本发明涉及环境监测领域，具体是指船舶有限空间气体在线监测及预警系统。
背景技术：
1、在油轮维修的过程中，由于船体结构的特殊性，在施工时将不可避免地形成一个个相对密闭的且通风条件受限制的作业空间，施工中将产生少量的有毒有害气体和易燃易爆气体，这些少量的有毒有害气体聚集到一定程度时，会对作业人员的身体健康和生命安全带来极大的不利影响，甚至危害运行设备。目前，维修现场对气体的检测方式是采用人工巡检的方式使用便携式气体检测仪进行环境气体检测，不仅不能及时有效地对现场气体环境进行检测，还浪费了大量的人力物力。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本发明提供了船舶有限空间气体在线监测及预警系统，针对目前维修现场对气体的检测方式是采用人工巡检的方式使用便携式气体检测仪进行环境气体检测，不仅不能及时有效地对现场气体环境进行检测，还浪费了大量的人力物力的问题，本发明通过远距离通信传输的星型组网，结合了低功耗、低成本和组网能力强的优点和星型网络传输带宽大和传输距离远的优点，扩大了密闭船舱气体环境监测系统的监测范围，降低了监测成本；本发明使用基于光干涉原理的甲烷浓度传感器和氧气浓度传感器获取甲烷浓度和氧气浓度，使用基于边缘的纹理直方图和离散余弦变换对干涉条纹图像进行增强，可以更好地捕捉干涉条纹图像中的信息，提高干涉条纹图像的清晰度，同时减少高频分量的影响，实现对图像的平滑和增强；本发明将干涉条纹的相位展开问题看作一个密集分类问题，并训练一个基于全卷积的神经网络，使用密集块代替卷积层，可以避免后处理步骤，并对噪声有很强的鲁棒性，通过最小化梯度差来整合残差以提高预测精度，对未见过的复杂结构展开相位，进一步加强了相对于绝对相位的额外损耗和残留损耗的计算；本发明构建极限学习机对干涉条纹图像进行学习，训练速度非常快，降低了模型设计和调参的难度，具有很高的计算效率和较好的性能表现。
2、本发明采取的技术方案如下：本发明提供了船舶有限空间气体在线监测及预警系统，所述系统包括气体环境信息监测模块、气体环境信息远距离无线传送模块、环境信息集成处理模块、环境信息上传模块和云端环境信息在线监测模块；
3、所述气体环境信息监测模块配置基于光干涉原理的甲烷浓度传感器和氧气浓度传感器获取气体浓度环境信息，所述气体浓度环境信息包括甲烷浓度和氧气浓度，所述甲烷浓度传感器的测量范围为0-10%vol，测量精度为%vol，所述氧气浓度传感器的测量范围为0-30%vol，测量精度为%vol，每个封闭船舱布置1-10个气体环境信息监测模块，为每个气体环境信息监测模块适配一个星型组网终端，并分配唯一id号码，记为监测id；
4、所述气体环境信息远距离无线传送模块将气体浓度环境信息转换为星型组网协议的小数据量环境信息；
5、所述环境信息集成处理模块包括星型组网协议的协调器，设置在油轮的监控室内，通过总线接口获取星型组网协议的小数据量环境信息，并对小数据量环境信息进行集成和处理，得到大数据量信息，查询气体环境信息监测模块的监测id，找到对应相关船舱，检查气体环境信息监测模块和对应相关船舱是否加入同一个星型组网；
6、所述环境信息上传模块，通过5g无线将环境信息集成处理模块的大数据量信息通过tcp/ip协议上传至云端服务器中，按照油轮信息配置唯一油轮id号，一个环境信息上传模块对应一艘游轮；
7、所述云端环境信息在线监测模块为b/s架构的云服务系统，提取上传至云端服务器的大数据量信息，通过web端软件进行信息显示和实时监测，所述web端软件包括可视化监测模块、历史数据查询模块、异常报警模块和任务设备分配模块，所述可视化监测模块对不同油轮下的不同船舱的气体环境信息监测模块实时上传的气体浓度环境信息进行监测，所述历史数据查询模块可以查询不同油轮下的不同船舱的气体环境信息监测模块的气体浓度环境信息的变化信息和历史警报信息，所述异常报警模块对比气体环境信息监测模块的气体浓度环境信息是否超过预设阈值，对甲烷浓度超过预设阈值，氧气浓度低于预设阈值的情况进行报警，所述任务设备分配模块在船舱维修开始前对环境信息上传模块和气体环境信息监测模块在云端服务器进行配置和部署。
8、所述气体环境信息监测模块中使用机器学习方法测量甲烷浓度和氧气浓度，所述机器学习方法，具体包括以下步骤：
9、步骤s1：获取条纹干涉图像；
10、步骤s2：对条纹干涉图像进行预处理，得到初始干涉图像；
11、步骤s3：对初始干涉图像进行相位展开，得到相位展开图像；
12、步骤s4：构建极限学习机测量甲烷和氧气浓度。
13、进一步地，步骤s2中，对条纹干涉图像进行预处理，得到初始干涉图像，具体包括以下步骤：
14、步骤s21：以欧式距离作为标准距离，使用k-means聚类算法将条纹干涉图像分为两个簇；
15、步骤s22：预设一个阈值，使用阈值函数分别对条纹干涉图像的两个簇构造边缘映射，所用公式如下：
16、，
17、式中，是对条纹干涉图像的两个簇构造边缘映射，是像素的坐标，是条纹干涉图像的梯度，是预设的阈值；
18、步骤s23：将高于阈值的像素进行纹理直方图计算，获取最小像素值和最大像素值；
19、步骤s24：根据累积分布函数和传递函数得到增强图像，所用公式如下：
20、，
21、式中，是增强图像，是条纹干涉图像，是累积分布函数，是累积分布函数中的累计次数，是条纹干涉图像的纹理直方图的灰度级别；
22、步骤s25：使用离散余弦变换细化增强图像的局部对比度，所用公式如下：
23、，
24、式中，是细化图像，是条纹干涉图像的宽；
25、步骤s26：应用离散余弦变换将两个簇的细化图像合并到一张图像中，得到初始干涉图像；
26、进一步地，步骤s3中，对初始干涉图像进行相位展开，得到相位展开图像，具体包括以下步骤：
27、步骤s31：随机生成不同均值和方差的高斯分布函数，重复执行加法和减法运算，生成干涉图集，所述干涉图集包含干涉图集的包裹图像和对应的展开图像；
28、步骤s32：建立并初始化卷积神经网络，所述卷积神经网络由编码器网络、解码器网络和分类器组成，卷积神经网络由密集块构建，所述编码器构成卷积神经网络的下采样层，在解码器的每个密集块后方存在一个最大化池层，以2*2的步幅降低特征地图的空间分布率，所述解码器构成卷积神经网络的上采样层；
29、步骤s33：将干涉图集输入到卷积神经网络中进行学习，卷积神经网络的每一层都进行特征提取，得到特征映射；
30、步骤s34：将上采样层的特征映射与相应的编码器的特征映射连接，形成新的密集块的输入，对每个解码器的密集块的最后一层进行转置卷积，对特征映射进行上采样，得到包裹图像的空间维度；
31、步骤s35：计算包裹相位和展开相位的残差损失，所用公式如下：
32、，
33、式中，是残差损失，是包裹图像的大小，是遍历包裹图像的累计值，和分别是沿方向和沿方向的相位梯度，和分别是预测的沿方向和沿方向的相位梯度；
34、步骤s36：计算卷积神经网络的像素交叉熵损失，所用公式如下：
35、，
36、式中，是像素交叉熵损失，和分别是在的真值和预测的包裹计数；
37、步骤s37：计算l1损失，所用公式如下：
38、，
39、式中，是l1损失，是预测的相位展开，是干涉图集中对应的展开图像；
40、步骤s38：将残差损失、像素交叉熵损失和l1损失的和作为卷积神经网络总损失；
41、步骤s39：将初始干涉图像输入到学习完成的卷积神经网络中，卷积神经网络输出初始干涉图像的中间展开图像，使用高斯过滤器对中间展开图像进行去噪，得到相位展开图像；
42、进一步地，步骤s4中，构建极限学习机测量甲烷和氧气浓度，具体包括以下步骤：
43、步骤s41：采集甲烷光干涉图集和氧气光干涉图集，所述甲烷光干涉图集和氧气光干涉图集分别包括光干涉图和对应的气体浓度；
44、步骤s42：使用预训练的深度cnn模型vgg16和vgg19提取光干涉图的深度学习特征，得到原始特征向量；
45、步骤s43：计算均方误差，所用公式如下：
46、，
47、式中，是均方误差，是第个原始特征向量的正则化参数，是原始特征向量的个数，是第个原始特征向量的正则化参数的平均值，是从1遍历至的累计和；
48、步骤s44：如果均方误差大于或等于0.1，对特征进行更新，所用公式如下：
49、，
50、式中，是更新特征向量，是和的仿射组合，，是光干涉图的最小像素值，是原始特征向量，是计算切比雪夫距离，是对求导，是对的向量表示，是对更新后的值；
51、步骤s45：使用基于偏最小二乘的融合方法将更新特征向量融合为一个组合矩阵；
52、步骤s46：建立并初始化极限学习机，将组合矩阵输入到极限学习机进行训练，定义最小化函数和约束条件分别为：
53、，
54、，
55、式中，是第个光干涉图，是对应的气体浓度，是训练误差，是光干涉图的最大像素值，是的转置，是到达隐层的输入权向量，是惩罚参数，是光干涉图的长，是从1遍历至的累计和；
56、步骤s47：将相位展开图像输入到训练好的极限学习机，极限学习机输出对应的甲烷浓度和氧气浓度。
57、采用上述方案本发明取得的有益效果如下：
58、（1）本发明通过远距离通信传输的星型组网，结合了低功耗、低成本和组网能力强的优点和星型网络传输带宽大和传输距离远的优点，扩大了密闭船舱气体环境监测系统的监测范围，降低了监测成本；
59、（2）本发明使用基于光干涉原理的甲烷浓度传感器和氧气浓度传感器获取甲烷浓度和氧气浓度，使用基于边缘的纹理直方图和离散余弦变换对干涉条纹图像进行增强，可以更好地捕捉干涉条纹图像中的信息，提高干涉条纹图像的清晰度，同时减少高频分量的影响，实现对图像的平滑和增强；
60、（3）本发明将干涉条纹的相位展开问题看作一个密集分类问题，并训练一个基于全卷积的神经网络，使用密集块代替卷积层，可以避免后处理步骤，并对噪声有很强的鲁棒性，通过最小化梯度差来整合残差以提高预测精度，对未见过的复杂结构展开相位，进一步加强了相对于绝对相位的额外损耗和残留损耗的计算；
61、（4）本发明构建极限学习机对干涉条纹图像进行学习，训练速度非常快，降低了模型设计和调参的难度，具有很高的计算效率和较好的性能表现。
1.船舶有限空间气体在线监测及预警系统，其特征在于，包括气体环境信息监测模块、气体环境信息远距离无线传送模块、环境信息集成处理模块、环境信息上传模块和云端环境信息在线监测模块；
2.根据权利要求1所述的船舶有限空间气体在线监测及预警系统，其特征在于，所述气体环境信息监测模块中使用机器学习方法测量甲烷浓度和氧气浓度，所述机器学习方法，具体包括以下步骤：
3.根据权利要求2所述的船舶有限空间气体在线监测及预警系统，其特征在于，步骤s2中，对条纹干涉图像进行预处理，得到初始干涉图像，具体包括以下步骤：
4.根据权利要求3所述的船舶有限空间气体在线监测及预警系统，其特征在于，步骤s3中，对初始干涉图像进行相位展开，得到相位展开图像，具体包括以下步骤：
5.根据权利要求4所述的船舶有限空间气体在线监测及预警系统，其特征在于：步骤s4中，构建极限学习机测量甲烷和氧气浓度，具体包括以下步骤：
