激光前散射與β 射線相融合的顆粒物濃度監(jiān)測(cè)系統(tǒng)★

王建鵬

（山西省信息產(chǎn)業(yè)技術(shù)研究院有限公司， 山西 太原 030012）

引言

近些年，隨著我國(guó)工業(yè)和經(jīng)濟(jì)的飛速發(fā)展，顆粒物TSP、PM10、PM2.5 對(duì)大氣的污染日趨嚴(yán)重。目前，國(guó)內(nèi)外常用顆粒物濃度檢測(cè)方法有濾膜稱重法、β射線法、光散射法等。濾膜稱重法原理簡(jiǎn)單，采樣定量的氣體，空氣中的顆粒物附著于薄膜上，采樣薄膜前后的重量差，從而求得顆粒物濃度，這種方法結(jié)果也比較可靠，但檢測(cè)周期過(guò)長(zhǎng)；β 射線法利用紙帶上顆粒物對(duì)β 射線的吸收，通過(guò)前后衰減程度計(jì)算出顆粒物濃度，該方法測(cè)量準(zhǔn)確度高、易維護(hù)但測(cè)量結(jié)果間隔較長(zhǎng)不能做到實(shí)時(shí)監(jiān)測(cè)；光散射法通過(guò)光通量平均值與顆粒濃度之間的線性關(guān)系確定顆粒物濃度的大小，光散射法檢測(cè)的實(shí)時(shí)性高，但在測(cè)量精度上達(dá)不到濾膜稱重法和β 射線法的水平。為了實(shí)現(xiàn)對(duì)顆粒物污染高精度實(shí)時(shí)監(jiān)測(cè)，依托山西省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（201903D321074），設(shè)計(jì)一套激光前散射與β 射線相融合的顆粒物濃度監(jiān)測(cè)系統(tǒng)，系統(tǒng)中引入卷積神經(jīng)網(wǎng)絡(luò)的污染源圖像識(shí)別技術(shù)，在對(duì)顆粒物濃度實(shí)時(shí)監(jiān)測(cè)的同時(shí)實(shí)現(xiàn)了對(duì)污染源圖像的識(shí)別和上傳。

1 設(shè)計(jì)方案

系統(tǒng)框架如圖1 所示。系統(tǒng)基于ROS 系統(tǒng)開(kāi)發(fā)，在監(jiān)測(cè)區(qū)域內(nèi)呈一衛(wèi)多星式分布，建立基于LoRa 的無(wú)線局域網(wǎng)作為信息通道，以一個(gè)數(shù)據(jù)核心處理系統(tǒng)為Master 節(jié)點(diǎn)，以其他數(shù)據(jù)采集子系統(tǒng)作為其衛(wèi)星節(jié)點(diǎn)，通過(guò)Master 節(jié)點(diǎn)的控制與調(diào)度，完成區(qū)域內(nèi)數(shù)據(jù)的采集、傳輸及預(yù)處理等功能[1-2]。利用數(shù)據(jù)采集子系統(tǒng)中激光前散射測(cè)量裝置獲得揚(yáng)塵的順時(shí)相對(duì)變化，利用β 射線法測(cè)量裝置檢測(cè)顆粒物的小時(shí)濃度，并用小時(shí)值校準(zhǔn)順時(shí)值，獲得高分辨的實(shí)時(shí)顆粒物濃度。當(dāng)環(huán)境污染達(dá)到警戒值時(shí)，由球機(jī)對(duì)周圍環(huán)境進(jìn)行掃描拍照，通過(guò)圖像分析將污染源和非污染源的圖像進(jìn)行分類，并將污染源圖像上傳。

圖1 系統(tǒng)結(jié)構(gòu)

2 數(shù)據(jù)采集系統(tǒng)

2.1 激光前散射檢測(cè)裝置

空氣中顆粒物檢測(cè)采用基于激光前散射的檢測(cè)技術(shù)，光源發(fā)出的光束通過(guò)含有待測(cè)顆粒物的測(cè)量區(qū)域，發(fā)生光的散射，散射光從顆粒物向不同方向發(fā)生散射，前向散射的光被光電傳感器接收，激光光強(qiáng)信號(hào)轉(zhuǎn)換成電流信號(hào)，通過(guò)調(diào)理電路進(jìn)行I.V 轉(zhuǎn)換、放大、濾波后輸入A/D 轉(zhuǎn)換，由串口送入工控機(jī)。如下頁(yè)圖2 所示。

2.2 β 射線檢測(cè)裝置

裝置結(jié)構(gòu)如下頁(yè)圖3 所示，由采樣入口、濾紙、氣路組成氣體采樣系統(tǒng)，進(jìn)行樣本氣體采集[3]。由低能量β 射線源在顆粒物采集前后穿過(guò)清潔濾紙和采集有顆粒物的濾紙，根據(jù)兩次β 射線被吸收的變化量來(lái)求得搜集在濾紙上的顆粒物的質(zhì)量。由處理終端進(jìn)行系統(tǒng)控制和數(shù)據(jù)處理。

圖2 激光前散射檢測(cè)裝置

圖3 β 射線檢測(cè)裝置結(jié)構(gòu)

利用β 射線法檢測(cè)裝置檢測(cè)顆粒物的小時(shí)濃度，并用小時(shí)值校準(zhǔn)激光前散射檢測(cè)裝置，從而獲得高分辨的實(shí)時(shí)顆粒物濃度。

3 通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法識(shí)別污染源圖像

當(dāng)環(huán)境污染達(dá)到警戒值時(shí)，由球機(jī)對(duì)周圍環(huán)境進(jìn)行掃描拍照, 通過(guò)圖像分析將污染源和非污染源的圖像進(jìn)行分類，并將污染源圖像上傳。具體實(shí)現(xiàn)方法如下：

1）收集樣本集，包含存在污染源對(duì)象的圖片和不存在污染源對(duì)象的圖片作為訓(xùn)練樣本，并進(jìn)行標(biāo)注產(chǎn)生分類標(biāo)簽。

2）建立卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如圖4 所示。

圖4 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖像由RGB 3 個(gè)通道輸入，經(jīng)過(guò)32@7×7，64@5×5，128@5×5 的卷積核進(jìn)行特征抽取，卷積層與卷積層之間加入2×2 的max pooling 層，最后由1024 的全連接層進(jìn)行輸出分類[4-5]。

3）訓(xùn)練網(wǎng)絡(luò)參數(shù)，訓(xùn)練過(guò)程中的損失函數(shù)選用交叉熵?fù)p失函數(shù)，如公式（1）所示。

式中：m 為樣本數(shù)量；y 為樣本類別指示變量；h 為樣本類別的預(yù)測(cè)概率。選用AdamOptimizer 作為參數(shù)優(yōu)化器，訓(xùn)練權(quán)重為0.000 1。網(wǎng)絡(luò)權(quán)重初始值為標(biāo)準(zhǔn)差為0.1 的截?cái)嗾龖B(tài)分布，初始偏置值為0.1。訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)圖像識(shí)別準(zhǔn)確率如圖5 所示。

圖5 訓(xùn)練曲線

由曲線圖可以看出經(jīng)訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像識(shí)別的準(zhǔn)確率達(dá)到97%。

4 結(jié)語(yǔ)

顆粒物濃度監(jiān)測(cè)系統(tǒng)是基于ROS 節(jié)點(diǎn)式設(shè)計(jì)的，可實(shí)現(xiàn)一衛(wèi)多星式部署，同時(shí)，采用激光前散射與與β 射線相融合的檢測(cè)方式，達(dá)到了兼顧準(zhǔn)確性和實(shí)時(shí)性的目的，并引入卷積神經(jīng)網(wǎng)絡(luò)對(duì)污染源進(jìn)行識(shí)別，由訓(xùn)練曲線看出分類精度高達(dá)97%。