聚烯烃弹性体聚合生产车间气味检测系统、方法及设备技术方案

本申请涉及气味检测技术领域，公开了一种聚烯烃弹性体聚合生产车间气味检测系统、方法及设备，该系统包括：数据采集接口，用于采集车间内不同气味下气体传感器阵列的信号以及对应的气味检测等级，得到数据样本集；模型构建单元，用于构建以气体传感器阵列的信号为输入，气味检测等级为输出的分类神经网络模型；模型训练单元，用于利用数据样本集对分类神经网络模型进行网络训练；模型推理单元，用于将待测车间内气体传感器的待测信号输入至训练好的分类神经网络，输出待测信号对应的气味检测等级。上述系统可以实现车间内气味非人工嗅觉评价，气味检测结果更客观、可靠，并且无需对气味样品进行仪器分析，具备简便、快速的优势。快速的优势。快速的优势。

【技术实现步骤摘要】
聚烯烃弹性体聚合生产车间气味检测系统、方法及设备


[0001]本专利技术涉及气味检测
，特别是涉及一种聚烯烃弹性体聚合生产车间气味检测系统、方法及设备及存储介质。

技术介绍

[0002]聚烯烃弹性体多是由乙烯、α
‑
烯烃(如1
‑
丁烯、1
‑
己烯、1
‑
辛烯)在溶液聚合工艺下制备而成，聚合生产过程中，车间内气味是由挥发性的聚合单体和溶剂(如乙烯、α
‑
烯烃、氢气、正己烷)造成。而车间气味直接影响着车间工人的身心健康，因此在生产过程中对车间气味进行检测，便于及时调整生产方案、控制车间气味，从而降低对生产人员的健康危害。
[0003]现有的气味检测法主要有人工嗅觉评价方法和仪器检测法。其中，人工嗅觉评价法是目前采用最普遍、最简单直观的方法，即车间人员按照评定等级用鼻子进行感官判断，得出一个气味检测等级。但人的嗅觉带有一定主观因素、对气味的感觉往往因人而异，因而气味检测结果存在必然的差异性和不确定性，另外人工嗅觉评价是一种气味吸入过程，尤其在长期吸入一些有毒、有害(包括累积性、慢性中毒)挥发物时，对身心健康影响更大。仪器检测法多是采用气相色谱对造成气味的挥发物进行物质分离，气味物质而后被逐一鉴定，形成气味来源物质的定性、定量报告，根据报告数据得到对应的气味等级结果，此过程时间耗时长，不具备简便、快速的优势。
[0004]因此，如何简便、快捷地检测出聚烯烃弹性体聚合生产车间气味等级结果，是本领域技术人员亟待解决的技术问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种聚烯烃弹性体聚合生产车间气味检测系统、方法、设备及存储介质，可以实现车间内气味非人工嗅觉评价，气味检测结果更客观、可靠，具备简便、快速的优势。其具体方案如下：
[0006]一种聚烯烃弹性体聚合生产车间气味检测系统，包括：
[0007]数据采集接口，用于采集车间内不同气味下气体传感器阵列的信号以及对应的气味检测等级，得到数据样本集；
[0008]模型构建单元，用于构建以所述气体传感器阵列的信号为输入，气味检测等级为输出的分类神经网络模型；
[0009]模型训练单元，用于利用所述数据样本集对所述分类神经网络模型进行网络训练；
[0010]模型推理单元，用于将待测车间内气体传感器的待测信号输入至训练好的所述分类神经网络，输出所述待测信号对应的气味检测等级。
[0011]优选地，在本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测系统中，所述数据样本集按照预设比例分为训练集和验证集；
[0012]所述模型训练单元，用于利用所述训练集对所述分类神经网络模型进行网络训
练；
[0013]所述聚烯烃弹性体聚合生产车间气味检测系统还包括：
[0014]模型验证单元，用于利用所述验证集对所述分类神经网络模型进行网络验证，将验证通过的所述分类神经网络模型作为训练好的所述分类神经网络模型。
[0015]优选地，在本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测系统中，所述气体传感器阵列包括催化燃烧式气体传感器、半导体式气体传感器、热导式气体传感器。
[0016]优选地，在本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测系统中，所述分类神经网络模型的输入层和输出层之间设置有双隐藏层；
[0017]所述分类神经网络模型的输出层附加有softmax函数。
[0018]优选地，在本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测系统中，所述分类神经网络模型的激活函数为ReLU函数，优化器为Adam优化器，损失函数为交叉熵损失。
[0019]本专利技术实施例还提供了一种聚烯烃弹性体聚合生产车间气味检测方法，包括：
[0020]通过数据采集接口采集车间内不同气味下气体传感器阵列的信号以及对应的气味检测等级，得到数据样本集；
[0021]通过模型构建单元构建以所述气体传感器阵列的信号为输入，气味检测等级为输出的分类神经网络模型；
[0022]通过模型训练单元利用所述数据样本集对所述分类神经网络模型进行网络训练；
[0023]通过模型推理单元将待测车间内气体传感器的待测信号输入至训练好的所述分类神经网络，输出所述待测信号对应的气味检测等级。
[0024]优选地，在本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测方法中，通过模型训练单元利用所述数据样本集对所述分类神经网络模型进行网络训练，包括：
[0025]将所述数据样本集按照预设比例分为训练集和验证集；
[0026]通过模型训练单元利用所述训练集对所述分类神经网络模型进行网络训练；
[0027]通过模型验证单元利用所述验证集对所述分类神经网络模型进行网络验证，将验证通过的所述分类神经网络模型作为训练好的所述分类神经网络模型。
[0028]优选地，在本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测方法中，在进行网络训练的同时，还包括：
[0029]利用输出层附加的softmax函数进行分类，获得气味等级的概率，将获得的最大概率的气味等级作为输出的气味检测等级；
[0030]使用ReLU函数作为激活函数并采用Adam优化器优化所述分类神经网络模型，并将损失函数设为交叉熵损失。
[0031]本专利技术实施例还提供了一种电子设备，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测方法。
[0032]本专利技术实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本专利技术实施例提供的上述聚烯烃弹性体聚合生产车间气味检测方法。
[0033]从上述技术方案可以看出，本专利技术所提供的一种聚烯烃弹性体聚合生产车间气味检测系统，包括：数据采集接口，用于采集车间内不同气味下气体传感器阵列的信号以及对应的气味检测等级，得到数据样本集；模型构建单元，用于构建以气体传感器阵列的信号为输入，气味检测等级为输出的分类神经网络模型；模型训练单元，用于利用数据样本集对分类神经网络模型进行网络训练；模型推理单元，用于将待测车间内气体传感器的待测信号输入至训练好的分类神经网络，输出待测信号对应的气味检测等级。
[0034]本专利技术提供的上述聚烯烃弹性体聚合生产车间气味检测系统，通过数据采集接口、模型构建单元、模型训练单元的相互作用，可以得到训练好的分类神经网络，结合模型推理单元可以实现车间内气味非人工嗅觉评价，气味检测结果更客观、可靠，并且无需对气味样品进行仪器分析，具备简便、快速的优势。
[0035]此外，本专利技术还针对聚烯烃弹性体聚合生产车间气味检测系统提供了相应的方法、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该方法、设备及计算机可读存储介质具有相应的优点。
附图说明
...

【技术保护点】

【技术特征摘要】
1.一种聚烯烃弹性体聚合生产车间气味检测系统，其特征在于，包括：数据采集接口，用于采集车间内不同气味下气体传感器阵列的信号以及对应的气味检测等级，得到数据样本集；模型构建单元，用于构建以所述气体传感器阵列的信号为输入，气味检测等级为输出的分类神经网络模型；模型训练单元，用于利用所述数据样本集对所述分类神经网络模型进行网络训练；模型推理单元，用于将待测车间内气体传感器的待测信号输入至训练好的所述分类神经网络，输出所述待测信号对应的气味检测等级。2.根据权利要求1所述的聚烯烃弹性体聚合生产车间气味检测系统，其特征在于，所述数据样本集按照预设比例分为训练集和验证集；所述模型训练单元，用于利用所述训练集对所述分类神经网络模型进行网络训练；所述聚烯烃弹性体聚合生产车间气味检测系统还包括：模型验证单元，用于利用所述验证集对所述分类神经网络模型进行网络验证，将验证通过的所述分类神经网络模型作为训练好的所述分类神经网络模型。3.根据权利要求1所述的聚烯烃弹性体聚合生产车间气味检测系统，其特征在于，所述气体传感器阵列包括催化燃烧式气体传感器、半导体式气体传感器、热导式气体传感器。4.根据权利要求1所述的聚烯烃弹性体聚合生产车间气味检测系统，其特征在于，所述分类神经网络模型的输入层和输出层之间设置有双隐藏层；所述分类神经网络模型的输出层附加有softmax函数。5.根据权利要求1所述的聚烯烃弹性体聚合生产车间气味检测系统，其特征在于，所述分类神经网络模型的激活函数为ReLU函数，优化器为Adam优化器，损失函数为交叉熵损失。6.一种聚烯烃弹性体聚合生产车间气味检测方法，其特征在于，包括：通过数据采集接口采集车间内不同气...

【专利技术属性】
技术研发人员：郑征，马韵升，栾波，王耀伟，赵永臣，付丹丹，董全文，袁文博，李平，
申请(专利权)人：山东京博石油化工有限公司，
类型：发明
国别省市：