一种基于CNN神经网络的被动式磁异常检测定位系统及其方法技术方案

一种基于CNN神经网络的被动式磁异常检测定位系统及其方法，属于检测定位系统技术领域，为了解决现有的无法做到自动对铁磁性物质进行检测；医生少病患多，人员密集复杂，很难管理，没有办法对患者进行详细检查，需要人工检测，导致检测效率低，影响检测结果的问题。本发明专利技术通过嵌入式设备和多个小型单轴磁力仪实现磁检测功能，集成度高，在实际医院场景下应用极其方便，通过CNN神经网络的异常信号检测方法，提高信噪比，排除地磁场及周边环境的干扰，有着极低的虚警率和误检率，通过声音、灯光、屏幕视频等方式进行报警，使用简便、稳定性高，不需要人员专门看守，病人自己就能根据提示使用设备。设备。设备。

【技术实现步骤摘要】
一种基于CNN神经网络的被动式磁异常检测定位系统及其方法


[0001]本专利技术涉及到检测定位系统
，特别涉及一种基于CNN神经网络的被动式磁异常检测定位系统及其方法。

技术介绍

[0002]磁异常目标检测之前是军事领域的特定技术，磁测技术是基于感应磁场的物理基本原理，通过磁传感器感应某个大型铁磁设备进入目标区域，如潜艇、舰船等目标。这些巨型目标会生成感应的二次场，改变原有的磁场分布。另外磁测方法也是用于推演地质接口、勘探矿产资源分布及油气分布的主要方法，通过检测地磁场的扭曲和改变，分析矿产体量及埋藏深度。
[0003]核磁共振(MRI)是近20年刚刚兴起的医疗检查技术，确实是放射领域的一次技术飞跃，也给很多疾病的诊断提供了巨大的帮助。
[0004]但是，磁共振也是有禁忌的。因为机器的主体是一个巨大的磁体，因此扫描间内绝对不允许出现任何铁磁性物质，比如手机、手表、钢镚、磁卡、打火机等等。这些都是不允许带进扫描间的，一旦进入，这些东西就会对检测结果产生影响，甚至导致更为严重的医疗事故。
[0005]并且医院的放射科作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN神经网络的被动式磁异常检测定位系统，其特征在于：包括：用于安装感知层模组(1)的检测门体(2)，且检测门体(2)的侧端设置有用户层模组(3)；以及用于感知层模组(1)和用户层模组(3)对接的应用层模组(4)；所述感知层模组(1)用于采集和定位，且应用层模组(4)用于接收感知层模组(1)采集到的数据；所述应用层模组(4)根据采集数据对用户层模组(3)进行驱动。2.根据权利要求1所述的一种基于CNN神经网络的被动式磁异常检测定位系统，其特征在于：所述安装感知层模组(1)包括传感器模组(11)和毫米波雷达模块(12)，传感器模组(11)由多个单轴磁通门传感器(111)组成，且单轴磁通门传感器(111)呈阵列排列设置在检测门体(2)上，毫米波雷达模块(12)设置在检测门体(2)上，安装感知层模组(1)内信号数据通过UART串口回传到应用层模组(4)内。3.根据权利要求1所述的一种基于CNN神经网络的被动式磁异常检测定位系统，其特征在于：所述应用层模组(4)包括主芯片(41)、CNN深度神经网络信号检测模块(42)、人工智能信号分析模块(43)和异常磁目标定位模块(44)，CNN深度神经网络信号检测模块(42)、人工智能信号分析模块(43)和异常磁目标定位模块(44)分别设置在主芯片(41)内，主芯片(41)用于与安装感知层模组(1)连接；所述CNN深度神经网络信号检测模块(42)用于检测信号，并将检测到的信号传输给人工智能信号分析模块(43)进行处理，人工智能信号分析模块(43)通过CNN网络对信号进行分类处理。4.根据权利要求1所述的一种基于CNN神经网络的被动式磁异常检测定位系统，其特征在于：所述用户层模组(3)包括蜂鸣器(31)、LED灯(32)和大屏幕(33)，蜂鸣器(31)、LED灯(32)和大屏幕(33)分别与应用层模组(4)连接。5.根据权利要求3所述的一种基于CNN神经网络的被动式磁异常检测定位系统，其特征在于：所述人工智能信号分析模块(43)通过软件实现信号分析，人工智能信号分析模块(43)基于主芯片(41)内部浮点运算资源，通过CNN神经网络对信号进行分析，判断出是否存在磁异常的信号。6.一种根据权利要求1
‑
5任一项中所述的基于CNN神经网络的被动式磁异常检测定位系统的使用方法，其特征在于：包括如下步骤：S1：感知层模组(1)内的单轴磁通门传感器(111)形成阵列，采样频率调整为20Hz～200Hz，采集空间中的磁场变化；S2：毫米波雷达模块(12)实时检测面向方向的人体通过情况，天线发射角度FOV为40
°
*80
°
，当检测到有人体通过时，会触发后端应用层模组(4)内部的CNN深度神经网络信号检测模块(42)进行处理；S3：毫米波雷达模块(12)在检测到触发过程中持续追踪人体运动的实时位置；S4：传感器模组(11)采集到的磁异常信号会通过UART串口回传到主芯片(41)进行计算；S5：应用层模组(4)内人工智能信号分析模块(43)通过CNN神经网络对信号进行分析，判断出是否存在磁异常的信号；S6：当实际检测到磁异...

【专利技术属性】
技术研发人员：李长文，钟志勇，
申请(专利权)人：深圳市政昆科技有限公司，
类型：发明
国别省市：