本發(fā)明涉及智能酒精檢測(cè)安全，特別是一種基于傳感器融合的智能酒精檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、當(dāng)前社會(huì)對(duì)于駕駛員、工人等特殊群體的酒精檢測(cè)要求越來(lái)越高，以確保安全生產(chǎn)和公共安全。然而，傳統(tǒng)的酒精檢測(cè)方法大多依賴(lài)于單一傳感器，易受環(huán)境干擾和傳感器精度限制，導(dǎo)致檢測(cè)結(jié)果的不準(zhǔn)確性和不穩(wěn)定性?；诒景l(fā)明的傳感器融合技術(shù)，結(jié)合深度學(xué)習(xí)模型和自適應(yīng)濾波算法，可以更精確地采集和處理酒精濃度數(shù)據(jù)，從而大大提高檢測(cè)結(jié)果的準(zhǔn)確性和可靠性。

2、目前，現(xiàn)有技術(shù)在酒精檢測(cè)過(guò)程中存在檢測(cè)精度低、抗干擾能力弱、數(shù)據(jù)共享以及管理困難等缺陷，通過(guò)本發(fā)明的多傳感器融合、自適應(yīng)濾波以及智能分析模型，有效解決這些問(wèn)題，實(shí)現(xiàn)多用戶(hù)協(xié)同管理和數(shù)據(jù)共享，確保檢測(cè)過(guò)程的高效性和檢測(cè)結(jié)果的可靠性。

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有的基于傳感器融合的智能酒精檢測(cè)方法及系統(tǒng)中存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明針對(duì)現(xiàn)有技術(shù)在酒精檢測(cè)過(guò)程中存在的檢測(cè)精度低、抗干擾能力弱以及數(shù)據(jù)共享管理困難等缺陷問(wèn)題，本發(fā)明采用多傳感器融合技術(shù)、深度學(xué)習(xí)模型和自適應(yīng)濾波算法進(jìn)行解決。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種基于傳感器融合的智能酒精檢測(cè)方法，其包括，利用所述傳感器的融合技術(shù)，結(jié)合深度學(xué)習(xí)模型，采集酒精濃度數(shù)據(jù)，采用自適應(yīng)濾波算法對(duì)酒精濃度數(shù)據(jù)進(jìn)行處理；

5、使用智能分析模型對(duì)處理后的酒精濃度數(shù)據(jù)進(jìn)行優(yōu)化，對(duì)優(yōu)化后的酒精濃度數(shù)據(jù)傳輸至檢測(cè)云端；

6、構(gòu)建多用戶(hù)協(xié)同管理環(huán)境，將多用戶(hù)檢測(cè)的酒精濃度數(shù)據(jù)實(shí)施共享，完成酒精檢測(cè)結(jié)果的監(jiān)督。

7、作為本發(fā)明所述基于傳感器融合的智能酒精檢測(cè)方法的一種優(yōu)選方案，其中：所述傳感器的融合技術(shù)包括基于智能檢測(cè)系統(tǒng)建立n個(gè)傳感器，對(duì)各傳感器進(jìn)行分解，基于分解結(jié)果si(i＝1，2，...，n)，對(duì)各傳感器提供獨(dú)立的酒精濃度讀數(shù)ai，所述結(jié)合深度學(xué)習(xí)模型包括將所述酒精濃度讀數(shù)ai作為所述傳感器的輸入，計(jì)算傳感器的權(quán)重向量作為輸出，具體計(jì)算公式為：

8、wi＝dnn(a，h)

9、其中，a＝[a1，a2，...，an]表示當(dāng)前傳感器讀數(shù)，h表示歷史檢測(cè)數(shù)據(jù)矩陣，wi表示傳感器的權(quán)重向量，dnn9a，h)表示動(dòng)態(tài)更新神經(jīng)網(wǎng)絡(luò)模型參數(shù)；

10、利用深度學(xué)習(xí)模型的動(dòng)態(tài)調(diào)整機(jī)制，對(duì)輸出的傳感器權(quán)重向量進(jìn)行訓(xùn)練，所述深度學(xué)習(xí)模型的具體計(jì)算公式為：

11、

12、其中，afused表示融合，wi表示深度學(xué)習(xí)模型的權(quán)重向量，ai表示酒精濃度讀數(shù)，n表示傳感器。

13、作為本發(fā)明所述基于傳感器融合的智能酒精檢測(cè)方法的一種優(yōu)選方案，其中：所述采集酒精濃度數(shù)據(jù)包括在采集之前判斷所述傳感器的讀數(shù)情況；

14、若|ai-amedian|>θ時(shí)，即第i個(gè)傳感器的讀數(shù)ai與所有傳感器讀數(shù)的中位數(shù)amedian之間的絕對(duì)差超過(guò)閾值θ時(shí)，

15、則wi＝0且∑j≠iwj＝1，繼續(xù)數(shù)據(jù)采集，其中，j表示傳感器的索引；

16、若|ai-amedian|≤θ時(shí)，則根據(jù)深度學(xué)習(xí)模型二次計(jì)算權(quán)重向量此時(shí)傳感器狀態(tài)異常，停止數(shù)據(jù)采集。

17、作為本發(fā)明所述基于傳感器融合的智能酒精檢測(cè)方法的一種優(yōu)選方案，其中：所述對(duì)酒精濃度數(shù)據(jù)進(jìn)行處理包括對(duì)歷史檢測(cè)數(shù)據(jù)矩陣進(jìn)行分解，所述分解包括傳感器狀態(tài)估計(jì)矩陣和傳感器狀態(tài)觀(guān)測(cè)矩陣，所述傳感器狀態(tài)估計(jì)矩陣的具體計(jì)算公式為：

18、xk+1＝fxk+buk+wk

19、其中，xk+1表示下一時(shí)刻的狀態(tài)變量，f表示狀態(tài)轉(zhuǎn)移矩陣，xk表示當(dāng)前時(shí)刻的狀態(tài)變量，b表示控制矩陣，uk表示當(dāng)前時(shí)刻的控制輸入，wk表示傳感器狀態(tài)估計(jì)矩陣的過(guò)程噪聲；

20、所述傳感器狀態(tài)觀(guān)測(cè)矩陣的具體計(jì)算公式為：

21、

22、其中，zk表示當(dāng)前時(shí)刻的觀(guān)測(cè)變量，h0表示觀(guān)測(cè)矩陣的固定部分，hj表示依賴(lài)于多維度數(shù)據(jù)的動(dòng)態(tài)部分，akj表示當(dāng)前時(shí)刻第j個(gè)傳感器的讀數(shù)，xk表示當(dāng)前時(shí)刻的狀態(tài)變量，vkj表示傳感器狀態(tài)觀(guān)測(cè)矩陣的傳感器噪聲。

23、作為本發(fā)明所述基于傳感器融合的智能酒精檢測(cè)方法的一種優(yōu)選方案，其中：所述對(duì)處理后的酒精濃度數(shù)據(jù)進(jìn)行優(yōu)化包括利用高斯分布對(duì)矩陣進(jìn)行調(diào)整；

24、對(duì)所述傳感器狀態(tài)估計(jì)矩陣進(jìn)行調(diào)整，使傳感器狀態(tài)估計(jì)矩陣的過(guò)程噪聲滿(mǎn)足高斯分布，具體滿(mǎn)足公式為：

25、wk～n(0，qk)

26、其中，wk表示傳感器狀態(tài)估計(jì)矩陣的過(guò)程噪聲，n表示傳感器，qk表示傳感器狀態(tài)估計(jì)矩陣的自適應(yīng)算法；

27、所述傳感器狀態(tài)估計(jì)矩陣的自適應(yīng)算法的具體計(jì)算公式為：

28、

29、其中，qk表示傳感器狀態(tài)估計(jì)矩陣的自適應(yīng)算法，q0表示傳感器狀態(tài)估計(jì)矩陣的固定部分的協(xié)方差矩陣，ai表示第i個(gè)傳感器的讀數(shù)，n表示傳感器；

30、對(duì)所述傳感器狀態(tài)觀(guān)測(cè)矩陣進(jìn)行調(diào)整，使傳感器狀態(tài)觀(guān)測(cè)矩陣的傳感器噪聲滿(mǎn)足高斯分布，具體滿(mǎn)足公式為：

31、vkj～n(0，rk)

32、其中，vkj表示傳感器狀態(tài)觀(guān)測(cè)矩陣的傳感器噪聲，rk表示傳感器狀態(tài)觀(guān)測(cè)矩陣的自適應(yīng)算法；

33、所述傳感器狀態(tài)觀(guān)測(cè)矩陣的自適應(yīng)算法的具體計(jì)算公式為：

34、

35、其中，rk表示傳感器狀態(tài)觀(guān)測(cè)矩陣的自適應(yīng)算法，akj表示當(dāng)前時(shí)刻第j個(gè)傳感器的讀數(shù)，r0表示傳感器狀態(tài)觀(guān)測(cè)矩陣的固定部分的觀(guān)測(cè)噪聲協(xié)方差矩陣，rj表示與第j個(gè)傳感器相關(guān)的觀(guān)測(cè)噪聲協(xié)方差矩陣。

36、作為本發(fā)明所述基于傳感器融合的智能酒精檢測(cè)方法的一種優(yōu)選方案，其中：所述對(duì)優(yōu)化后的酒精濃度數(shù)據(jù)傳輸至檢測(cè)云端包括判斷傳感器狀態(tài)估計(jì)矩陣進(jìn)行調(diào)整；

37、若||wk||>σw或||vk||>σv時(shí)，此時(shí)檢測(cè)到噪聲水平變化，則調(diào)整噪聲協(xié)方差矩陣qk和傳感器狀態(tài)觀(guān)測(cè)矩陣rk；

38、若||wk||≤σw或||vk||≤σv時(shí)，則保持噪聲協(xié)方差矩陣qk和傳感器狀態(tài)觀(guān)測(cè)矩陣rk不變。

39、作為本發(fā)明所述基于傳感器融合的智能酒精檢測(cè)方法的一種優(yōu)選方案，其中：所述將多用戶(hù)檢測(cè)的酒精濃度數(shù)據(jù)實(shí)施共享包括將調(diào)整后的矩陣轉(zhuǎn)換為酒精傳輸數(shù)據(jù)a'ij實(shí)施共享，在酒精傳輸數(shù)據(jù)過(guò)程中使用傳輸協(xié)議對(duì)酒精傳輸數(shù)據(jù)進(jìn)行傳輸，將接收到的酒精傳輸數(shù)據(jù)在中心服務(wù)器上進(jìn)行存儲(chǔ)管理，使用多變量線(xiàn)性回歸模型對(duì)酒精傳輸數(shù)據(jù)進(jìn)行分析；

40、若存在異常檢測(cè)結(jié)果時(shí)，則觸發(fā)報(bào)警機(jī)制，完成對(duì)酒精的檢測(cè)工作；若時(shí)，則正常在中心服務(wù)器上進(jìn)行存儲(chǔ)管理；

41、當(dāng)用戶(hù)在時(shí)間段t內(nèi)進(jìn)行了m次檢測(cè)，則每次檢測(cè)使用n個(gè)傳感器，則用戶(hù)在時(shí)間段t內(nèi)的所有檢測(cè)結(jié)果的酒精濃度數(shù)據(jù)集為{a'ijm}；

42、此時(shí)，根據(jù)所述酒精濃度數(shù)據(jù)集計(jì)算平均酒精濃度，具體計(jì)算公式為：

43、

44、其中，a'ijm表示用戶(hù)在第m次檢測(cè)時(shí)，第i個(gè)傳感器處理后的酒精濃度數(shù)據(jù)，n表示每次檢測(cè)使用的傳感器數(shù)量，m表示在時(shí)間段t內(nèi)進(jìn)行的檢測(cè)次數(shù)，表示平均酒精濃度。

45、第二方面，本發(fā)明實(shí)施例提供了一種基于傳感器融合的智能酒精檢測(cè)系統(tǒng)，其包括：處理模塊，其利用所述傳感器的融合技術(shù)，采用自適應(yīng)濾波算法對(duì)酒精濃度數(shù)據(jù)進(jìn)行處理；

46、優(yōu)化模塊，其使用智能分析模型對(duì)處理后的酒精濃度數(shù)據(jù)進(jìn)行優(yōu)化，對(duì)優(yōu)化后的酒精濃度數(shù)據(jù)傳輸至檢測(cè)云端；

47、檢測(cè)模塊，其構(gòu)建多用戶(hù)協(xié)同管理環(huán)境，將多用戶(hù)檢測(cè)的酒精濃度數(shù)據(jù)實(shí)時(shí)共享。

48、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的基于傳感器融合的智能酒精檢測(cè)方法的任一步驟。

49、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的基于傳感器融合的智能酒精檢測(cè)方法的任一步驟。

50、本發(fā)明有益效果為：本發(fā)明通過(guò)多傳感器融合技術(shù)、深度學(xué)習(xí)模型和自適應(yīng)濾波算法，實(shí)現(xiàn)了高精度、低噪聲的酒精濃度檢測(cè)，傳感器融合技術(shù)提高了數(shù)據(jù)采集的可靠性，深度學(xué)習(xí)模型動(dòng)態(tài)調(diào)整傳感器權(quán)重，提升了系統(tǒng)的智能化水平，自適應(yīng)濾波算法有效去除噪聲和干擾，保證數(shù)據(jù)的準(zhǔn)確性。多用戶(hù)協(xié)同管理環(huán)境使得檢測(cè)數(shù)據(jù)能夠?qū)崟r(shí)共享和監(jiān)督，提升了系統(tǒng)的整體效能和管理效率，這些技術(shù)手段的綜合應(yīng)用，使得酒精檢測(cè)系統(tǒng)在精度、穩(wěn)定性和數(shù)據(jù)管理方面有顯著提升，滿(mǎn)足了現(xiàn)代社會(huì)對(duì)高效、智能酒精檢測(cè)的需求。