一种基于高光谱的机场气体检测系统及方法与流程

本发明涉及一种气体检测系统及方法，特别涉及一种基于高光谱的机场气体检测系统及方法。

背景技术：

目前，随着世界民航业进入新的景气周期，在多种交通方式中，无论是旅客运输量还是旅客周转量，民航增长速度都很高。然而伴随着旅客吞吐量和货邮吞吐量的显著增加，机场气体对旅客、周边住户及环境的影响越来越大，机场气体中主要含有氮氧化物(nox)、硫氧化物(sox)，碳氧化物(cox)，这些气体对人体健康存在巨大危害，其中氮氧化物(nox)和碳氢化合物(hc)也是形成光化学烟雾的重要污染物。因此对机场气体的检测十分重要。

目前，国内外对于机场气体检测的研究较少，主要通过建立机场气体环境评估模型及遥测法。通过制定来自机场地面和空中排放源的排放清单，计算出环境的排放物浓度，适用于在实验条件下进行分析，但建立模型预测有一定局限性，需要考虑多方面因素，实际情况也会由于当时的风速、风向、大气稳定度及温度的变化产生影响，因此需要大量的收集数据并且长期积累。而遥测法可以对机场气体进行大范围实时监测，可以及时获得机场气体成分，符合机场气体检测的需求。

现有的气体检测的遥测法，存在检测速度慢、精度低、不能大范围检测的问题。为应对快速发展的航空运输市场，急需一种可以快速实时、准确度较高且能大面积检测的机场气体检测系统及方法。

技术实现要素：

本发明为解决公知技术中存在的技术问题而提供一种可以快速实时、准确度较高且能大面积检测的基于高光谱的机场气体检测系统及方法。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于高光谱的机场气体检测系统，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括拍摄角度互不相同的多台单波段高光谱相机；单波段高光谱相机用于实时采集机场气体的高光谱图像数据；数据预处理模块用于对采集的机场气体高光谱图像数据进行预处理；光谱分析模块用于对预处理后的机场气体高光谱图像数据进行分析处理，其内设有双向循环神经网络模型，双向循环神经网络模型输入机场气体高光谱图像数据，输出机场中目标气体的含量信息。

进一步地，数据预处理模块包括：用于去除采集的机场气体高光谱图像数据中的异常点数据的异常点校准单元，用于校准光谱绝对强度的光谱绝对强度校准单元，用于提高信噪比的滤波去噪单元。

上述的异常点校准单元、光谱绝对强度校准单元、滤波去噪单元可以采用现有技术方法构建，并实现上述功能。

进一步地，光谱绝对强度校准单元包括单点cmos相机，单点cmos相机对天空进行拍摄，同步采集环境光强。

进一步地，单波段高光谱相机的波段波长范围为780～2526纳米。

进一步地，单波段高光谱相机的波段具有独立双通带，且通带可调。

上述单波段高光谱相机、单点cmos相机可采用现有技术中的产品。

本发明还提供了一种利用上述的基于高光谱的机场气体检测系统的基于高光谱的机场气体检测方法，包括如下步骤：

步骤一，采用拍摄角度互不相同的多台单波段高光谱相机对机场感兴趣区域进行拍摄，实时采集机场气体的高光谱图像数据；

步骤二，由数据预处理模块对采集的机场气体高光谱图像数据进行预处理；

步骤三，在光谱分析模块中建立双向循环神经网络模型，由双向循环神经网络模型获取机场气体的成分数据。

进一步地，步骤二中，对采集的机场气体高光谱图像数据进行预处理的方法包括：去除高光谱图像数据中的异常点数据，对光谱绝对强度进行校准，对高光谱图像数据进行滤波及去噪。

进一步地，去除高光谱图像数据中的异常点数据的方法包括：高光谱相机采集的高光谱图像数据维度包括二维空间维度和光谱维度，形成三维高光谱图像数据，设高光谱图像数据的二维空间轴分别为x轴和y轴，设其光谱轴为z轴；将xyz三维高光谱图像数据分割为nx×ny×nz个子区域块，其中nx、ny、nz分别对应为x轴、y轴和z轴方向的分割个数，求取每个子区域块内的三维高光谱图像数据的一阶导数与二阶导数，将子空间区域块的一阶导数与二阶导数进行数据融合，提取每个子区域块的光谱极值点，将光谱极值点映射至三维高光谱数据空间，设置高光谱图像数据的x轴、y轴和z轴的光谱阈值范围，将位于光谱阈值范围外的点判断为异常点，将异常点放置于异常点库。

进一步地，对高光谱图像数据进行滤波及去噪的方法包括：将采集的机场气体高光谱图像数据，分别进行二维空间轴、光谱轴与时间轴的双树复小波滤波，每个数据点得到四组滤波处理数据，将四组滤波处理数据采用加权投票法处理，得到数据点的最终滤波处理数据。

进一步地，步骤三中，首先对采集的高光谱图像数据在时间轴上进行求导，设置阈值，依据阈值对求导结果进行筛选，筛选出导数值大于阈值的时间段，设单次筛选出的连续时间段为ti,i＝1、2、3…n，设定参数dt，将ti-dt至ti+dt时间段内的高光谱图像数据以导数的形式输入循环神经网络。

本发明具有的优点和积极效果是：本发明的基于高光谱的机场气体检测系统，通过多台单波段相机组合实现高光谱采集，并对采集到的高光谱数据进行预处理，利用双向循环神经网络建模的方法，提高模型精度，进而实现机场气体成分的高准确率检测。本发明的基于高光谱的机场气体检测方法，通过对采集的高光谱图像数据进行预处理，并通过改进的循环神经网络算法，大大提高计算速度，可以对机场区域进行大范围的实时检测，有效降低系统误判漏判的概率，实现多种目标气体的同时测量。

附图说明

图1是本发明的一种基于高光谱的机场气体检测系统的结构示意图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：

请参见图1，一种基于高光谱的机场气体检测系统，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括拍摄角度互不相同的多台单波段高光谱相机；单波段高光谱相机用于实时采集机场气体的高光谱图像数据；数据预处理模块用于对采集的机场气体高光谱图像数据进行预处理；光谱分析模块用于对预处理后的机场气体高光谱图像数据进行分析处理，其内设有双向循环神经网络模型，双向循环神经网络模型输入机场气体高光谱图像数据，输出机场中目标气体的含量信息，由机场气体的光谱特征得到机场气体的成分数据。

其中数据预处理模块可包括：用于去除采集的机场气体高光谱图像数据中的异常点数据的异常点校准单元，用于校准光谱绝对强度的光谱绝对强度校准单元，用于提高信噪比的滤波去噪单元。

异常点校准单元、光谱绝对强度校准单元、滤波去噪单元均可采用现有技术中的图像处理方法构建。

优选地，光谱绝对强度校准单元可包括单点cmos相机，单点cmos相机对天空进行拍摄，同步采集环境光强。

单波段高光谱相机的波段波长范围可为780～2526纳米。

进一步地，单波段高光谱相机的波段具有独立双通带，且通带可调。

单波段高光谱相机、单点cmos相机均可采用现有技术中的适用产品，单波段高光谱相机可选用specimspecim公司生产的spectralcameramwir型单波段高光谱相机等。单点cmos相机可选用auniontech公司生产的cmoskl400型单点cmos相机。

本发明还提供了一种利用上述的基于高光谱的机场气体检测系统的基于高光谱的机场气体检测方法实施例，该方法包括如下步骤：

步骤一，采用拍摄角度互不相同的多台单波段高光谱相机对机场感兴趣区域进行拍摄，实时采集机场气体的高光谱图像数据；

步骤二，由数据预处理模块对采集的机场气体高光谱图像数据进行预处理；

步骤三，在光谱分析模块中建立双向循环神经网络模型，由双向循环神经网络模型提取机场气体的成分数据，从而获取机场气体的成分数据。

其中，步骤二中，对采集的机场气体高光谱图像数据进行预处理的方法可包括：去除高光谱图像数据中的异常点数据，对光谱绝对强度进行校准，对高光谱图像数据进行滤波及去噪。

上述去除高光谱图像数据中的异常点数据的方法可包括：高光谱相机采集的高光谱图像数据维度包括二维空间维度和光谱维度，形成三维高光谱图像数据，设高光谱图像数据的二维空间轴分别为x轴和y轴，设其光谱轴为z轴；将xyz三维高光谱图像数据分割为nx×ny×nz个子区域块，其中nx、ny、nz分别对应为x轴、y轴和z轴方向的分割个数，求取每个子区域块内的三维高光谱图像数据的一阶导数与二阶导数，将子空间区域块的一阶导数与二阶导数进行数据融合，提取每个子区域块的光谱极值点，将光谱极值点映射至三维高光谱数据空间，设置高光谱图像数据的x轴、y轴和z轴的光谱阈值范围，将位于光谱阈值范围外的点判断为异常点，将异常点放置于异常点库。对每帧图像预处理之后可在异常点库中进行标记，在对下一帧图像的处理中只对异常点库中标记点附近区域是否存在异常点进行检验，忽略其他区域。针对因硬件问题导致的光谱数据异常点，基于异常点库的数据处理方法可以提高图像预处理的效率。

也可以采用其他现有技术的方法去除高光谱图像数据中的异常点数据。

光谱绝对强度校准单元可采用单点cmos相机对天空进行拍摄，从而同步采集周围的环境光强，对整体高光谱进行绝对强度校准。光谱绝对强度校准单元也可以采用其他现有技术的方法对整体高光谱进行绝对强度校准。

对高光谱图像数据进行滤波及去噪的方法可包括：将采集的机场气体高光谱图像数据，分别进行二维空间轴、光谱轴与时间轴的双树复小波滤波，每个数据点得到四组滤波处理数据，将四组滤波处理数据采用加权投票法处理，得到数据点的最终滤波处理数据。

也可以采用其他现有技术的方法对高光谱图像数据进行滤波及去噪，来提高信噪比。

上述步骤三中，可首先对采集的高光谱图像数据在时间轴上进行求导，设置阈值，依据阈值对求导结果进行筛选，筛选出导数值大于阈值的时间段，设单次筛选出的连续时间段为ti,i＝1、2、3…n，设定参数dt，将ti-dt至ti+dt时间段内的高光谱图像数据以导数的形式输入循环神经网络。

下面以本发明的一种基于高光谱的机场气体检测系统的优选实施例来进一步说明本发明的工作流程及工作原理：

一种基于高光谱的机场气体检测系统，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括拍摄角度互不相同的多台单波段高光谱相机；单波段高光谱相机用于实时采集机场气体的高光谱图像数据；数据预处理模块用于对采集的机场气体高光谱图像数据进行预处理；光谱分析模块用于对预处理后的机场气体高光谱图像数据进行分析处理，其内设有双向循环神经网络模型，双向循环神经网络模型输入机场气体高光谱图像数据，输出机场目标气体的含量信息，由机场气体的光谱特征得到机场气体的成分数据。

机场高光谱数据的采集是通过多台单波段相机组合实现，具体相机数目可根据应用环境和目标气体自由选择，上述的单波段相机主要处于近红外波段，通带为可选择性双峰设计，具有很强的适用性和自由性。该方案的优势如下：机场内常见气体的主要特征峰分布于红外波段，所以选择处于近红外波段的单波段相机可以提高检测的准确率；通过多台单波段相机组合可以实现数据的实时采集，极大提升了系统的检测效率；多台相机可以进行多角度摆放，以免单一相机被临时遮蔽物遮挡，导致系统的失效。通过多角度的摆放和可选择性双峰设计，彼此之间的数据可以进行互补，保证系统的稳健性。

数据预处理模块主要包括以下三个单元：用于去除采集的机场气体高光谱图像数据中的异常点数据的异常点校准单元，用于校准光谱绝对强度的光谱绝对强度校准单元，用于提高信噪比的滤波去噪单元。

异常点校准单元的作用是：高光谱在采集过程中，由于相机本身的质量和硬件损耗，会有一些探测点容易出现异常值，此外，一些特殊的强光照射可能导致信号饱和(例如近距离的镜面反光)。这些原因所造成的异常值统称为高光谱的异常点数据，如果不预先把这些点去除掉，会直接影响高光谱的分析准确率。

异常点校准单元的工作原理：设高光谱图像数据的二维空间轴分别为x轴和y轴，设其光谱轴为z轴；将xyz三维高光谱图像数据分割为nx×ny×nz个子区域块，其中nx、ny、nz分别对应为x轴、y轴和z轴方向的分割个数，求取每个子区域块内的三维高光谱图像数据的一阶导数与二阶导数，将子空间区域块的一阶导数与二阶导数进行数据融合，提取每个子区域块的光谱极值点，将极值点的位置代回三维高光谱数据空间，以三个维度标准进行合理性分析，设置高光谱图像数据的x轴、y轴和z轴的光谱阈值范围，将位于光谱阈值范围外的点判断为异常点，将异常点放置于异常点库。

为了要实现实时监控，所以需要对每一帧的图片都进行预处理，如果对三维高光谱数据每个点对进行判断时间成本太高，对每帧图像预处理之后可在异常点库中进行标记，在对下一帧图像的处理中只对异常点库中标记点附近区域是否存在异常点进行检验，忽略其他区域，可以极大地提升图像预处理的效率。

由于自然情况的复杂性，阳光的强度是不稳定的，需要对高光谱进行绝对强度校准，所以本发明设置了光谱绝对强度校准单元。光谱绝对强度校准单元设置了单点cmos相机，采用单点cmos相机对天空进行拍摄，从而同步采集周围的环境光强，对整体高光谱进行绝对强度校准。

滤波去噪单元的工作方法及原理：滤波去噪单元将采集的机场气体高光谱图像数据，分别进行二维空间轴、光谱轴与时间轴的双树复小波滤波，每个数据点得到四组滤波处理数据，将四组滤波处理数据采用加权投票法处理，得到数据点的最终滤波处理数据。

滤波去噪单元采用基于四维融合的信噪比提升方法，该方法不针对单个图片进行信噪比的改善，通过综合分析图像的二维空间轴、光谱轴与时间轴，设二维空间轴、光谱轴与时间轴对应为x轴、y轴、z轴、t轴,设mx，my，mz和mt对应为x轴、y轴、z轴、t轴长度，对应x轴、y轴、z轴、t轴分别进行双树小波滤波，每个数据点会得到4组处理值，再根据四轴权重投票，得到最终结果，该方法可以显著提高高光谱数据的信噪比。

光谱分析模块内设双向循环神经网络模型，从几种典型的机场气体高光谱光谱维数据可以得知，不同气体有着完全不同的标志峰。本发明选用双向循环神经网络，对于机场气体实时检测而言，因为很多气体只是微量存在，仅凭单一时刻的高光谱数据是很难判断的，需要综合分析高光谱数据在时间轴上发生的变化来评判。双向循环神经网络不但可以将信息通过隐藏状态从前往后传递，还可以增加从后往前传递信息的隐藏层，来更灵活地用之后的数据对判断进行验证，最大程度的减少误判漏判的概率。此外，由于双向循环神经网络的计算速度较慢，难以满足机场气体实时监测的需求，本发明对采集到的高光谱数据在时间轴上求导，并进行阈值筛选，只针对变换率较大的部分进行计算处理，可以极大的提高运算效率，实现机场气体的实时监测。

以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。