型。
5.所述对待测气体进行采集和分析，得到待测气体的样本信息具体为：将所述待测气体送入进气口；通过激光仪对所述待测气体的甲醛成分进行分析；通过pid检测器获取所述待测气体的多组电信号；通过fid检测器对所述待测气体的总碳氢含量进行分析；通过gc-检测器对所述待测气体中的气味物质进行分析。
6.所述通过gc-检测器对所述待测气体中的气味物质进行分析时包括两种模式：模式一，所述待测气体的浓度值超过对应检出限时，将所述待测气体直接送入gc-检测器进行分析；模式二，所述待测气体的浓度值低于对应检出限时，先将所述待测气体进行富集，
接着对富集后的气体进行热脱附，然后将热脱附后的气体送入gc-检测器进行分析。
7.所述智能嗅辨方法还包括报告生成步骤，所述报告生成步骤根据所述气味客观化等级和溯源结果生成报告，并进行展示。
8.本发明解决其技术问题所采用的技术方案是：提供一种智能嗅辨系统，包括：样本采集分析装置，用于对待测气体进行采集和分析，得到待测气体的样本信息；气味嗅辨模块，用于将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果；所述气味检测模型采用以下方式构建：获取样本数据，每种样本数据中至少包括k种气味物质，每种气味物质均包含cas号和量化值；以所述气味客观化等级为因变量，k种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，并根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数；采用所述样本数据对所述深度学习模型进行训练，得到训练好的气味检测模型。
9.所述样本采集分析装置包括进气口，所述进气口处设置有激光仪，所述激光仪用于对所述待测气体的甲醛成分进行分析；所述进气口还通过第一管线分别与pid检测器和fid检测器相连，所述pid检测器用于获取所述待测气体的多组电信号；所述fid检测器用于对所述待测气体的总碳氢含量进行分析；所述进气口还通过第二管线与gc-检测器相连，所述gc-检测器用于对所述待测气体中的气味物质进行分析。
10.所述第一管线为加热管线并进行过老化处理。
11.所述第二管线包括切换阀，所述切换阀的第一端与所述进气口相连，第二端与所述gc-检测器，第三端与富集管的输入端相连，所述富集管的输出端与热脱附仪的输入端相连，所述热脱附仪的输出端与所述gc-检测器相连。
12.所述的智能嗅辨系统还包括报告生成模块，所述报告生成模块用于根据所述气味客观化等级和溯源结果生成报告，并进行展示。
13.有益效果由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过构建样本采集分析装置和气味检测模型，将样本采集分析装置获取到的样本信息输入至气味检测模型，可以直接得到气味客观化等级，并给出溯源结果，整个过程方便简单无需人工嗅辨，使得单个样品的检测周期由1周缩短至30 min，同时气味的精度可以控制在0.3级以内，同时解决浓度与等级的关联性问题。另外，本发明中的样本采集分析装置增加了保温线路和老化管线功能，提高了整个系统的检测精度。
附图说明
14.图1是本发明实施方式中样本采集分析装置的结构方框图；图2是本发明实施方式中气味嗅辨模块的原理图；图3是单一物质的气味轨迹图；图4是两种物质同比例混合耦合气味轨迹图；图5是两种物质任意比例混合耦合气味轨迹图；图6是车内气体智能嗅辨系统快速分析报告展示图。
具体实施方式
15.下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定的范围。
16.本发明的实施方式涉及一种智能嗅辨系统，包括：样本采集分析装置，用于对待测气体进行采集和分析，得到待测气体的样本信息；气味嗅辨模块，用于将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果。
17.由于本实施方式的试验对象产生的挥发性有机物需要进入样本采集分析装置的各个单元进行分析，由于涉及多个模式切换和多个检测器，挥发成分大多具备极强的吸附性，本实施方式的样本采集分析装置的传输管路进行惰性化处理，定期对管路进行老化处理，并加装切换阀，如图1所示。富集后的气体在设备间的传输更需要保温处理，由于分析气体采样量很少，为了降低检测误差，本实施方式中的气路管径采用3 mm管路。
18.如图1所示，本实施方式的样本采集分析装置包括进气口，所述进气口处设置有激光仪，所述激光仪用于对所述待测气体的甲醛成分进行分析；所述进气口还通过第一管线分别与pid检测器和fid检测器相连，所述pid检测器用于获取所述待测气体的多组电信号；所述fid检测器用于对所述待测气体的总碳氢含量进行分析；所述进气口还通过第二管线与gc-检测器相连，所述gc-检测器用于对所述待测气体中的气味物质进行分析。所述第二管线包括切换阀，所述切换阀的第一端与所述进气口相连，第二端与所述gc-检测器，第三端与富集管的输入端相连，所述富集管的输出端与热脱附仪的输入端相连，所述热脱附仪的输出端与所述gc-检测器相连。
19.本实施方式的样本采集分析装置可以配备自吸泵，这样可以创造真空度，从进气口主动获取分析气体，利用激光仪可以对气体中的甲醛成分进行分析。gc-检测器需要将气体进一步载过柱子和检测器，可以使用高纯度氮气作为载气。
20.待测气体经进气口和加热管线到达pid检测器，根据pid检测器的传感器阵列的不同，输出不同当量信号；待测气体还经进气口和加热管线到达fid检测器，fid检测器可以输出总碳氢含量。
21.待测气体进入gc-检测器（如gc-ims、gc-ms、gc-tof等）有两种模式，针对检测精度较高或者浓度本身较高的待检成分，无需进入富集管和mini-td，则切换阀打开直通gc管路，关闭通往富集管的气路，此时主要分析含有o/n/s/p等基团的异味重点物质；针对检测信号差或者浓度很低的物质，切换阀调整，关闭通往gc的气路，打开通往富集管的通路，富集管完成富集后在mini-td中进行热脱附，气体进入到gc和检测器中，此时主要输出烷烃、芳香烃等物质。所有检测器的尾气最终汇总到尾气处理装置。
22.如图2所示，本实施方式的气味嗅辨模块，用于将所述样本信息输入至训练好的气味检测模型，得到气味客观化等级和溯源结果。其中，气味检测模型的构建需要收集一定数据量的训练集，将训练集使用合适的算法（如线性回归、逻辑回归、线性判别分析、分类和回归树、朴素贝叶斯、k近邻、学习矢量量化、支持向量机、bagging和随机森林、boosting和adaboost算法）生成恰当的模型。
23.本实施方式中气味检测模型采用以下方式构建：获取样本数据，每种样本数据中
至少包括k种气味物质，每种气味物质均包含cas号和量化值；以所述气味客观化等级为因变量，k种气味物质为自变量构建深度学习模型，并根据气味轨迹图从异味中筛选出典型气味物质，并根据所述典型气味物质的感知阈值和刺激阈值，调整所述深度学习模型的权重系数；采用所述样本数据对所述深度学习模型进行训练，得到训练好的气味检测模型。具体地说：首先需要收集一定数据量的训练集，本实施方式将每个样品分析完成后得到一组数据作为训练集，其中，每组数据中至少需要包含100个气味物质，气味物质需要包含cas号和浓度值，例如：三乙烯二胺，280-57-9，15 μg/m
3 ；苯并噻唑 95-16-9，31 μg/m
3 ；乙酸 64-19-7，62 μg/m
3 等。本实施方式中的数据经过严格的化学定性和定量，该方式是实现快速气味溯源及溯源可视化不可缺少的一部分。
24.本实施方式中的气味检测模型是根据气味的特征需要对现有的深度学习模型进行优化后得到。气味检测模型的自变量为包含100个气味物质的数据，也就是自变量的数量为100多个，因变量为气味等级，如3.0级，3.5级等。在对现有的深度学习模型进行优化时，针对重点气味物质给予更高的权重，即需要结合实际试验确定多种物质混合后的耦合规律，该规律形成数据库，作为基础的气味耦合机理，从而再结合传统算法从而形成特定的优化模型，以提高预测的准确性。
25.如图3所示，图中一条斜线表示一种物质的气味等级和物质浓度的对应关系，从图中可知，每一种物质的气味等级与物质浓度的对数均呈线性关系，该对应关系可以通过动态嗅辨稀释仪、标准气体、定量仪器和嗅辨员等方式进行确定。而多种物质混合后其气味等级与每种物质的浓度的关系非常复杂。以两种物质为例，若两种物质的浓度同比例缩小，则气味等级与总浓度和各种浓度的对谁仍会呈现出线性关系，如图4所示。而当两种物质的浓度并非同比例增加时，其耦合规律非常复杂，和每种物质的浓度对重及总浓度的对数均未呈现线性关系，如图5所示。同理物质数量更多时该规律更加复杂，此时使用气味轨迹图适用性不强，这就需要使用深度学习模型，但现有的深度学习模型没有对气味规律的基础，因此本实施方式将上述气味轨迹图可以有效整合到深度学习模型中来提高预测的准确性。
26.通过上述内容可知，本实施方式中涉及的物质超过100种，因此多种物质和非同比例增加，则不能使用气味轨迹图，而且由于其组合形式太多也无法开展试验，因此也无法进行更多维度的绘图。本实施方式使用现有深度学习模型，并给予特殊物质特殊的权重来实现对深度学习模型的优化。因此，本实施方式可以针对检测对象（例如对国内市面常见的车型）进行气味溯源分析，筛选出车内异味中典型的气味物质，通过研究典型的气味物质的感知阈值和刺激阈值，给予不同气味物质不同的权重系数，如表1所示。将浓度乘以系数在代入到深度学习模型中进行训练，得到最终的气味检测模型，从而气味的预测的针对性和准确性更强。该气味检测模型基于准确定量，其可以整体迁移到其他硬件中，或者提供远程ota升级，避免了针对每台硬件建立模型，节省大量时间。
27.表1 不同气味物质-权重系数表
在进行检测时，只需要将样本采集分析装置获取到的样本信息输入至气味检测模型，该气味检测模型即可输出气味客观化等级和溯源结果。为了方便查看，本实施方式还包括报告生成模块，所述报告生成模块用于根据所述气味客观化等级和溯源结果生成报告，并进行展示。整个过程方便简单无需人工嗅辨，使得单个样品的检测周期由1周缩短至30 min，同时气味的精度可以控制在0.3级以内，同时解决浓度与等级的关联性问题。
28.下面通过车内气体的智能嗅辨方法进一步说明本发明，具体包括以下步骤：步骤1，对整车选择hj/t 400-2007的方法进行气体培养和测试，将采样导管连接到样本采集分析装置的进气口，进行2 min的预采，待分析气体到达各检测器进样口后，开始进行分析；步骤2，激光仪开始对气体中的甲醛成分进行分析，完成分析后数据经过网线和交换机上传到本地电脑。
29.步骤3，pid传感器阵列针对6种传感器的对官能团相应的不同，获取6组电信号，通过网线将信号传输到本地电脑。
30.步骤4，fid检测器测试车内气体中的总碳氢含量，将最终的浓度值传输到本地电脑。
31.步骤5，三通阀先切换到gc-ims端口进行测试，2 min后切换到mini-td，此时gc-ims经过20 min对样本的分析。输出乙醛、丙烯醛、乙酸、乙酸乙酯、苯并噻唑等200种气味物质的定量结果，将该批结果上传到本地电脑；于此同时mini-td中的tenax管对气体进行富集，恰好20 min后将富集气体进行热解析，2 min后将浓缩气体导入gc-ims，20 min分钟分析后，再输出苯、甲苯、乙苯、苯乙烯、二甲苯等50种气味物质的浓度，将结果通过网线传输到本地电脑。
32.步骤6，监控到所有数据上传本地电脑完毕后，将数据格式进行统一，调用训练好的气味检测模型进行处理，再通过报告生成模块给出待测气体的气味客观化等级，调用数据库给出溯源结果，调用气味轨迹图给出溯源可视化结果，将需求的苯、甲苯、乙苯、苯乙
烯、二甲苯、甲醛、乙醛、丙烯醛、tvoc等的定量结果整理输出到界面（见图6）。其中，训练好的气味检测模型是根据前期收集的丰富数据，使用决策树深度学习模型进行学习后得到的。
33.不难发现，本发明通过构建样本采集分析装置和气味检测模型，将样本采集分析装置获取到的样本信息输入至气味检测模型，可以直接得到气味客观化等级，并给出溯源结果，整个过程方便简单无需人工嗅辨，使得单个样品的检测周期由1周缩短至30 min，同时气味的精度可以控制在0.3级以内，同时解决浓度与等级的关联性问题。另外，本发明中的样本采集分析装置增加了保温线路和老化管线功能，提高了整个系统的检测精度。