一种检测燃烧物种类的低功耗便携设备

本发明涉及燃烧物检测领域，尤其涉及一种检测燃烧物种类的低功耗便携设备。

背景技术：

1、随着经济的快速增长和工业化进程的加速，能源消耗量和垃圾产生量不断增加，导致了大量的可燃垃圾的产生。然而，垃圾焚烧过程中产生的气体排放对环境造成了严重影响，包括大气污染、雾霾和酸雨等问题，给人类和生态环境带来了巨大挑战。所以通过气体检测来判断垃圾种类，从源头上杜绝污染的产生变得尤为关键。

2、目前，针对垃圾焚烧过程中产生的气体，已经有一些气味检测方法和技术，通常是采用电子鼻的方式来检测气味，电子鼻的工作模式是气体传感器阵列采集响应数据然后将其传输到计算机进行识别。然而针对该种检测方法，却面临着数据响应速度慢以及灵活性差等缺点。同时还有受限于复杂的工作环境，很多的算法在识别精度上效果很差而针对于比较大的识别模型，通常需要带有gpu的计算机上运行，这导致整个系统的功耗以及成本也提高了很多。所以制定出低成本、高精度、灵活性强以及识别速度快的燃烧物气体检测系统具有重要的意义和应用价值。

3、现有技术中最主要、最关键的技术问题是：成本高：一些利用含gpu的计算机完成识别任务的系统，所存在的高成本限制了其大规模应用和普及。精度低：一些用来完成气体检测的算法抗干扰能力弱，在一些复杂场景表现不佳。速度慢：一些现有技术的检测速度较慢，无法及时监测和响应气体污染事件。体积大：部分现有技术的硬件体积较大，不适合在有限空间内部署。

4、并且现有技术能耗较高，需要消耗大量能源，导致系统运行成本较高，不符合节能环保的要求。

技术实现思路

1、本发明目的在于针对现有技术的不足，提出一种检测燃烧物种类的低功耗便携设备。

2、本发明的目的是通过以下技术方案来实现的：一种检测燃烧物种类的低功耗便携设备，该设备包括传感器阵列模块、数据预处理模块、处理器模块、燃烧物推理加速模块、存储器模块和负载均衡模块；

3、所述传感器阵列模块用于采集燃烧气体在传感器通道维度和时间维度的二维矩阵数据，并输入数据预处理模块；

4、所述数据预处理模块用于将传感器阵列模块采集的气体数据处理成时间序列数据，存储在存储器模块；

5、所述处理器模块向燃烧物推理加速模块发送读取数据请求，燃烧物推理加速模块从存储器模块中读取数据；

6、所述燃烧物推理加速模块用于将数据平均分为多个小批量，每个小批量包含多份气体数据，基于负责均衡模块分类结果将多个小批量数据分配给各个加速器并行处理；

7、所述负载均衡模块用于监测各个加速器计算任务的执行进度、资源利用率以及计算速度指标，通过深度学习模型对各个加速器进行负载轻重分类。

8、进一步地，每个加速器由四个卷积层、两个池化层和一个全连接层组成；第一层是深度卷积，包括若干个一维卷积核，用于提取各传感器采集的气味数据特征，第二层是点卷积，用于提取各传感器之间的相关联的特征，第三层为池化层，第四层和第五层与第一层一致，是深度卷积，第六层是池化层，第七层为全连接层，作为输出。

9、进一步地，所述燃烧物推理加速模块的加速器中引入了残差结构和通道注意力模块，更好地提取特征和关注有用的信息。

10、进一步地，通道注意力模块中，输入的向量通过一个平均池化之后再经过mlp结构，最后通过一个sigmoid函数，得到一个融合了通道信息的输出，将该输出与原本的输入相乘得到下一层的输入。

11、进一步地，所述数据预处理模块将传感器通道维度和时间维度的二维气体数据增维处理成一维的时间序列数据。

12、进一步地，所述燃烧物推理加速模块中，每个加速器负责处理自己分配的小批量数据，在每一层计算结束后，通过负载检测模块实时监测计算任务的执行进度、资源利用率以及计算速度指标，输入到深度学习模型，深度学习模型基于实时监测数据和历史性能数据得到每个加速器的负载情况是轻负载或重负载的分类结果，燃烧物推理加速模块将部分计算任务从负载较重的加速器上移动到负载较轻的加速器上，实现动态负载均衡。

13、进一步地，所述计算任务的执行进度用百分比的数据来表示任务的完成情况，所述资源利用率包括lut,bram,dsp资源以及内存和带宽的使用情况，所述计算速度为每个时钟周期的操作数数量。

14、进一步地，负载均衡模块具体实现过程如下：

15、(1)数据采集：fpga上的负载均衡模块实时采集每个加速器核心的性能数据，包括计算任务执行进度、资源利用率和计算速度；

16、(2)模型推理：将采集到的性能数据输入到负载均衡模块上部署的负载均衡模型中，输出每个加速器核心的负载分类，即轻、中、重负载等级；

17、(3)负载均衡策略：根据负载等级进行任务选择，对于负载重的核心，将任务从小到大排序成任务队列，对低于任务大小阈值的任务进行重新分配；

18、(4)任务移动和重新初始化：根据负载均衡策略生成任务描述和数据传输请求，并将这些请求传递给dma控制器，根据任务描述和数据传输请求，将数据从源加速器传输到目标加速器，重新初始化任务，并开始执行计算任务。

19、进一步地，任务描述包括任务的特征、状态和数据位置信息。数据传输请求包括任务数据的源和目标地址。

20、进一步地，燃烧物推理加速模块在各个加速器计算完成后，将各个加速器的计算结果进行合并，得到最终的燃烧物种类推理结果。

21、本发明的有益效果：本发明首先是提出了一个针对于燃烧物气体检测的网络模型，该模型融合了残差网络和注意力机制，在特征提取和融合上表现优秀，能提取更丰富和更有效的特征信息，同时能更突出关键信息的特征通道。能够应对在不同环境下的燃烧物气体检测任务。同时，在硬件上我们采用fpga作为系统硬件，fpga本身具有低延迟、低功耗以及高灵活性以及便携可并行等优点。本发明将整个系统搭建在以fpga为核心的硬件设备上，同时专门为气体检测的网络搭建硬件加速器，充分利用fpga的并行能力，合理分配和调控任务，极大程度上解决了使用带有gpu的计算机进行推理所导致的设备体积大以及数据处理速度慢的问题，同时fpga的使用也能大大降低系统成本。

技术特征：

1.一种检测燃烧物种类的低功耗便携设备，其特征在于，该设备包括传感器阵列模块、数据预处理模块、处理器模块、燃烧物推理加速模块、存储器模块和负载均衡模块；

2.根据权利要求1所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，每个加速器由四个卷积层、两个池化层和一个全连接层组成；第一层是深度卷积，包括若干个一维卷积核，用于提取各传感器采集的气味数据特征，第二层是点卷积，用于提取各传感器之间的相关联的特征，第三层为池化层，第四层和第五层与第一层一致，是深度卷积，第六层是池化层，第七层为全连接层，作为输出。

3.根据权利要求1所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，所述燃烧物推理加速模块的加速器中引入了残差结构和通道注意力模块，更好地提取特征和关注有用的信息。

4.根据权利要求3所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，通道注意力模块中，输入的向量通过一个平均池化之后再经过mlp结构，最后通过一个sigmoid函数，得到一个融合了通道信息的输出，将该输出与原本的输入相乘得到下一层的输入。

5.根据权利要求1所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，所述数据预处理模块将传感器通道维度和时间维度的二维气体数据增维处理成一维的时间序列数据。

6.根据权利要求1所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，所述燃烧物推理加速模块中，每个加速器负责处理自己分配的小批量数据，在每一层计算结束后，通过负载检测模块实时监测计算任务的执行进度、资源利用率以及计算速度指标，输入到深度学习模型，深度学习模型基于实时监测数据和历史性能数据得到每个加速器的负载分类结果，燃烧物推理加速模块将部分计算任务从负载较重的加速器上移动到负载较轻的加速器上，实现动态负载均衡。

7.根据权利要求6所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，所述计算任务的执行进度用百分比的数据来表示任务的完成情况，所述资源利用率包括lut,bram,dsp资源以及内存和带宽的使用情况，所述计算速度为每个时钟周期的操作数数量。

8.根据权利要求1所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，负载均衡模块具体实现过程如下：

9.根据权利要求8所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，任务描述包括任务的特征、状态和数据位置信息。数据传输请求包括任务数据的源和目标地址。

10.根据权利要求1所述的一种检测燃烧物种类的低功耗便携设备，其特征在于，燃烧物推理加速模块在各个加速器计算完成后，将各个加速器的计算结果进行合并，得到最终的燃烧物种类推理结果。

技术总结
本发明公开了一种检测燃烧物种类的低功耗便携设备，包括：传感器阵列模块，用于采集燃烧气体数据；燃烧物推理加速模块，用于将数据平均分为多个小批量，基于负责均衡模块分类结果将多个小批量数据分配给各个加速器并行处理；负载均衡模块，监测各个加速器计算任务的执行进度、资源利用率以及计算速度指标，通过深度学习模型对各个加速器进行负载轻重分类。本发明将整个系统搭建在以FPGA为核心的硬件设备上，同时专门为气体检测的网络搭建硬件加速器，充分利用FPGA的并行能力，极大程度上解决了使用带有GPU的计算机进行推理所导致的设备体积大以及数据处理速度慢的问题，同时FPGA的使用也能大大降低系统成本。

技术研发人员：邓贵杭,卓成,孟文超
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/2/19