基于1D-WCWKCNN的痕量甲烷气体浓度检测

可调谐激光吸收光谱(TDLAS)技术在检测甲烷气体浓度过程中,甲烷气体透射光强二次谐波信号幅值与痕量甲烷气体浓度值成正比关系。如何准确和快速筛选目标甲烷透射光强二次谐波信号幅值至关重要。通过光电探测器获取1 000个甲烷气体透射光强信号样本,解调该透射光强信号获得二次谐波信号。人工在获得多种痕量甲烷气体透射光强和通过透射光强解调二次谐波信号时,存在噪声和人为操作对二次谐波信号的幅值产生影响,从而造成人工筛选二次谐波信号的时间增加。针对传统TDLAS技术筛选痕量甲烷气体二次谐波信号过程中存在高额时间成本的问题,提出了一种基于宽卷积和宽卷积核一维卷积神经网络(1D-WCWKCNN)的痕量甲烷气体浓度检测方法。首先,借助甲烷气体数据集训练1D-WCWKCNN模型,根据训练结果不断调整模型参数。其次,利用宽卷积层和宽卷积核一维卷积层对痕量甲烷气体二次谐波信号进行特征提取,使网络进行一次卷积后能够获得甲烷气体浓度信号中更长序列以及该序列边界信息与气体浓度之间的特征关系。甲烷透射光强二次谐波信号通过6层卷积层提取该信号与甲烷气体浓度关系的深层特征,然后通过6层最大池化层保留该信号与甲烷气体浓度关系的主要特征,再经过Flatten层将前一层处理的痕量甲烷气体透射光强二次谐波信号数据进行一维化处理。最后,根据训练好的1D-WCWKCNN模型通过Dense层输出痕量甲烷气体浓度。利用基于1D-WCWKCNN的痕量甲烷气体浓度检测模型代替了TDLAS技术中人工花费高额时间成本筛选二次谐波信号进行拟合直线对痕量甲烷气体浓度检测的过程。在实际实验中验证了该方法的有效性,实验结果表明利用该方法能够对50~1 000 mg·L^(-1)的痕量甲烷气体浓度进行有效检测,其准确度达到99.85%,与其他方法相比该方法信号特征提取能力强,检测甲烷气体精度高。该方法有助于气体检测领域中待测气体浓度信号的筛选。