申请/专利权人：同济大学

申请日：2021-07-01

公开（公告）日：2024-04-16

公开（公告）号：CN113627246B

主分类号：G06F18/20

分类号：G06F18/20;G06V40/20;G06V10/82;G06V10/764;G06V10/34;G06N3/0442;G06N7/01;G06N5/04;G01N15/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.11.26#实质审查的生效;2021.11.09#公开

摘要：一种联合视觉探测与浓度传感的建筑环境突发污染源辨识方法，在建筑环境突发污染源定位中引入计算机视觉，通过人为释放污染动作的即时辨识，为后续应急处置措施的开展争取时间；采用结合逆马尔科夫链与贝叶斯推理的室内突发污染源快速识别方法；利用视觉技术识别人为释放污染动作并联合浓度传感快速寻找污染源。本发明大幅提升了室内突发污染源辨识的即时响应特性；将污染源辨识算法的识别时间降低至分钟级；并提出了当视觉辨识不明确或失效时，浓度传感数据辅助主导判定污染源位置的实施方案，通过视觉+浓度两个维度的数据对污染源辨识准确性形成互补的同时提升了室内突发污染场景中污染源辨识技术的可靠性。

主权项：1.一种建筑环境突发污染源辨识方法，其特征在于：在建筑环境突发污染源定位中引入计算机视觉，通过人为释放污染动作的即时辨识，为后续应急处置措施的开展争取时间；采用结合逆马尔科夫链与贝叶斯推理的室内突发污染源快速识别方法；利用视觉技术识别人为释放污染动作并联合浓度传感快速寻找污染源；针对视觉传感器未探测到污染释放动作的图像信息的情况，借助以浓度传感数据为输入的源辨识模型定位污染源；在视觉辨识人为释放污染动作失效时，启动逆马尔科夫链结合贝叶斯推理的污染源反演模型，其具体实现流程如下：假设S代表污染源位置，C代表实测数据，S为独立变量，则污染源位置的后验概率密度函数可通过贝叶斯推理计算： 式中，p[S|C]为污染源位置S的后验概率密度分布函数，其表示获得实测数据C后，污染源位置S的分布规律；pS为污染源位置S的先验概率密度分布函数；p[C|S]为似然函数，表示模型计算数据与实测数据的拟合优度；pC为积分常数；公式2中的似然函数p[C|S]通过假设浓度测量误差为正态分布构造： 式中，σ2为测量误差的方差；N为潜在污染源位置总数；ys为测点mj在ti时刻的实测驻留浓度；fS为马尔科夫链计算的测点mj在ti时刻的先验浓度数据，所述马尔科夫链的计算公式如下： 式中，pij表示空气污染在单个时间步长Δt内由单元i传播到单元j的概率；将第k+1个状态下各单元的空气污染的概率分布表示为：θk+1＝θ0·Ptk+15式中，θ0为空气污染在t＝0时刻的初始概率分布；若已知突发空气污染在室内的释放初始信息，可通过矩阵叠乘的方式得到任意时刻室内任意单元的空气污染概率分布；通过引入一致性参数λ，则污染源后验概率密度分布函数可表示为：

全文数据：

权利要求：

百度查询： 同济大学 联合视觉探测与浓度传感的建筑环境突发污染源辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD