本发明属于气体检测领域，更为具体地讲，涉及到一种基于qcl的笑气便携式现场检测技术。
背景技术：
1、“笑气”的化学名称为一氧化二氮(n2o)，是一种无色且微有甜味的气体，该气体可在高温下分解成氧气和氮气，在常温下比较稳定，具有轻微的麻醉作用，可以使人精神放松，减缓焦虑，由于吸入后可使人发笑，所以得名“笑气”。但长期吸食或滥用笑气会对个人、家庭乃至整个社会带来极大的危害。滥用笑气的危害可以分为毒性危害和社会危害。
2、目前我国对笑气吸食者还没有科学的认定、鉴定方法，只能通过对疑似违法人员的主观推断、相关证据证实，以及疑似违法人员的供述、证人证言、物证、视频资料等来证实吸食笑气的情况。相比较于传统的毒品，笑气的快速检测试剂盒还没有研制成功。现有的毒品检测技术如高效液相色谱法、气相色谱法等虽然可以得到准确、高精度的结果，但在现场缉获的毒品样品需要送往专门的实验室进行测试，有时需要几天才能得到检测结果。与此同时，检测程序较为复杂，需要专业人士操作，无法做到现场的快速实时分析。
3、量子激光器(quantum cascade laser，qcl)的分子光谱检测技术是一种非侵入式、高选择性、高灵敏度、高分辨率的光学测量技术，可以用于实现笑气的快速准确判断。qcl检测技术本质为视线检测，基于气体选择性吸收理论，不同的气体分子特征吸收峰位置不同。通过激光波长在笑气吸收峰附近周期性变化，获得被测气体的单线吸收谱线数据和背景气体等干扰因素的谱线数据，并依据朗伯-比尔定律实现笑气浓度快速判定。可以实现非接触式笑气浓度快速原位检测。
4、本发明的目的在于提供一种新的非接触式笑气快速检测方法，可以直接应用现场执法，当公安部门缴获疑似笑气物品或抓捕疑似吸食人员时，可以实时、准确、快速的检测出疑似物品是否为笑气、嫌疑人员呼出气体中是否含有笑气，含量为多少等指标。
5、有益效果
6、本发明提供一种新的非接触式笑气快速检测方法。具有检测速度快、检测灵敏度高的优势。开发基于笑气检测的数字增强技术对信号进行优化，提高检测技术的稳定性与准确度。解决笑气检测中的弱信号检测问题。
技术实现思路
1、本发明提出了一种新的非接触式qcl检测方法，可以在现场实现笑气浓度的快速检测。配合本实施方式中提供的qcl集气光腔，可以进一步对特定物品或嫌疑人员呼出气体进行超高灵敏的笑气浓度检测。
2、笑气在体内不经任何生物转化或降解，绝大部分仍以原药随呼气排出体外，仅少量由皮肤蒸发，无蓄积作用。因此目前公安机关在抓捕疑似吸食人员时很难用传统的化验方法进行验证。本专利提出了一种基于qcl的笑气便携式现场检测技术，嫌疑人员可以直接对集气光腔呼出气体，实现对呼出气体中的笑气含量实时检测。
3、集气过程，本专利提出的qcl集气光腔配有一次性集气袋。集气袋配装与袋体相连的软管，软管前段为细嘴形，方便待测人员呼出气体，且入口处由薄膜密封；软管中部配有管夹，使用前管夹处于封闭状态，保证集气袋内部真空；吹气时打开管夹，使气体顺利流入，集气完备关闭管夹；集气之后将集气袋插入qcl集气光腔中并打开集气夹，让气体流入光腔。
4、采用qcl作为激发源放置在光腔的一侧，激光的中心波长为2207.5cm-1，以三角波的方式调制，波长浮动范围在2205.5cm-1至2209.5cm-1之间；本实施方案中选用的腔镜为平凹反射镜，在2205.5cm-1至2209.5cm-1之间的反射率可以达到99.9％以上，两枚反射镜的曲率半径为2米，镜面直径为1英寸。两枚反射镜以中心共轴的方式排列于气腔两侧，反射镜的角度可以通过细调螺丝自由控制，确保qcl信号的衰减曲线。
5、本专利是一种便携式笑气现场检测技术，为了减轻重量与系统的复杂性，没有配用抽气泵将qcl集气光腔抽为真空，集气光腔中气体为腔内原有气体与集气袋内气体扩散组合而成。为了减少误差，本专利提出了一种基于神经网络的笑气浓度分析算法，算法由两部分组成，其一是由对抗生成网络构成的软件触发双相锁相放大算法，其二为由卷积神经网络构成的笑气动态浓度分析算法。
6、对抗生成网络构成的软件触发双相锁相放大算法：现有的锁相放大技术主要采用硬件解调的方式，一般的锁相放大器的低通滤波器带宽是可以调整的，带宽愈小，输出噪声愈小，解调信噪比越高。但是，若是滤波带宽调整得过低，可能会使解调信号的高频部分衰减，造成信号失真。本专利提出了一种新型的由对抗生成网络构成的软件触发双相锁相放大算法，参考信号与吸收信号分别由高速采集卡进行采集，采集频率为500ms/s。所述的对抗生成神经网络由生成网络和判别网络组成，其中生成网络由12组卷积层的激活函数组成，其卷积输出矩阵大小分别[2048,1],[1024,16],[512,32],[256,64],[128,128],[64,64],[64,64],[128,128],[64,256],[32,512],[16,1024],[1,2048]。其中1和12,2和11,3和10,4和9,5和8,6和7层输出互为转置矩阵，且之前由跳层结构连接，激活函数为sigmoid函数；判别网络由卷积层和全连接层构成，主要包括五个卷积层，一个dropout层，三个全连接层组成。本网络中五层神经网络卷积核大小分别为[5,1],[5,1],[5,1],[3,1]和[3,1]，卷积核数目分别为8,16，32，64和128，步长均为3。dropout层是按一定的概率随机将神经网络中的一些神经元失活，阻止了某些特征的协同作用，从而降低了过拟合的风险。本网络中dropout的比例为10％。本网络包含了三个全连接层，一个为flatten层，此后2个全连接层的神经元个数分别为：128,32,1。最后一个为仅含一个神经元的输出层，为对生成网络的判别效果。对于整体网络而言，输入为[2048*2]的数据矩阵，由2048个点的参考信号与吸收信号组合而成，输出为经过生成网络处理结构，即解调信号。
7、卷积神经网络构成的笑气动态浓度分析算法：笑气动态浓度分析算法用于实时分析集气光腔内的笑气气体浓度。对比于常规的气体浓度分析算法，本专利提出的算法可以解决原有气体的干扰问题。算法分为两部分，分别为基于解调信号的笑气绝对浓度计算网络与基于时间序列的笑气相对浓度计算网络。基于解调信号的笑气绝对浓度计算网络由卷积层、池化层和全连接层构成。以解调信号为输入信息。本实施范例确定的神经网络模型框架主要包括两个卷积层，两个池化层，一个dropout层，七个全连接层。其中两层神经网络卷积核大小分别为[10,1]和[5,1]，卷积核数目分别为32和64，步长为1。每层卷积神经网络后面连接一个池化层，本网络中选用最大池化层，池化层的核大小为(10,1)。dropout层接在最后一个池化层后，dropout的比例为10％。七个全连接层，一个为flatten层，此后6个全连接层的神经元个数分别为：512,1024,256,64,32,1。最后一个为仅含一个神经元的输出层，输出为对应解调信号的笑气绝对浓度。由于集气袋与光腔内均存有气体，因此检测出的笑气绝对浓度无法代表检测人呼出气体中的笑气浓度。在实际检测中，需要连续测量30秒进行笑气扩散情况分析，得到笑气相对浓度变化，从而推算出检测人呼出气体中的笑气浓度。基于时间序列的笑气相对浓度计算网络以多组连续的笑气绝对浓度结果为输入。本专利所述的基于时间序列的笑气相对浓度计算网络由输入层、lstm层和连接层组成，其中lstm层包含5层lstm模块，最后连接一个全连接层用于输出结构的降维。最终输出结果即为检测人呼出气体中的笑气浓度。
8、综上所述，本实施方案所述的笑气相对浓度计算算法会在30s内采集300组参考信号与吸收信号，首先输入于对抗生成网络构成的软件触发双相锁相放大算法，得到300组连续的解调信号，再以解调信号输入于基于解调信号的笑气绝对浓度计算网络，得到300组笑气绝对浓度信息，代表着30s内光腔中笑气浓度变化过程，最后将300组笑气绝对浓度信息输入于基于时间序列的笑气相对浓度计算网络，得到检测人呼出气体中的笑气浓度。