智能室内环境检测系统及其方法技术方案

本申请涉及智能检测领域，其具体地公开了一种智能室内环境检测系统及其方法，其采用基于深度学习的人工智能检测技术，通过对预定时间段内多个预定时间点的多个环境指标进行特征提取从而来实时判断室内环境是否舒适。这样，可以及时了解室内环境的状态，并及时采取措施来调节室内环境，提高舒适性。提高舒适性。提高舒适性。

【技术实现步骤摘要】
智能室内环境检测系统及其方法


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种智能室内环境检测系统及其方法。

技术介绍

[0002]室内环境检测是对室内空气和其他因素的评估，以确保室内环境的安全和舒适。通常有几个指标来判断室内环境是否让人感到舒适，比如：温度、湿度、空气质量等。当前对室内进行环境检测一般是离散的，即定期采集数据进行分析。离散的定期室内环境数据采集存在信息滞后，可能无法及时发现问题和解决潜在的问题。
[0003]因此，需要一种优化的智能室内环境检测方案。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智能室内环境检测系统及其方法，其采用基于深度学习的人工智能检测技术，通过对预定时间段内多个预定时间点的多个环境指标进行特征提取从而来实时判断室内环境是否舒适。这样，可以及时了解室内环境的状态，并及时采取措施来调节室内环境，提高舒适性。
[0005]根据本申请的一个方面，提供了一种智能室内环境检测系统，其包括：
[0006]室内环境参数数据获取模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能室内环境检测系统，其特征在于，包括：室内环境参数数据获取模块，用于获取被监控室内环境在预定时间段内多个预定时间点的温度值、湿度值、CO2含量、PM2.5含量；室内环境参数结构化模块，用于将所述多个预定时间点的温度值、湿度值、CO2含量、PM2.5含量按照时间维度和样本维度排列为环境监测参数矩阵；第一尺度环境参数特征提取模块，用于将所述环境监测参数矩阵通过具有第一尺度的卷积核的第一卷积神经网络模型以得到第一尺度环境参数特征矩阵；第二尺度环境参数特征提取模块，用于将所述环境监测参数矩阵通过具有第二尺度的卷积核的第二卷积神经网络模型以得到第二尺度环境参数特征矩阵，其中，所述第一尺度不同于所述第二尺度；多尺度环境参数特征关联模块，用于对所述第一尺度环境参数特征矩阵和所述第二尺度环境参数特征矩阵进行特征矩阵间的特征空间关联以得到多尺度环境监测特征矩阵；双向注意力分类模块，用于将所述多尺度环境监测特征矩阵通过双向注意力机制模块以得到分类特征矩阵；体感舒适度判断模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述被监控室内环境的体感是否舒适。2.根据权利要求1所述的智能室内环境检测系统，其特征在于，所述第一尺度环境参数特征提取模块，用于：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于第一尺度卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的池化以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述第一尺度环境参数特征矩阵，所述第一卷积神经网络模型的第一层的输入为所述环境监测参数矩阵。3.根据权利要求2所述的智能室内环境检测系统，其特征在于，所述第二尺度环境参数特征提取模块，用于：使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于第二尺度卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的池化以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述第二尺度环境参数特征矩阵，所述第二卷积神经网络模型的第一层的输入为所述环境监测参数矩阵。4.根据权利要求3所述的智能室内环境检测系统，其特征在于，所述多尺度环境参数特征关联模块，包括：特征矩阵展开单元，用于对所述第一尺度环境参数特征矩阵和所述第二尺度环境参数特征矩阵进行矩阵展开以得到第一特征向量和第二特征向量；内积计算单元，用于计算所述第一特征向量和所述第二特征向量之间的内积；基底选择单元，用于响应于所述第一特征向量和所述第二特征向量之间的内积为零，将所述第一特征向量和所述第二特征向量作为融合特征向量的基底；
施密特正交化计算单元，用于响应于所述第一特征向量和所述第二特征向量之间的内积不为零，对所述第一特征向量和所述第二特征向量进行施密特正交化以得到正交的第一单位特征向量和第二单位特征向量；多尺度环境监测特征矩阵生成单元，用于以误差最小化来融合所述第一单位特征向量和所述第二单位特征向量以得到所述融合特征向量，对所述融合特征向量进行还原以得到所述多尺度环境监测特征矩阵。5.根据权利要求4所述的智能室内环境检测系统，其特征在于，所述双向注意力分类模块，包括：池化单元，用于将所述多尺度环境监测特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；关联编码单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；激活单元，用于将所述双向关联矩阵输入Sigmoid激活函数以得到双向关联权重矩阵；分类特征矩阵生成单元，用于计算所述双向关联权重矩阵和所述多尺度环境监测特征矩阵之间的按位置点乘以得到所述分类特征矩阵。6....

【专利技术属性】
技术研发人员：俞昭吉，俞柳菁，
申请(专利权)人：新联检测科技嘉兴有限公司，
类型：发明
国别省市：