详情

原文传递一种基于QCL的非接触式酒精检测技术

专利名称：	一种基于QCL的非接触式酒精检测技术
摘要：	本发明公开了一种新型非接触式酒精检测方法，可以快速准确的测得车内各人员饮酒情况。针对传统非接触式酒精检测方法无法对饮酒人员进行准确定位的问题，开发了基于多源检测的融合算法，实现对驾驶员饮酒情况的精准检测。
专利类型：	发明专利
国家地区组织代码：	天津;12
申请人：	天津大学
发明人：	李奇峰;张润泽;杨云鹏;马翔云;郜峰;李志鹏
专利状态：	有效
申请日期：	2023-08-07T00:00:00+0800
发布日期：	2023-11-10T00:00:00+0800
申请号：	CN202310982575.7
公开号：	CN117030630A
分类号：	G01N21/25;G06F30/28;G06F30/27;G06N3/0464;G06N3/048;G01N21/31;G01N21/01;G01N21/39;G06F111/10;G;G01;G06;G01N;G06F;G06N;G01N21;G06F30;G06N3;G06F111;G01N21/25;G06F30/28;G06F30/27;G06N3/0464;G06N3/048;G01N21/31;G01N21/01;G01N21/39;G06F111/10
申请人地址：	300072 天津市南开区卫津路92号
主权项：	1.一种基于QCL的非接触式酒精检测技术，其特征在于，所述方法包括以下步骤：采用多次反射路径积分技术提高吸收光程。与QCL激光器同侧的反射模块由三块小的分束镜构成，与QCL激光器异侧的反射模块由一块高反射镜构成；激光每次经过分束镜时能量会被分为两个部分，其中部分被探测器接受，部分继续反射，参与后续的检测过程；探测模块由4个单点CMOS探测器组成，可以分别获取4个不同位置的酒精浓度信息；以4个不同位置的酒精浓度信息为数据基础，采用基于神经网络算法实现酒精源定位。 2.根据权利要求1所述的方法，其特征在于，采用QCL激光器作为激发光源，激光的中心波长为3424.7nm，以正弦波的方式调制，波长浮动范围在3422.7nm至3422.7nm之间。 3.根据权利要求1所述的方法，其特征在于，所述4个单点CMOS探测器采用矩形分布，横向距离为15cm，纵向距离为10cm。 4.根据权利要求1所述的方法，其特征在于，所述分束镜为半透半反镜，即光束透射能量与反射能量相等，均为总能量的50％。 5.根据权利要求1所述的方法，其特征在于，所述检测过程中由一台近红外波段的相机进行辅助引导。近红外相机可以在识别车辆位置的同时监测车内人员情况，判断车内人数以及分布位置。 6.根据权利要求5所述的方法，其特征在于，通过近红外相机确定的四组位置分别为：方向盘上方10cm处，前面车窗窗口中心处，后排车窗窗口中心处，空调进出风口处。 7.根据权利要求1所述的方法，其特征在于，所述神经网络算法输入由两部分组成：四组位置的QCL光谱信息与人员位置信息。 8.根据权利要求7所述的方法，其特征在于，建立乘车人员信息参数：X＝[n1，n2，n3，n4]。其中n1代表驾驶员，n2代表副驾驶员，n3代表后座左侧乘客，n4代表后座右侧乘客。 9.根据权利要求1所述的方法，其特征在于，所述神经网络算法由三个卷积层，三个池化层，一个Dropout层，五个全连接层组成。其中三层神经网络卷积核大小分别为(30，1)，(10，1)和(5，1)，卷积核数目分别为32，64和128，步长均为2；每层卷积神经网络后面连接一个最大池化层，池化层的核大小均为(5，1)；Dropout层接在最后一个池化层后，Dropout比例为0.2；Dropout层后连接五个全连接层，第一个为Flatten层，此后4个全连接层的神经元个数分别为：1024，256，32，1。最后一个为仅含一个神经元的输出层，对应于最后输出的酒精含量。所述的神经网络均选择Relu函数作为激活函数，选择Adam算法作为优化器来进行训练。同时基本学习率设置为0.0001。 10.一种固定式的QCL非接触式酒精探测仪，其特征在于，所述固定式的QCL非接触式酒精探测仪用于执行如权利要求1-9任一项所述的非接触式酒精检测技术。
所属类别：	发明专利