【技术实现步骤摘要】
本专利技术涉及物质分析，具体涉及一种环境空气恶臭物质在线分析方法及系统。
技术介绍
1、随着农业的快速发展，畜牧业的发展模式朝向集中化、产业化的方向进行演化，大量的家禽家畜需要在短时间内高效的转化为可供消费的肉类产品，因此规模化的屠宰场便孕育而生，但屠宰场内动物的排泄物、血液、脂肪、毛发等废弃物在自然环境中迅速腐败，这些废弃物在腐败的过程中会产生大量的恶臭气体，如氨气、硫化氢等。恶臭气体扩散至周围环境，严重影响空气质量，降低居民的生活质量。长期吸入恶臭气体对人体呼吸系统、神经系统等造成伤害，甚至引发各种疾病。不同的恶臭物质有着不同的处理方法，通过对环境空气的恶臭气体进行分析，针对分析出不同的恶臭气体采用不同的处理方法，不仅可以高效的处理恶臭气体，而且可以节约资源经济。
2、传统对于气体物质的分析一般采用高光谱数据，通过k-means聚类算法提取特征波长，对特征波长进行分析识别气体物质，但由于k-means聚类算法的精度受限于初始聚类中心的选择，因此需要根据气体的数据特征确定k-means聚类算法的初始聚类中心。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供一种环境空气恶臭物质在线分析方法及系统，所采用的技术方案具体如下：
2、第一方面，本专利技术实施例提供了一种环境空气恶臭物质在线分析方法，该方法包括以下步骤：
3、采集环境未知气体的高光谱图像数据；将各像元在所有波长下的反射率作为各像元的未知气体序列；以未知气体序列中各元素为
4、根据各像元的未知气体序列中各元素与相邻元素的差异得到各像元的各波长的变异区分值；结合各像元的各波长的气体表征特性值与变异区分值得到各像元的各波长的气体识别系数；根据各像元的任一波长的气体识别系数与其他波长的气体识别系数的差异得到各像元的最优密度值序列；
5、根据各像元的最优密度值序列中元素的分布特征得到各像元的第二初始聚类中心可信真实度，结合k-means聚类算法对各像元的最优密度值序列进行聚类；根据聚类结果得到各像元的特征波长序列；根据各像元的特征波长序列与标准气体光谱的比对结果完成各像元的物质分析。
6、优选的，所述根据气体分离序列中元素的最值差异得到各像元的各波长的气体表征特性值，表达式为：
7、
8、式中，为r像元的第i个波长的气体表征特性值，表示r像元的第i个波长的反射率；表示r像元的第i个波长对应气体分离序列所有元素的均值，表示r像元的第i个波长对应的气体分离序列，、分别表示取最大值、最小值函数，表示以自然常数为底数的指数函数，表示r像元的第i个波长对应气体分离序列中元素的数量，表示r像元的第i个波长对应气体分离序列中不同元素的数量。
9、优选的，所述根据各像元的未知气体序列中各元素与相邻元素的差异得到各像元的各波长的变异区分值，包括：
10、针对各像元的未知气体序列，分别计算各波长的反射率与前一个波长、后一个波长的反射率的差值，将两个差值的均值作为各波长的变异分值，将所有波长的变异分值作为otsu算法的输入，输出为分割阈值，将变异分值大于分割阈值的波长标记为1，将变异分值小于等于分割阈值的波长标记为0，统计各波长的前一个波长、后一个波长被标记为1的数量，将所述数量作为各像元的各波长的变异区分值。
11、优选的，所述结合各像元的各波长的气体表征特性值与变异区分值得到各像元的各波长的气体识别系数，表达式为：
12、
13、式中，为r像元的第i个波长的气体识别系数，表示采集的波长数量，、分别表示r像元的第j个、第i个波长的气体表征特性值，表示r像元的第i个波长的变异区分值，表示余弦相似度函数，，分别表示r像元的第i个、第j个波长对应的气体分离序列，表示预设大于0的参数调节因子。
14、优选的，所述根据各像元的任一波长的气体识别系数与其他波长的气体识别系数的差异得到各像元的最优密度值序列，包括：
15、将各像元的所有波长的气体识别系数按波长升序排列作为各像元的气体识别系数序列，计算气体识别系数序列中任一元素与其他各元素的欧式距离，计算所述欧式距离与所述其他各元素的序号的比值，将所述任一元素与其他所有元素的所述比值升序排列作为所述任一元素的邻近密度序列；
16、针对气体识别系数序列中所有元素的邻近密度序列，将邻近密度序列中相同位置的所有元素作为各密度集合，将各密度集合中的所有元素作为于lof算法的输入，输出为各密度集合中各元素的离群因子，将离群因子大于预设阈值的元素从对应的密度集合中删除，计算各密度集合中剩余所有元素的均值，将所述均值最大值对应的密度集合作为各像元的最优密度值序列。
17、优选的，所述根据各像元的最优密度值序列中元素的分布特征得到各像元的第二初始聚类中心可信真实度，包括：
18、针对r像元的最优密度值序列，将最优密度值序列的最大值元素作为第一初始聚类中心，计算最优密度值序列中各元素与所述第一初始聚类中心的欧式距离，记为第一欧式距离，将所述第一欧式距离的最大值记为，计算最优密度值序列中任一元素与其他各元素的欧式距离，记为第二欧式距离，将最优密度值序列中所有元素的所述第二欧式距离的最大值记为，将所述第二欧式距离的最大值对应的两个元素依次记为元素a、元素b；r像元的最优密度值序列中第x个元素的第二初始聚类中心可信真实度的表达式为：
19、
20、式中，表示以自然常数为底数的指数函数，表示r像元的最优密度值序列中第x个元素，、分别表示取最大值、最小值函数，表示r像元的最优密度值序列中第x个元素与第一初始聚类中心的欧式距离，、分别表示r像元的最优密度值序列中第x个元素与元素a、元素b的欧式距离，表示r像元的最优密度值序列中第一初始聚类中心的数值，表示预设大于0的调参系数。
21、优选的，所述结合k-means聚类算法对各像元的最优密度值序列进行聚类，包括：
22、将各像元的最优密度值序列中第二初始聚类中心可信真实度最大值对应的元素作为第二初始聚类中心，将各像元的最优密度值序列及最优密度值序列的第一初始聚类中心、第二初始聚类中心作为k-means聚类算法的输入，输出为两个聚类簇。
23、优选的，所述根据聚类结果得到各像元的特征波长序列，包括：
24、计算各聚类簇所有元素的均值，计算均值最大值对应的聚类簇中各元素与所述均值最大值的差值绝对值，将所述差值绝对值大于预设数值的元素进行剔除，将均值最大值对应的聚类簇中剩余所有元素对应的波长升序排列作为各像元的特征波长序列。
25、优选的，所述根据各像元的特征波长序列与标准气体光谱的比对结果完成各像元的物质分析，包括：
26、将各像元的特征波长序列中各波长对应的反射率本文档来自技高网...
【技术保护点】
1.一种环境空气恶臭物质在线分析方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据气体分离序列中元素的最值差异得到各像元的各波长的气体表征特性值，表达式为：
3.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据各像元的未知气体序列中各元素与相邻元素的差异得到各像元的各波长的变异区分值，包括：
4.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述结合各像元的各波长的气体表征特性值与变异区分值得到各像元的各波长的气体识别系数，表达式为：
5.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据各像元的任一波长的气体识别系数与其他波长的气体识别系数的差异得到各像元的最优密度值序列，包括：
6.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据各像元的最优密度值序列中元素的分布特征得到各像元的第二初始聚类中心可信真实度，包括：
7.根据权利要求6所述的一种环
8.根据权利要求7所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据聚类结果得到各像元的特征波长序列，包括：
9.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据各像元的特征波长序列与标准气体光谱的比对结果完成各像元的物质分析，包括：
10.一种环境空气恶臭物质在线分析系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
...【技术特征摘要】
1.一种环境空气恶臭物质在线分析方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据气体分离序列中元素的最值差异得到各像元的各波长的气体表征特性值，表达式为：
3.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据各像元的未知气体序列中各元素与相邻元素的差异得到各像元的各波长的变异区分值，包括：
4.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述结合各像元的各波长的气体表征特性值与变异区分值得到各像元的各波长的气体识别系数，表达式为：
5.根据权利要求1所述的一种环境空气恶臭物质在线分析方法，其特征在于，所述根据各像元的任一波长的气体识别系数与其他波长的气体识别系数的差异得到各像元的最优密度值序列，包括：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：庄志鹏，刘伟民，石海佳，陈雄波，曾文豪，彭蜜权，杨霞，
申请(专利权)人：广州华科环保工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。