一种空气质量检测装置及方法制造方法及图纸

本发明专利技术公开了一种一种空气质量检测装置及方法，该装置包括：空气质量检测模块；移动模块；升降模块；控制模块；预测模块，其用于根据所述空气质量检测模块获得的空气质量参数检测结果获取室内空间中各种空气污染物的浓度分布模型，并得到室内空间中各种空气污染物的平均浓度；以及显示模块。本发明专利技术提供的空气质量检测装置能够自主在室内移动，从而对室内多个点进行空气质量检测，以提高检测精度；本发明专利技术中，通过采集少量几个点的浓度，然后即可预测得到可信赖度高的足够量的点的浓度，通过多个点去描述整个室内空间的污染物浓度分布并计算得到污染物浓度结果，具有更高的精度、更高的效率和更好的实用性。高的效率和更好的实用性。高的效率和更好的实用性。

【技术实现步骤摘要】
一种空气质量检测装置及方法


[0001]本专利技术涉及环境检测
，特别涉及一种空气质量检测装置及方法。

技术介绍

[0002]室内空间（如住宅、办公室、商场等）由于存在含有污染物的装修材料、家具等以及外部空气的污染，导致室内空间中也会存在许多空气污染物，例如PM2.5、甲醛、有机挥发物VOC等，所以在入住前（尤其是新装修的室内）或是入住过程中，对于室内空间中的空气污染物含量的检测能够帮助住户判断室内环境是否适宜居住，对住户的身体健康的保证具有重要的意义。
[0003]目前，对于室内空间空气污染物的检测设备中多数不具备自动移动功能，需要人工移动至各个检测点进行检测，例如专利CN110286201B公开的空气检测仪，这类方案存在使用不方便的缺陷。基于此，专利CN113552817A公开了一种可移动的空气检测装置、检测方法及空气检测仪，该空气检测装置能够自主移动值室内多个区域进行检测，可提高便利性；包括该专利在内的大量类似现有技术（如专利CN106405002B公开的一种室内空气检测用多方位空气检测装置）仍然普遍存在至少以下缺陷：检测结果的精度除仪器本身外，主要影响因素之一是室内空气污染物浓度在空间上分布的不均匀性（如随高度方向浓度不同，或在同一水平面上，不同位置的浓度也有不同），所以通常会利用多个点测量然后取平均值的方法来提高精度；采样点越多，必然精度越高，但每个点进行检测都需要花费一定时间，若采集大量的点，会耗费大量时间成本和能耗成本，所以单纯通过增加采样点来提高精度的方案效果有限，无法很好的满足适应实际需求。
[0004]所以，现在有必要提供一种更可靠的方案。

技术实现思路

[0005]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种空气质量检测装置及方法。
[0006]为解决上述技术问题，本专利技术采用的技术方案是：一种空气质量检测装置，包括：空气质量检测模块，其用于实现室内空气污染物浓度的检测；移动模块，其用于实现所述空气质量检测装置在室内的移动；升降模块，其设置在所述移动模块上，用于实现所述空气质量检测模块在垂直方向的移动；控制模块，其用于对所述空气质量检测模块、移动模块和升降模块进行控制；预测模块，其用于根据所述空气质量检测模块获得的空气质量参数检测结果获取室内空间中各种空气污染物的浓度分布模型，并得到室内空间中各种空气污染物的平均浓度；以及显示模块，其至少显示所述空气质量检测模块直接检测获得的室内空气污染物浓度以及所述预测模块获得的每个室内空间的空气污染物浓度分布模型和空气污染物
平均浓度。
[0007]优选的是，该空气质量检测装置还包括定位模块，所述定位模块用于对所述空气质量检测模块的位置进行实时定位。
[0008]优选的是，该空气质量检测装置还包括环境参数检测模块，所述环境参数检测模块包括空气流速检测单元、温度检测单元、湿度检测单元以及气压检测单元。
[0009]优选的是，所述空气质量检测模块至少包括PM2.5检测传感器、甲醛检测传感器和有机挥发物VOC检测传感器。
[0010]优选的是，该空气质量检测装置还包括测距模块和导航模块，所述测距模块用于实时检测所述空气质量检测装置与障碍物之间的距离，所述导航模块用于对所述移动模块提供辅助导航，以实现所述空气质量检测模块按照预定轨迹在室内进行移动。
[0011]优选的是，所述预测模块包括第一预测网络模型、第二预测网络模型、数据库、模型构建及数据计算单元；所述预测模块的处理方法包括以下步骤：1）构建训练数据集；2）采用训练数据集对第一预测网络模型、第二预测网络模型进行训练：3）通过所述空气质量检测装置在待测的室内空间中的若干个采样点进行空气污染物浓度检测，以采用点作为基准点；同时通过所述环境参数检测模块检测该待测的室内空间中的环境参数，然后将若干基准点的检测数据和该环境参数输入所述预测模块中，通过预测得到与每个基准点分别对应的若干个预测点处的各种空气污染物的浓度；其中，每个基准点分别对应若干个处于该基准点的空间位置周围的预测点；4）所述模型构建及数据计算单元根据所有的基准点和预测点处的各种空气污染物的浓度构建出该待测的室内空间中各种空气污染物的浓度分布模型，并计算得到各种空气污染物的平均浓度。
[0012]优选的是，所述第一预测网络模型包括LDA（linear discriminant analysis）机器学习模型、FFM（Field
‑
aware Factorization Machine）机器学习模型和RF（随机森林）机器学习模型；所述第二预测网络模型为堆叠网络模型。
[0013]优选的是，所述预测模块的处理方法包括以下步骤：1）构建训练数据集：1
‑
1）于一个室内空间中，采集若干条单元区域数据：1
‑1‑
1）在当前室内空间中选择非空间边缘区域的一个点作为基准点O
G
，通过所述空气质量检测模块检测该基准点O
G
的空气污染物浓度C
G
；1
‑1‑
2）于当前室内空间中，选择如下的与在基准点O
G
对应的6个预测点；在基准点O
G
的正上方且距离为D处取点，记为上预测点O
up
；在基准点O
G
的正下方且距离为D处取点，记为下预测点O
down
；在基准点O
G
的正左方且距离为D处取点，记为左预测点O
L
；在基准点O
G
的正右方且距离为D处取点，记为右预测点O
R
；在基准点O
G
的正前方且距离为D处取点，记为前预测点O
A
；在基准点O
G
的正后方且距离为D处取点，记为后预测点O
B
；其中，距离D的设置满足使所有点：O
up
、O
down
、O
L
、O
R
、O
A
、O
B
均在当前室内空间中；通过所述空气质量检测模块分别检测O
up
、O
down
、O
L
、O
R
、O
A
、O
B
每个点处的空气污染
物浓度，依次记为C
up
、C
down
、C
L
、C
R
、C
A
、C
B
；通过所述定位模块检测并记录所有点：O
G
、O
up
、O
down
、O
L
、O
R
、O
A
、O
B
的空间位置坐标；将每个点：O
G
、O
up
、O
down
、O
L...

【技术保护点】

【技术特征摘要】
1.一种空气质量检测装置，其特征在于，包括：空气质量检测模块，其用于实现室内空气污染物浓度的检测；移动模块，其用于实现所述空气质量检测装置在室内的移动；升降模块，其设置在所述移动模块上，用于实现所述空气质量检测模块在垂直方向的移动；控制模块，其用于对所述空气质量检测模块、移动模块和升降模块进行控制；预测模块，其用于根据所述空气质量检测模块获得的空气质量参数检测结果获取室内空间中各种空气污染物的浓度分布模型，并得到室内空间中各种空气污染物的平均浓度；以及显示模块，其至少显示所述空气质量检测模块直接检测获得的室内空气污染物浓度以及所述预测模块获得的每个室内空间的空气污染物浓度分布模型和空气污染物平均浓度。2.根据权利要求1所述的空气质量检测装置，其特征在于，还包括定位模块，所述定位模块用于对所述空气质量检测模块的位置进行实时定位。3.根据权利要求2所述的空气质量检测装置，其特征在于，还包括环境参数检测模块，所述环境参数检测模块包括空气流速检测单元、温度检测单元、湿度检测单元以及气压检测单元。4.根据权利要求3所述的空气质量检测装置，其特征在于，所述空气质量检测模块至少包括PM2.5检测传感器、甲醛检测传感器和有机挥发物VOC检测传感器。5.根据权利要求4所述的空气质量检测装置，其特征在于，还包括测距模块和导航模块，所述测距模块用于实时检测所述空气质量检测装置与障碍物之间的距离，所述导航模块用于对所述移动模块提供辅助导航，以实现所述空气质量检测模块按照预定轨迹在室内进行移动。6.根据权利要求5所述的空气质量检测装置，其特征在于，所述预测模块包括第一预测网络模型、第二预测网络模型、数据库、模型构建及数据计算单元；所述预测模块的处理方法包括以下步骤：1）构建训练数据集；2）采用训练数据集对第一预测网络模型、第二预测网络模型进行训练：3）通过所述空气质量检测装置在待测的室内空间中的若干个采样点进行空气污染物浓度检测，以采用点作为基准点；同时通过所述环境参数检测模块检测该待测的室内空间中的环境参数，然后将若干基准点的检测数据和该环境参数输入所述预测模块中，通过预测得到与每个基准点分别对应的若干个预测点处的各种空气污染物的浓度；其中，每个基准点分别对应若干个处于该基准点的空间位置周围的预测点；4）所述模型构建及数据计算单元根据所有的基准点和预测点处的各种空气污染物的浓度构建出该待测的室内空间中各种空气污染物的浓度分布模型，并计算得到各种空气污染物的平均浓度。7.根据权利要求6所述的空气质量检测装置，其特征在于，所述第一预测网络模型包括LDA（linear discriminant analysis）机器学习模型、FFM（Field
‑
aware Factorization Machine）机器学习模型和RF（随机森林）机器学习模型；所述第二预测网络模型为堆叠网络模型。
8.根据权利要求7所述的空气质量检测装置，其特征在于，所述预测模块的处理方法包括以下步骤：1）构建训练数据集：1
‑
1）于一个室内空间中，采集若干条单元区域数据：1
‑1‑
1）在当前室内空间中选择非空间边缘区域的一个点作为基准点O
G
，通过所述空气质量检测模块检测该基准点O
G
的空气污染物浓度C
G
；1
‑1‑
2）于当前室内空间中，选择如下的与在基准点O
G
对应的6个预测点；在基准点O
G
的正上方且距离为D处取点，记为上预测点O
up
；在基准点O
G
的正下方且距离为D处取点，记为下预测点O
down
；在基准点O
G
的正左方且距离为D处取点，记为左预测点O
L
；在基准点O
G
的正右方且距离为D处取点，记为右预测点O
R
；在基准点O
G
的正前方且距离为D处取点，记为前预测点O
A
；在基准点O
G
的正后方且距离为D处取点，记为后预测点O
B
；其中，距离D的设置满足使所有点：O
up
、O
down
、O
L
、O
R
、O
A
、O
B
均在当前室内空间中；通过所述空气质量检测模块分别检测O
up
、O
down
、O
L
、O
R
、O
A
、O
B
每个点处的空气污染物浓度，依次记为C
up
、C
down
、C
L
、C
R
、C
A
、C
B
；通过所述定位模块检测并记录所有点：O
G
、O
up
、O
down
、O
L
、O
R
、O
A
、O
B
的空间位置坐标；将每个点：O
G
、O
up
、O
down
、O
L
、O
R
、O
A
、O
B
的空间位置坐标、每个点处的空气污染物浓度：C
G
、C
up
、C
down
、C
L
、C
R
、C
A
、C
B
以及距离D组合为一条单元区域数据s；1
‑1‑
3）按照步骤1
‑1‑
1）至1
‑1‑
2）采集若干条单元区域数据s；1
‑1‑
4）通过所述环境参数检测模块检测当前室内空间中的环境参数H，环境参数H包括温度T、湿度RH、气压P以及气流速度V，记为H=（T，RH，P，V）；1
‑1‑
5）将环境参数H和采集的所有单元区域数据s组合形成数据集，即为训练数据集S，存储于所述数据库中；2）网络模型训练：2
‑
1）对于每一种空气污染物Wi，以每一条单元区域数据s中的基准点O
G
的空间位置坐标、基准点O
G
处的Wi的浓度C
GWi
、距离D以及环境参数H为输入，每一条单元区域数据s中与基准点O
G
对应的所有预测点：O
up
、O
down
、O
L
、O
R
、O
A
、O
B
处的空气污染物Wi的浓度C
upWi
、C
d...

【专利技术属性】
技术研发人员：王天宇，王霄华，田耀中，韩凯，余永生，
申请(专利权)人：江苏锦测环保科技有限公司，
类型：发明
国别省市：