一种环境介质感测方法及装置与流程
本申请属于消防领域，尤其涉及一种环境介质感测方法及装置。
背景技术：
现有的环境介质感测方式一般基于红外光散射原理，其组成主要包括光学暗室、电路板、红外发射管和接收管等。这种环境介质感测方式容易受到水蒸气等干扰源的干扰，对很多有机燃烧物的响应不灵敏，因此造成环境介质感测迟钝的问题。
技术实现要素：
有鉴于此，本申请实施例提供了环境介质感测方法及装置，以解决现有技术中这种环境介质感测方式容易受到干扰源干扰，且对很多有机燃烧物的响应不灵敏，因此造成环境介质感测迟钝的问题。
本申请实施例的第一方面提供了一种环境介质感测方法，包括：
接收穿过当前环境介质的预设频率的红外信号和蓝光信号；
将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；
对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；
将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。
本申请实施例的第二方面提供了一种环境介质感测装置，包括：
接收单元，用于接收穿过当前环境介质的预设频率的红外信号和蓝光信号；
转换单元，用于将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；
量化单元，用于对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；
识别单元，用于将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。
本申请实施例的第三方面提供了一种环境介质感测装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持装置执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本申请实施例与现有技术相比存在的有益效果是：通过接收穿过当前环境介质的预设频率的红外信号和蓝光信号；将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；对所述模拟信号进行信号采样和量化，得到量化数据；将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。本实施例根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了基于双向双光谱的环境介质检测方法，配合高效的模式识别算法，可以有效、精确地识别出当前环境中的环境介质。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的环境介质感测方法的流程图；
图2是本申请实施例二提供的环境介质感测方法的流程图；
图3是本申请实施例三提供的环境介质感测装置的示意图；
图4是本申请实施例四提供的环境介质感测装置的示意图；
图5是本申请实施例五提供的环境介质感测装置的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
参见图1，图1是本申请实施例一提供的一种环境介质感测方法的流程图。本实施例中环境介质感测方法的执行主体为具有环境介质感测功能的装置，包括但不限于计算机、服务器、平板电脑或者终端等装置。如图所示的环境介质感测方法可以包括以下步骤：
s101：接收穿过当前环境介质的预设频率的红外信号和蓝光信号。
本实施例所涉及的感烟探测器，根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了红外发射管和蓝光发射管相对于接收管的位置，使得两种光谱对应的发射光源可以从不同的方向发射光信号。再配合高效的模式识别算法软件，可以有效地识别国家标准gb4715中所要求的棉绳阴燃火、正庚烷明火等标准试验火，及水蒸气、厨房烹饪油烟等干扰源。
本实施例的执行主体为具有环境介质感测功能的装置，可以是一种双向双光谱光电感烟探测器，在硬件结构上包括光学暗室盖、光学暗室主体、发射接收管支架、电路板、红外发射管、蓝光发射管和红蓝光双光谱接收管，简称接收管。其中，红外发射管、蓝光发射管和接收管固定于支架上，支架插设于电路板上，暗室主体与支架扣接，暗室盖与暗室主体套接。
进一步的，本实施例中为了能够将不同介质特征向量的差异最大化，我们设置了双向发射和接收两种光谱的方式。具体的，我们在空间上调整红外发射管和接收管的位置关系，使二者呈前向接收状态；调整蓝光发射管和接收管的位置关系，使二者呈后向接收状态。前向红外发射管与接收管之间空间夹角为预设的角度，例如可以为130度，或者120～130度之间，后向蓝光发射管与接收管之间空间夹角也为预设的角度，例如可以为73度，或者68～78度之间。同时，通过将红外和蓝光两种光谱的信号进行分时处理，防止二者在发射和接收过程中发生频谱混叠。
本实施例中的红外信号和蓝光信号是有由探测器发出，本实施例中的探测器可以是安装在环境介质感测装置上的部件，也可以是与环境介质感测装置分开的设备，此处不做限定。本实施例中的红外信号和蓝光信号都是通过探测器发出，两种信号的频率相同，并且都穿过了当前的环境介质。
需要说明的是，本实施例中的环境介质包括各种类型的空气介质，例如，棉绳阴燃火、正庚烷明火等标准试验火的烟雾，或者水蒸气、厨房烹饪油烟等干扰源等情况，此处不做限定。
示例性的，本实施例中的预设频率可以是1hz，我们通过控制探测器以大于等于1hz的频率使红外发射管和蓝光发射管向外辐射红外光和蓝光光谱信号，红外发射和蓝光发射之间以预设的时间间隔发射，来防止红外和蓝光信号混叠，示例性的，这里的时间间隔可以是1ms以上。我们在接收红外信号和蓝光信号的时候，也是分别接收这两种信号，以防止不同信号之间发生混叠，影响对环境介质的检测。
s102：将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号和所述蓝光信号对应的模拟信号。
在接收到穿过当前环境的红外信号和蓝光信号之后，将这两种信号经调理电路将光信号转化成预设幅度的模拟信号。需要说明的是，本实施例中在将通过不同介质的两种信号进行幅度转换时，是分别进行的，同样也是为了防止不同类型的信号之间发生混叠，最后得到红外信号对应的模拟信号和蓝光信号对应的模拟信号。
具体的，在将红外信号和蓝光信号转换成预设幅度的模拟信号时，采用红外发光二极管来发出经过调制的红外光波；红外接收电路由红外接收二极管、三极管或硅光电池组成，它们将红外发射器发射的红外光转换为相应的电信号，再送后置放大器。发射机一般由指令键或操作杆、指令编码系统、调制电路、驱动电路、发射电路等几部分组成。当按下指令键或推动操作杆时，指令编码电路产生所需的指令编码信号，指令编码信号对载波进行调制，再由驱动电路进行功率放大后由发射电路向外发射经调制定的指令编码信号。接收电路一般由接收电路、放大电路、调制电路、指令译码电路、驱动电路、执行电路等几部分组成。可以通过光耦来完成，光耦输出0v、3.3v或者5v，就可以直接由数字电路获得该信号了。如果光的强弱来变成电信号的，可以使用光敏电阻等感光元件，从很弱的光到很强的光都能通过光敏二极管转换为电流信号的强弱或大小，然后后面可以流过固定电阻，可以获得电压信号形式的模拟信号。
s103：对所述模拟信号进行信号采样和量化，得到量化数据。
在得到预设幅度的红外信号对应的模拟信号、蓝光信号对应的模拟信号之后，我们对模拟信号进行信号采样和量化，得到量化数据。对模拟信号的信号采样和量化可以通过模数转换器实现，本实施例中的模数转换器是指将连续变化的模拟信号转换为离散的数字信号的器件。
具体的，模拟信号在时域上是连续的，因此可以将它转换为时间上连续的一系列数字信号。这样就要求定义一个参数来表示新的数字信号采样自模拟信号速率。这个速率称为转换器的采样频率。可以采集连续变化、带宽受限的信号，即每隔一时间测量并存储一个信号值，然后可以通过插值将转换后的离散信号还原为原始信号。这一过程的精确度受量化误差的限制。然而，仅当采样率比信号频率的两倍还高的情况下才可能达到对原始信号的忠实还原，这一规律在采样定理有所体现。由于实际使用的模拟数字转换器不能进行完全实时的转换，所以对输入信号进行一次转换的过程中必须通过一些外加方法使之保持恒定。常用的有采样-保持电路，在大多数的情况里，通过使用一个电容器可以存储输入的模拟电压，并通过开关或门电路来闭合、断开这个电容和输入信号的连接。许多模拟数字转换集成电路在内部就已经包含了这样的采样-保持子系统。
可选的，模拟数字转换器的速度根据其种类有较大的差异。威尔金森模拟数字转换器受到其时钟率的限制。频率超过300兆赫兹已经成为可能。转换所需的时间直接与通道的数量成比例。对于一个逐次逼近模拟数字转换器，其转换时间与通道数量的对数成比例。这样，大量通道可以使逐次逼近转换器比威尔金森转换器快。然而，威尔金斯转换器小号的时间是数字的，而逐次逼近转换器是模拟的。由于模拟的自身就比数字的更慢，当通道数量增加，所需的时间也增加。这样，其在工作时具有相互竞争的过程。flash模拟数字转换器是这三种里面最快的一种，转换基本是以一个单独平行的过程。对于一个8位单元，转换可以在十几个纳秒的时间内完成。
s104：将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。
本实施例中通过采集历史红外信号和历史蓝光信号，对采集到的历史信号进行训练，得到分类模型，以通过分类模型来对采集到的实时信号进行检测和识别，确定当前环境中的介质类型。具体的，我们在进行模型训练的时候，首先获取历史红外信号和历史蓝光信号，再根据历史红外信号、历史蓝光信号以及预设的模式识别算法，得到历史特征数据；历史特征数据包括历史红外信号的红外信号特征斜率范围、历史蓝光信号的蓝光信号特征斜率范围。其中，信号特征斜率范围用于表示红外和蓝光信号特征斜率的上下限，特征斜率比范围用于表示红外和蓝光特征斜率比值的上下限，特征报警阈值范围用于表示红外和蓝光特征报警阈值范围上下限。每种试验火或干扰源都对应一组特征数据，将这组数据称为该种烟雾或干扰源的特征向量，用于识别烟雾或干扰源类别。
在得到红外信号对应的量化数据、蓝光信号对应的量化数据之后，我们将量化数据输入预先训练好的分类模型中进行识别，由算法对数据进行滤波、计算、分类、预测和判决处理，得到当前环境介质的介质类型。将获取到的不同环境介质的特征数据分别与红外信号特征斜率范围、蓝光信号特征斜率范围进行组合，得到不同光源在通过不同环境介质时对应的特征数据。如果和某一种烟雾或干扰的特征向量比对相符或相近，则判决为该种烟雾或干扰源。
上述方案，通过接收穿过当前环境介质的预设频率的红外信号和蓝光信号；将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。本实施例根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了基于双向双光谱的环境介质检测方法，配合高效的模式识别算法，可以有效、精确地识别出当前环境中的环境介质。
参见图2，图2是本申请实施例二提供的一种环境介质感测方法的流程图。本实施例中环境介质感测方法的执行主体为具有环境介质感测功能的装置，包括但不限于计算机、服务器、平板电脑或者终端等装置。如图所示的环境介质感测方法可以包括以下步骤：
s201：接收穿过当前环境介质的预设频率的红外信号和蓝光信号。
在本实施例中s201与图1对应的实施例中s101的实现方式完全相同，具体可参考图1对应的实施例中的s101的相关描述，在此不再赘述。
s202：将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号。
在本实施例中s202与图1对应的实施例中s101的实现方式完全相同，具体可参考图1对应的实施例中的s101的相关描述，在此不再赘述。
s203：对所述模拟信号进行信号采样和量化，得到量化数据。
在得到红外信号对应的模拟信号、蓝光信号对应的模拟信号之后，我们对模拟信号进行采样和量化，得到量化数据。本实施例中的采样指把时间域或空间域的连续量转化成离散量的过程，每秒钟的采样样本数为采样频率。采样是将时间上、幅值上都连续的模拟信号，在采样脉冲的作用，转换成时间上离散，时间上有固定间隔、但幅值上仍连续的离散模拟信号。量化用于表示将信号的连续取值，或者大量可能的离散取值近似为有限多个离散值的过程。
进一步的，步骤s203可以具体包括步骤s2031～s2032：
s2031：对所述模拟信号进行信号采样和量化，得到数字信号。
把模拟信号转成数字信号的过程，就称作采样，所用到的主要设备便是模拟/数字转换器(analogtodigitalconverter，dac)。采样的过程实际上是将通常的模拟信号信号的电信号转换成二进制码0和1，这些0和1便构成了数字信号文件，采样的频率越大则对数据质量越有保证，才能保证不产生低频失真。
可选的，采样就是通过采样开关的作用将连续信号变成脉冲序列的过程。除了周期采样，按一定的时间间隔提取数据之外，还可以通过一些其他的采样方式，此处不做限定。例如：等周期同步采样，多个采样开关等周期同时开闭；等周期异步采样，多个采样开关等周期但不同时开闭；多阶采样，各采样开关以不同的周期开闭；随机采样，开关动作随机，没有周期性。
在数字信号处理领域，量化指将信号的连续取值，或者大量可能的离散取值，近似为有限多个，或较少的离散值的过程。量化主要应用于从连续信号到数字信号的转换中。连续信号经过采样成为离散信号，离散信号经过量化即成为数字信号。注意离散信号通常情况下并不需要经过量化的过程，但可能在值域上并不离散，还是需要经过量化的过程。信号的采样和量化通常都是由模数转换实现的。
可选的，本实施例中的量化可以包括均匀量化和非均匀量化，此处不做限定。其中，均匀量化用于表示数模转换的输入动态范围被均匀地划分为2^n份。非均匀量化用于表示数模转换的输入动态范围的划分不均匀，一般用类似指数的曲线进行量化。
s2032：根据预设的滤波原则，对所述数字信号进行滤波整形，得到所述量化数据。
在得到数字信号之后，我们根据预设的滤波原则，对数据信号进行滤波整形，得到量化数据。在带宽受限环境下工作的数据传输系统，需要考虑限制信号的还宽必然会增加接收机端的误码率。带宽受限的系统常常采用脉冲整形技术，该技术可以解决带宽受限的问题，同时最大限度地减少误码率。本实施例中的滤波整形是将信号中特定波段频率滤除的操作，以抑制和防止环境中干扰源对信号传输过程中的干扰。
具体的，在数字传输中，最基本的信息单元是矩形脉冲。它具有确定的幅值a和确定的持续时间t。图1示出了这样一个脉冲，其中幅度a＝1，周期t＝to，脉冲的中心点为时间坐标原点，t＝0。一般说来，一系列这种脉冲(每个相对于前一个延迟了t秒)构成了信息的传送。这种情况下，信息是按脉冲的幅值来编码的。最简单的情况是，二进制0被编码为没有脉冲(a＝0)，而二进制的1则编码为存在脉冲(a＝常数)。因为每个脉冲的持续跨度为周期t，则最大的脉冲率为1/t个脉冲每秒，这对应着1/tbit/s的数据传输速率。在更复杂的数据传输方案中，脉冲的幅值可以取正值和负值，而且还可以取多个离散的幅值，它们可以用来为多于1位的信息进行编码。例如，4个电平可以用来对两位信息进行编码，其中每个电平分别对应4种编码之一。在某些情况下，可以同时传输多个脉冲，这样就可以对更多的比特位进行编码。
可选的，我们可以利用电路的频率滤波特性实现对信号中频率成分的选择。根据频率滤波时，是把信号看成是由不同频率正弦波叠加而成的模拟信号，通过选择不同的频率成分来实现信号滤波。本实施例中可以通过高通滤波器、低通滤波器、带通滤波器或者带阻滤波器等方式来实现数字信号的滤波整型，得到量化数据此处不做限定。其中，我们根据不同的量化数据需求来确定对应功能的滤波器，示例性地，当允许信号中较高频率的成分通过滤波器时，则使用高通滤波器；当允许信号中较低频率的成分通过滤波器时，则使用低通滤波器。设低频段的截止频率为fp1，高频段的截止频率为fp2，当频率在fp1与fp2之间的信号能通过其它频率的信号被衰减的，则使用带通滤波器；反之，频率在fp1到fp2的范围之间的被衰减，之外能通过的，则使用带阻滤波器。
s204：将所述量化数据输入所述分类模型进行曲线微分计算，得到表示所述量化数据变化情况的信号特征斜率；所述信号特征斜率包括所述红外信号的信号特征斜率和所述蓝光信号的信号特征斜率。
在得到量化数据之后，我们将量化数据输入预设的分类模型中进行曲线微分计算，得到红外量化数据和蓝光量化数据变化情况的信号特征斜率，本实施例中的信号特征斜率包括红外信号的信号特征斜率和蓝光信号的信号特征斜率。
具体的，我们可以在计算红外接收信号特征斜率时可以通过如下公式来计算：
s205：根据所述红外信号的信号特征斜率和所述蓝光信号的信号特征斜率，计算所述红外信号与所述蓝光信号之间的特征斜率比。
我们在计算得到红外信号的信号特征斜率和蓝光信号的信号特征斜率之后，通过红外信号的信号特征斜率和蓝光信号的信号特征斜率，计算红外信号与蓝光信号之间的特征斜率比。具体的计算方式可以是将两个数据直接进行相除来得到特征斜率比。
进一步的，步骤s206之前还可以包括步骤s2061～s2063：
s2061：获取历史红外信号和历史蓝光信号。
本实施例中是通过预先训练得到不同环境介质对应的特征数据，以根据这些特征数据来判定当前采集到的光信号所代表的环境介质的类型。
本实施例中训练历史特征数据的第一步，就是先获取历史红外信号和历史蓝光信号。需要说明的是，步骤s2061中获取的历史数据是在知晓当前环境介质类型的情况下来获取，以根据当前的环境介质和采集到的光信号数据，确定当前环境介质对应的特征数据。
s2062：根据所述历史红外信号、所述历史蓝光信号以及预设的模式识别算法，得到历史特征数据；所述历史特征数据包括所述历史红外信号的红外信号特征斜率范围、所述历史蓝光信号的蓝光信号特征斜率范围。
在得到历史红外信号、历史蓝光信号之后，我们根据预设的模式识别算法对这些信号数据进行训练，得到历史特征数据。具体的训练过程如下：
第一步，首先分别对红外和蓝光原始量化数据进行滤波整形，滤除干扰分量，只留下能反应信号趋势的主分量；其中，主分量中可以包括指采集的红外和蓝光接收的模拟电压信号，经模数转换后的数字量sir、sblue；
第二步，分别计算红外和蓝光信号主分量数据曲线对时间的微分，得到能反映出红外和蓝光信号变化趋势的特征斜率；
第三步，不断比较红外和蓝光信号主分量数据曲线的特征斜率，得到能反应出红外和蓝光信号相对差异的特征斜率比；
第四步，使用大量标准试验火和干扰源数据来训练模式识别算法，得到最优的红外信号特征斜率范围、蓝光信号特征斜率范围、红外、蓝光信号特征斜率比范围和特征报警阈值范围，用于通过这些阈值范围精确地衡量采集到光信号对应的环境介质。其中，信号特征斜率范围用于表示红外和蓝光信号特征斜率的上下限；特征斜率比范围用于表示红外和蓝光特征斜率比值的上下限；特征报警阈值范围用于表示红外和蓝光特征报警阈值范围上下限；每种试验火或干扰源都对应一组特征数据，将这组数据称为该种烟雾或干扰源的特征向量，用于识别烟雾或干扰源类别。
示例性地，我们根据国家标准gb4715或烟雾报警器新版标准ul217中规定的标准试验明火或阴燃火(纸张、棉花、木材、聚氨酯、正庚烷)和干扰源(水蒸气、烹饪干扰等)对传感器进行模拟火灾测试；每进行一次试验火或干扰源测试，传感器将计算采集到的红外和蓝光接收数据，得到并记录红外和蓝光的特征斜率，特征斜率比，特征报警阈值；重复进行试验干扰源测试，每进行一次试验，传感器便能采集并计算得到一组特征数据，经大量测试后，传感器通过排队算法便能筛选出不同烟雾或干扰源下的红外和蓝光信号的特征斜率范围、特征斜率比范围和特征报警阈值范围。
需要说明的是，本实施例中的分类模型用于处理量化数据，得到介质类型。本实施例汇中预先训练好的模式识别算法，用于根据已知数据得到判断介质的数据范围，两者不冲突。
s2063：将所述历史特征数据分别与不同的环境介质的数据进行组合，得到不同光源在通过不同环境介质时对应的特征数据。
在上一步骤中得到最优的红外信号特征斜率范围、蓝光信号特征斜率范围、红外、蓝光信号特征斜率比范围和特征报警阈值范围之后，我们在这些特征数据中，将来自同一种烟雾或干扰源的数据组合在一起，形成一组能反映其特征的特征向量。依此类推，可得到多种不同烟雾或干扰源的特征向量。
s206：根据预先训练得到的不同环境介质对应的特征数据，与当前采集到的所述红外信号和所述蓝光信号各自对应的特征数据，确定所述当前环境介质的介质类型；所述特征数据包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率、所述红外信号与所述蓝光信号之间的特征斜率比。
在计算得到，红外信号的信号特征斜率、所述蓝光信号的信号特征斜率、所述红外信号与所述蓝光信号之间的特征斜率比之后，我们将训练出来的历史特征数据和实时采集计算得到的特征数据进行对比，确定当前环境介质的介质类型。就是将传感器采集并计算出的特征向量数据和经过大量训练后得到的各种特征向量进行比对，如果和某一种烟雾或干扰的特征向量比对相符或相近，则判决为该种烟雾或干扰源。
s207：若检测得到所述当前环境介质的介质类型与预设的警报介质的介质类型相同，且超过设定的警报门限，则触发警报；所述警报介质包括有毒介质、易燃易爆介质。
本实施例中预设有警报门限，用于表示将触发警报的介质参数的阈值。在检测确定了当前环境介质的介质类型之后，若检测得到当前环境介质的介质类型与预设的警报介质的介质类型相同，且当前检测到的环境介质的参数超过设定的警报门限，则触发警报。根据实际应用场合中的警报规定，本实施例中的警报介质可以包括有毒介质、易燃易爆介质等，此处不做限定。
可选的，本实施例中通过实时获取到的红外信号和蓝光信号可以计算得到特征报警值，通过将该特征报警值与预先训练出来的特征报警阈值进行对比，确定是否需要出发警报，以通知当前环境中的人或者管理人员。
上述方案，通过接收穿过当前环境介质的预设频率的红外信号和蓝光信号；将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；将所述量化数据输入所述分类模型进行曲线微分计算，得到表示所述量化数据变化情况的信号特征斜率；所述信号特征斜率包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率；根据所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率，计算所述红外信号与所述蓝光信号之间的特征斜率比；根据预先训练得到的不同环境介质对应的特征数据，与当前采集到的所述红外信号和所述蓝光信号各自对应的特征数据，确定所述当前环境介质的介质类型；所述特征数据包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率、所述红外信号与所述蓝光信号之间的特征斜率比。本实施例根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了基于双向双光谱的环境介质检测方法，配合高效的模式识别算法，可以有效、精确地识别出当前环境中的环境介质。
参见图3，图3是本申请实施例三提供的一种环境介质感测装置的示意图。环境介质感测装置300可以为智能手机、平板电脑等移动终端。本实施例的环境介质感测装置300包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图1及图1对应的实施例中的相关描述，此处不赘述。本实施例的环境介质感测装置300包括：
接收单元301，用于接收穿过当前环境介质的预设频率的红外信号和蓝光信号；
转换单元302，用于将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；
量化单元303，用于对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；
识别单元304，用于将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。
进一步的，所述识别单元304可以包括：
微分单元，用于将所述量化数据输入所述分类模型进行曲线微分计算，得到表示所述量化数据变化情况的信号特征斜率；所述信号特征斜率包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率；
斜率单元，用于根据所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率，计算所述红外信号与所述蓝光信号之间的特征斜率比；
确定单元，用于根据预先训练得到的不同环境介质对应的特征数据，与当前采集到的所述红外信号和所述蓝光信号各自对应的特征数据，确定所述当前环境介质的介质类型；所述特征数据包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率、所述红外信号与所述蓝光信号之间的特征斜率比。
进一步的，所述环境介质感测装置还包括：
数据获取单元，用于获取历史红外信号和历史蓝光信号；
历史数据单元，用于根据所述历史红外信号、所述历史蓝光信号以及预设的模式识别算法，得到历史特征数据；所述历史特征数据包括所述历史红外信号的红外信号特征斜率范围、所述历史蓝光信号的蓝光信号特征斜率范围；
组合单元，用于将获取到的不同环境介质的特征数据分别与所述红外信号特征斜率范围、所述蓝光信号特征斜率范围进行组合，得到不同光源在通过不同环境介质时对应的特征数据。
进一步的，所述量化单元303可以包括：
采样量化单元，用于对所述模拟信号进行信号采样和量化，得到数字信号；
滤波整型单元，用于根据预设的滤波原则，对所述数字信号进行滤波整形，得到所述量化数据。
进一步的，所述环境介质感测装置还包括：
警报单元，用于若检测得到所述当前环境介质的介质类型与预设的警报介质的介质类型相同，且超过设定的警报门限，则触发警报；所述警报介质包括预设的有毒介质、易燃易爆介质。
上述方案，通过接收穿过当前环境介质的预设频率的红外信号和蓝光信号；将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。本实施例根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了基于双向双光谱的环境介质检测方法，配合高效的模式识别算法，可以有效、精确地识别出当前环境中的环境介质。
参见图4，图4是本申请实施例四提供的一种环境介质感测装置的示意图。图4与图3的区别之处在于，图4在图3对应的步骤中s303之后包括了步骤s404-s407。本实施例的环境介质感测装置400包括的各单元用于执行图2对应的实施例中的各步骤，具体请参阅图2及图2对应的实施例中的相关描述，此处不赘述。本实施例的环境介质感测装置400包括：
接收单元401，用于接收穿过当前环境介质的预设频率的红外信号和蓝光信号；
转换单元402，用于将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；
量化单元403，用于对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；
微分单元404，用于将所述量化数据输入所述分类模型进行曲线微分计算，得到表示所述量化数据变化情况的信号特征斜率；所述信号特征斜率包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率；
斜率单元405，用于根据所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率，计算所述红外信号与所述蓝光信号之间的特征斜率比；
确定单元406，用于根据预先训练得到的不同环境介质对应的特征数据，与当前采集到的所述红外信号和所述蓝光信号各自对应的特征数据，确定所述当前环境介质的介质类型；所述特征数据包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率、所述红外信号与所述蓝光信号之间的特征斜率比。
报警单元407，用于若检测得到所述当前环境介质的介质类型与预设的警报介质的介质类型相同，且超过设定的警报门限，则触发警报；所述警报介质包括预设的有毒介质、易燃易爆介质。
进一步的，所述环境介质感测装置还包括：
数据获取单元，用于获取历史红外信号和历史蓝光信号；
历史数据单元，用于根据所述历史红外信号、所述历史蓝光信号以及预设的模式识别算法，得到历史特征数据；所述历史特征数据包括所述历史红外信号的红外信号特征斜率范围、所述历史蓝光信号的蓝光信号特征斜率范围；
组合单元，用于将获取到的不同环境介质的特征数据分别与所述红外信号特征斜率范围、所述蓝光信号特征斜率范围进行组合，得到不同光源在通过不同环境介质时对应的特征数据。
进一步的，所述量化单元403可以包括：
采样量化单元，用于对所述模拟信号进行信号采样和量化，得到数字信号；
滤波整型单元，用于根据预设的滤波原则，对所述数字信号进行滤波整形，得到所述量化数据。
上述方案，通过接收穿过当前环境介质的预设频率的红外信号和蓝光信号；将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。本实施例根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了基于双向双光谱的环境介质检测方法，配合高效的模式识别算法，可以有效、精确地识别出当前环境中的环境介质。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
参见图5，图5是本申请实施例五提供的一种环境介质感测装置的示意图。如图5所示的本实施例中的环境介质感测装置500可以包括：处理器501、存储器502以及存储在存储器502中并可在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个环境介质感测方法实施例中的步骤。存储器502用于存储计算机程序，所述计算机程序包括程序指令。处理器501用于执行存储器502存储的程序指令。其中，处理器501被配置用于调用所述程序指令执行以下操作：
处理器501用于：
接收穿过当前环境介质的预设频率的红外信号和蓝光信号；
将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；
对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；
将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。
进一步的，处理器501具体用于：
将所述量化数据输入所述分类模型进行曲线微分计算，得到表示所述量化数据变化情况的信号特征斜率；所述信号特征斜率包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率；
根据所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率，计算所述红外信号与所述蓝光信号之间的特征斜率比；
根据预先训练得到的不同环境介质对应的特征数据，与当前采集到的所述红外信号和所述蓝光信号各自对应的特征数据，确定所述当前环境介质的介质类型；所述特征数据包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率、所述红外信号与所述蓝光信号之间的特征斜率比。
进一步的，处理器501具体用于：
获取历史红外信号和历史蓝光信号；
根据所述历史红外信号、所述历史蓝光信号以及预设的模式识别算法，得到历史特征数据；所述历史特征数据包括所述历史红外信号的红外信号特征斜率范围、所述历史蓝光信号的蓝光信号特征斜率范围；
将获取到的不同环境介质的特征数据分别与所述红外信号特征斜率范围、所述蓝光信号特征斜率范围进行组合，得到不同光源在通过不同环境介质时对应的特征数据。
进一步的，处理器501具体用于：
对所述模拟信号进行信号采样和量化，得到数字信号；
根据预设的滤波原则，对所述数字信号进行滤波整形，得到所述量化数据。
进一步的，处理器501具体用于：
若检测得到所述当前环境介质的介质类型与预设的警报介质的介质类型相同，且超过设定的警报门限，则触发警报；所述警报介质包括预设的有毒介质、易燃易爆介质。
上述方案，通过接收穿过当前环境介质的预设频率的红外信号和蓝光信号；将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。本实施例根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了基于双向双光谱的环境介质检测方法，配合高效的模式识别算法，可以有效、精确地识别出当前环境中的环境介质。
应当理解，在本申请实施例中，所称处理器501可以是中央处理单元(centralprocessingunit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器502可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。例如，存储器502还可以存储设备类型的信息。
具体实现中，本申请实施例中所描述的处理器501、存储器502、计算机程序503可执行本申请实施例提供的环境介质感测方法的第一实施例和第二实施例中所描述的实现方式，也可执行本申请实施例所描述的终端的实现方式，在此不再赘述。
在本申请的另一实施例中提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：
接收穿过当前环境介质的预设频率的红外信号和蓝光信号；
将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；
对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；
将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。
进一步的，所述计算机程序被处理器执行时还实现：
将所述量化数据输入所述分类模型进行曲线微分计算，得到表示所述量化数据变化情况的信号特征斜率；所述信号特征斜率包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率；
根据所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率，计算所述红外信号与所述蓝光信号之间的特征斜率比；
根据预先训练得到的不同环境介质对应的特征数据，与当前采集到的所述红外信号和所述蓝光信号各自对应的特征数据，确定所述当前环境介质的介质类型；所述特征数据包括所述红外信号的信号特征斜率、所述蓝光信号的信号特征斜率、所述红外信号与所述蓝光信号之间的特征斜率比。
进一步的，所述计算机程序被处理器执行时还实现：
获取历史红外信号和历史蓝光信号；
根据所述历史红外信号、所述历史蓝光信号以及预设的模式识别算法，得到历史特征数据；所述历史特征数据包括所述历史红外信号的红外信号特征斜率范围、所述历史蓝光信号的蓝光信号特征斜率范围；
将获取到的不同环境介质的特征数据分别与所述红外信号特征斜率范围、所述蓝光信号特征斜率范围进行组合，得到不同光源在通过不同环境介质时对应的特征数据。
进一步的，所述计算机程序被处理器执行时还实现：
对所述模拟信号进行信号采样和量化，得到数字信号；
根据预设的滤波原则，对所述数字信号进行滤波整形，得到所述量化数据。
进一步的，所述计算机程序被处理器执行时还实现：
若检测得到所述当前环境介质的介质类型与预设的警报介质的介质类型相同，且超过设定的警报门限，则触发警报；所述警报介质包括预设的有毒介质、易燃易爆介质。
上述方案，通过接收穿过当前环境介质的预设频率的红外信号和蓝光信号；将接收到的所述红外信号和所述蓝光信号转换成预设幅度的模拟信号；所述模拟信号包括所述红外信号对应的模拟信号、所述蓝光信号对应的模拟信号；对所述模拟信号进行信号采样和量化，得到量化数据；所述量化数据包括所述红外信号对应的量化数据、所述蓝光信号对应的量化数据；将所述量化数据输入预先训练好的分类模型进行识别，得到所述当前环境介质的介质类型。本实施例根据粒子的光学散射原理，在空间方位和入射光波长两个维度上，设计了基于双向双光谱的环境介质检测方法，配合高效的模式识别算法，可以有效、精确地识别出当前环境中的环境介质。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！