用于气体检测的装置、方法和计算机程序产品

技术领域

本公开的示例性实施方案通常涉及检测潜在危险气体，并且更具体地涉及用于提供基于机器学习和人工智能的潜在危险气体识别和定量的方法、装置和计算机程序产品。

背景技术

许多工业设施/应用可能产生和/或释放一种或多种气体，这些气体可在设施内引起危险的、有时可能爆炸的空气。此类工业设施/应用包括但不限于海上油气平台、浮式生产储卸油船、油轮、陆上油气码头、炼油厂、液化天然气瓶装厂、气体压缩机/计量站以及燃气涡轮发电厂。此类潜在的危险气体包括但不限于碳氢化合物，诸如甲烷、乙烷、丙烷和丁烷。此类工业设施内和周围的空气通常被监测，以检测此类潜在危险气体的存在，从而防止可能导致爆炸的积聚。

传统的光学红外气体检测器通常被安装在此类工业设施中及其周围。这种传统气体检测器通常被校准以检测单一类型的气体，并且因此被称为“固定气体检测器”。此类传统气体检测器提供相对快速的空气分析和校准气体的检测。然而，一些工业设施/应用能够产生/释放多种不同类型的危险气体。当暴露于环境中的其它气体时，由于光谱吸收特性中的交叉干扰，这些固定气体检测器易于出现交叉灵敏度问题。一些气体具有的吸收峰比校准气体更强。这能够导致“误报”情况，其中当可燃气体混合物的累积浓度尚未达到预定安全极限时就触发警报。

更复杂的气体分析仪，诸如使用傅里叶变换红外(FTIR)光谱法的那些分析仪，由于它们能够以约0.1纳米(nm)的分辨率扫描大波长范围，因此能够检测许多不同的气体和气体组合。然而，这种FTIR气体分析仪比传统的单一气体检测器明显更加昂贵，并且花费长得多的时间来完成扫描以及检测存在的气体，从而限制了它们的可用性。此外，传统的Michelson型FTIR气体分析仪会受到振动和温度变化的负面影响。

申请人已经发现当前气体检测系统和方法的实施方式中存在的问题。通过所付努力、智慧和创新，包括在本公开的实施方案中的开发解决方案已经解决了许多这些识别的问题，本文详细描述了这些解决方案的许多示例。

发明内容

一般而言，本文提供的本公开的实施方案提供气体检测的改进。在检查以下附图和详细描述时，用于气体检测的其他实施方式对于本领域技术人员将是或将变得显而易见。本说明书内包括的所有此类附加具体实施均旨在处于本公开的范围内，并且受以下权利要求书的保护。

根据本公开的第一方面，提供了一种方法。该方法可经由如本文所述的硬件、软件、固件和/或它们的组合中体现的一个或多个计算设备来进行计算机执行。在具有一个或多个处理器和一个或多个存储器的设备处执行该方法的示例性具体实施。示例性方法包括：利用第一预定多个不同波长中的每个波长处的红外光分别扫描预定多个不同训练气体中的每个训练气体；针对预定多个不同训练气体中的每个训练气体，检测并记录在第一预定多个不同波长中的每个波长下的红外光的吸收；创建多个训练吸收波形，针对预定多个不同浓度中的每个浓度和预定多个不同温度中的每个温度下的预定多个不同训练气体的每种可能的不同组合创建一个训练吸收波形；确定每个训练吸收波形的多个训练波形特征；将每个训练吸收波形的多个训练波形特征输入到数据模型中以训练数据模型；利用第二预定多个不同红外波长中的每个红外波长下的红外光扫描未知气体或未知气体组合；检测并记录在第二预定多个不同波长中的每个波长下红外光的吸收；针对所扫描的未知气体或未知气体组合创建检测吸收波形；确定检测吸收波形的多个检测波形特征；将检测吸收波形的多个检测波形特征输入数据模型；从数据模型生成未知气体或未知气体组合中的每个气体的标识和浓度；以及在至少一个显示器上显示未知气体或未知气体组合中的每个气体的标识和浓度。在示例性方法中，未知气体或未知气体组合包括预定多个不同训练气体中的一个或多个训练气体。

附加地或另选地，在该方法的一些示例性实施方案中，第二预定多个不同波长等于第一预定多个不同波长，或者第二预定多个不同波长是第一预定多个不同波长的子集。

附加地或另选地，在该方法的一些示例性实施方案中，第一和第二预定多个不同波长在预定波长范围上均匀地间隔开。

附加地或另选地，在该方法的一些示例性实施方案中，分别扫描预定多个不同训练气体中的每个训练气体包括分别扫描在预定多个不同浓度中的每个浓度下的预定多个不同训练气体中的每个训练气体。

附加地或另选地，在该方法的一些示例性实施方案中，分别扫描预定多个不同训练气体中的每个训练气体包括分别扫描在预定多个不同温度中的每个温度下的预定多个不同训练气体中的每个训练气体。

附加地或另选地，在该方法的一些示例性实施方案中，该方法还包括确定所扫描的未知气体或未知气体组合的温度，并且将所确定的所扫描的未知气体或未知气体组合的温度输入到数据模型中。

附加地或另选地，在该方法的一些示例性实施方案中，该方法还包括确定所扫描的未知气体或未知气体组合的爆炸下限百分比。

根据本公开的另一个方面，提供了一种示例性系统。在至少一个示例性实施方案中，示例性系统包括至少一个处理器和至少一个存储器。该至少一个存储器具有存储在其上的计算机程序代码，该计算机程序代码在通过该至少一个处理器执行时配置该系统以执行本文所述的示例性方法中的任一者。在又一示例性实施方案中，示例性系统包括用于执行本文描述的示例性方法中的任一者的每个步骤的装置。

根据本公开的又一个方面，提供了一种示例性计算机程序产品。示例计算机程序产品包括其上存储有计算机程序代码的至少一个非暂时性计算机可读存储介质，该计算机程序代码在通过至少一个处理器执行时配置该至少一个处理器以执行本文描述的示例性方法中的任一者。

附图说明

因此，已经概括地描述了本公开的实施方案，现在将参考附图，这些附图未必按比例绘制，并且其中：

图1示出了可被特别构造的用于气体检测的系统的框图，本公开的实施方案可在该系统中操作；

图2示出了根据本公开的示例性实施方案的可以被专门配置的示例性气体扫描装置的框图；

图3示出了根据本公开的示例性实施方案的可以被专门配置的示例性气体监测装置的框图；

图4示出了根据本公开的示例性实施方案的可以被专门配置的示例性气体扫描装置的框图；

图5示出了根据本公开的示例性实施方案的可以被专门配置的示例性气体检测数据模型训练装置的框图；

图6示出了根据本公开的至少一些示例性实施方案的用于使用数据模型进行气体检测的示例性计算环境的可视化；

图7至图9示出了根据本公开的至少一些示例性实施方案的包括用于气体检测的示例性过程的操作框的流程图；

图10和图11示出了根据本公开的至少一些示例性实施方案的用于气体检测的示例性过程的示例性波形；并且

图12示出了根据本公开的至少一些示例性实施方案的提供气体检测结果的示例性用户界面。

具体实施方式

在下文中现在将参考附图更全面地描述本发明的实施方案，在附图中示出了本公开的一些但不是全部的实施方案。实际上，本公开的实施方案能够以许多不同的形式体现，并且不应该被解释为限于本文所阐述的实施方案；相反，提供了这些实施方案，使得本公开将满足适用的法律要求。在全篇内容中，类似的标号指代类似的元件。

本公开的实施方案提供用于通过扫描气体(典型地在比FTIR气体分析仪或类似仪器数量少得多的不同波长下)并且使用数据模型(诸如深神经网络学习模型)来分析所产生的波形的特征来检测气体混合物的多个不同组合中的单个气体标识和浓度。在本公开的实施方案中，数据模型被训练以识别可存在于特定设施/应用中的预选的、相对少量的不同气体(例如，十种或更少的不同气体)。通过限制能够被检测的不同气体的数量，并且针对那些气体的所有可能组合训练数据模型，本公开的实施方案能够使用数量少得多的波长来检测有限数量的气体的标识和浓度，并且因此气体检测器比其他情况将需要的更简单、更快。本公开的实施方案提供用于识别传统上能够由光学红外气体检测器检测的任何类型的气体(包括但不限于碳氢化合物气体)的单个气体标识和浓度。本公开的实施方案提供使用任何合适类型的气体检测器来识别单个气体标识和浓度，包括但不限于配备有基于微机电系统(MEMS)的光谱仪、MEMS FTIR光谱仪和双梳光谱仪的气体检测器。与传统FTIR气体检测器相比，这些类型的气体检测器具有更快的响应，但具有更低的波长扫描分辨率(典型的分辨率约10nm-50nm)。

本公开所属领域的技术人员在受益于前述描述和相关附图中呈现的教导之后，将想到本文所阐述的本公开的许多修改和其他实施方案。因此，应当理解，实施方案不限于所公开的特定实施方案，并且修改和其他实施方案旨在被包括在所附权利要求的范围内。此外，尽管上述描述和相关附图在元件和/或功能的某些示例性组合的语境中描述了示例性实施方案，但应当理解，在不脱离所附权利要求书的范围的情况下，可由另选的实施方案提供元件和/或功能的不同组合。就这一点而言，例如，还可设想与上文明确描述的那些不同的元件和/或功能组合，如可在所附权利要求中的一些中所示的那样。尽管本文采用了特定术语，但它们仅以一般性和描述性意义使用，而不是出于限制的目的。

现在参考附图，图1是根据本公开的示例性实施方案的用于气体检测的示例性系统的示例性框图。图1示出了监测一个或多个气体检测器的示例性气体检测系统，该气体检测器扫描在一个或多个设施中的一个或多个不同位置处的少量潜在危险的预定不同气体的存在，以识别预定组的不同气体的存在和浓度。在所示的实施方案中，气体检测系统100包括通过网络120与监控设备130通信的多个气体检测器110。在示例性实施方案中，任何合适数量的气体检测器110都可被监测。在所示的实施方案中，气体检测器110被标记为1到N，以指示气体检测设备的潜在变化数量。

在所示的实施方案中，气体检测系统100还包括：校准气体检测器140，用于扫描少量预定的不同气体以能够创建校准气体数据库；以及数据模型训练设备150，用于使用校准气体数据库来训练数据模型，以检测预定组的不同气体。

在所示实施方案中，气体检测系统100还包括一个或多个用户设备160。一个或多个用户设备160可以与气体检测系统100的用户相关联。在各种实施方案中，监测设备130可经由用户设备160向用户生成和/或传输消息、警报或指示。附加地或另选地，用户可以利用用户设备160远程访问气体检测器110、监测设备130和/或数据模型训练设备150。例如，这可以通过在用户设备160上操作的应用来实现。用户可以远程访问气体检测器110、监测设备130和/或数据模型训练设备150，包括一个或多个可视化、报告和/或实时显示。

图2示出了根据本公开的一些实施方案的示例性气体检测器110的示例性框图；示例性气体检测器110被用于扫描设施等中的空气，作为检测设施中存在什么气体及其浓度的过程的一部分。在示例性实施方案中，气体检测器110包括光学红外气体检测器。在所示的实施方案中，气体检测器110包括处理电路205、通信电路210、存储器电路215、输入/输出电路220、气体扫描电路230和温度感测电路235。

在示例性实施方案中，处理电路205通常根据存储在存储器电路215中的配置数据和指令编程来控制气体检测器110及其部件的操作。在示例性实施方案中，气体扫描电路230结合处理电路205以多个预定红外波长对气体检测器110的位置处的空气进行光学扫描，并且检测/捕获每个波长下的吸收。在示例性实施方案中，处理电路205还经由温度感测电路235检测并记录气体检测器110的位置处的温度。在示例性实施方案中，通信电路210使得气体检测器110能够与监测设备130通信，以诸如经由网络120传输在每个波长处的检测到的吸收和检测到的温度。在一些实施方案中，气体检测器110以预定间隔(诸如每五分钟)重复扫描空气。在示例性实施方案中，输入/输出电路220使得用户能够与气体检测器110连接，诸如查看状态指示器。

图3示出了根据本公开的示例性实施方案的用于气体检测的示例性监测设备的示例性框图。图3的示例性监测设备130与气体检测器110通信，以接收每个波长处检测到的吸收和检测到的温度，诸如经由网络120。在所示的实施方案中，监测设备130包括处理电路305、通信电路310、存储器电路315、输入/输出电路320、显示器325、数据处理电路330和数据模型推断电路335。

在示例性实施方案中，处理电路305通常根据存储在存储器电路315中的配置数据和指令编程来控制监测设备130及其部件的操作。在示例性实施方案中，通信电路310使得监测设备130能够与气体检测器110通信，以诸如经由网络120接收在每个波长处检测到的吸收和检测到的温度。在示例性实施方案中，处理电路305能够结合数据处理电路330，接收在每个波长处检测到的吸收，创建在每个波长处检测到的吸收的波形，并且从波形中提取一个或多个特征，如下文进一步描述的。在示例性实施方案中，处理电路305能够结合数据模型推断电路335，将数据模型(如下文进一步描述的)应用于所提取的特征，以确定所检测的气体的标识和浓度。在示例性实施方案中，处理电路30结合数据处理电路330，进一步确定所识别的气体混合物的爆炸下限百分比(LEL％)，将LEL％与预定阈值进行比较，并且如果LEL％超过预定阈值则触发警报。在示例性实施方案中，处理电路305诸如经由显示器325显示检测到的气体的标识和浓度、确定的LEL％和/或指示高LEL％的警报，以供一个或多个用户查看。在本公开的各种示例中，显示器325可包括液晶显示器(LCD)、发光二极管(LED)显示器、等离子体(PDP)显示器、量子点(QLED)显示器等。附加地或另选地，在本公开的各种示例中，与潜在危险环境条件有关的此类信息和/或警报可被传输到一个或多个用户设备160(例如，移动电话等)以供用户查看。在示例性实施方案中，输入/输出电路320使得用户能够与监测设备130交互。

在本发明的一些实施方案中，监测设备130的功能被结合到每个气体检测器110中，并且监测设备被省略。

图4示出了根据本公开的示例性实施方案的示例性校准气体检测器的示例性框图。图4的示例性校准气体检测器140被用于扫描预选的、相对少量的不同气体(称为“校准气体”)，以创建用于训练数据模型的校准数据库，如下文进一步描述的。气体检测器110和校准气体检测器140的功能类似，并且在一些实施方案中包括相同类型的气体检测器。在示例性实施方案中，校准气体检测器140包括光学红外气体检测器。在所示的实施方案中，校准气体检测器140包括处理电路405、通信电路410、存储器电路415、输入/输出电路420、气体扫描电路430和温度设定电路435。

在示例性实施方案中，处理电路405通常根据存储在存储器电路415中的配置数据和指令编程来控制校准气体检测器140及其部件的操作。在示例性实施方案中，气体扫描电路430结合处理电路405，在多个预定红外波长下对每个校准气体进行光学扫描并且检测/捕获每个波长下的吸收，如下文进一步描述的。在一些实施方案中，气体扫描电路430结合处理电路405，针对多个不同浓度(通常测量为气体的LEL的百分比)中的每个浓度，在多个预定红外波长下对每个校准气体进行光学扫描，并且检测/捕获在每个波长下的吸收以及相应浓度。在一些实施方案中，温度设定电路435结合处理电路405来设定待扫描的校准气体的温度。在一些实施方案中，气体扫描电路430结合处理电路405，针对多个不同浓度(通常测量为气体的LEL的百分比)中的每个浓度以及多个不同温度中的每个温度，在多个预定红外波长下对每个校准气体进行光学扫描，并且检测/捕获每个波长下的吸收以及相应的浓度和温度。在示例性实施方案中，通信电路410使得校准气体检测器140能够与数据模型训练设备150通信，以传输针对多个不同浓度中的每个浓度和多个不同温度中的每个温度的在每个波长下的检测到的吸收。在示例性实施方案中，输入/输出电路420使得用户能够与校准气体检测器140连接，诸如查看状态指示器。

在一些实施方案中，气体扫描电路430结合处理电路405在多个不同温度下对每个校准气体的每个浓度进行光学扫描。在一些实施方案中，在相对大量的不同温度下扫描每个校准气体的每个浓度。在示例性实施方案中，在-40℃至40℃的温度范围内以5度增量(即，17个不同温度)扫描每个校准气体的每个浓度。然而，在这种相对大量的不同温度中的每个温度下扫描每个校准气体的每个浓度，显著地增加了获得用于训练数据模型的校准气体数据所需的时间和精力。已知在气体的红外吸收和气体的温度之间存在反比关系(即，红外吸收随着温度升高而降低，并且反之亦然)，并且该反比关系基本上是线性的。因此，在一些另选实施方案中，在相对少量的不同温度下扫描每个校准气体的每个浓度，且通过计算表示红外吸收与温度之间的反线性关系的温度系数，从经扫描的温度下的吸收数据内插/外推多个其它未扫描温度下的吸收值。每个不同校准气体的温度系数是常数。在另选的示例性实施方案中，在-40℃至40℃的温度范围内以20度增量(即，5个不同温度)扫描每个校准气体的每个浓度。在此类另选的示例性实施方案中，使用温度系数从五个扫描温度下的吸收数据内插/外推在多个其他未扫描的感兴趣的温度下的吸收值。在一个此类另选的示例性实施方案中，未扫描的感兴趣的温度(使用温度系数对其吸收数据进行内插)以5度增量覆盖-40℃至40℃的温度范围(不包括该范围中的五个扫描温度)。

图5示出了根据本公开的示例性实施方案的用于气体检测的示例性数据模型设备的示例性框图。图5的示例性数据模型训练设备150与校准气体检测器140通信，以接收每个校准气体在每个波长下的检测到的吸收，并且训练数据模型以在一个或多个校准气体存在于气体检测器110中的一个气体检测器处时检测校准气体的标识和浓度。在所示的实施方案中，数据模型训练设备150包括处理电路505、通信电路510、存储器电路515、输入/输出电路520、数据处理电路530和数据模型训练电路535。

在示例性实施方案中，处理电路505通常根据存储在存储器电路515中的配置数据和指令编程来控制数据模型训练设备150及其部件的操作。在示例性实施方案中，通信电路510使得数据模型训练设备150能够与校准气体检测器140通信，以接收在每个校准气体的每个波长下检测到的吸收。在一些实施方案中，数据模型训练设备150接收针对校准气体的每个浓度和/或每个温度在每个波长下的检测到的吸收。在一些实施方案中，数据模型训练设备150接收针对相对少量的不同温度(例如，五个不同温度)在每个波长下的检测到的吸收，计算表示吸收与温度之间的逆线性关系的温度系数，并且使用该温度系数经由数据处理电路530确定针对其他未扫描温度在每个波长下的吸收。

在示例性实施方案中，处理电路505结合数据处理电路530针对校准气体、浓度和温度的每个可能组合(扫描的和内插/外插的)创建在每个波长下的检测到的吸收的波形。可以通过将不同浓度的数量以不同校准气体的数量进行幂运算，再乘以不同温度的数量来计算不同可能组合的数量。在具有五个不同的校准气体、十一个不同的浓度(以10％的增量从0％ LEL到100％ LEL)和十七个不同的温度(以5度的增量从-40℃到40℃)的示例性实施方案中，存在2,737,867(11

在示例性实施方案中，处理电路505结合数据处理电路530从每个创建的波形中提取一个或多个特征，如下文进一步描述的。在示例性实施方案中，用于训练数据模型的所提取的特征与由监测设备130输入到所训练的数据模型中的所提取的特征相同。在示例性实施方案中，处理电路505将每个波形的所提取特征输入到数据模型训练电路535中，从而维持每个波形的所提取特征与和每个波形相关联的具体校准气体、浓度和温度之间的关系。在示例性实施方案中，数据模型训练电路535使用所提取的特征来训练数据模型，以确定未知气体或气体组合(只要未知气体与校准气体相同或为校准气体的子集)的标识和浓度。

输入/输出电路520使得用户能够与数据模型训练设备150交互。

在本发明的一些实施方案中，监测设备130的功能和数据模型训练设备150的功能被组合到单个设备中。

气体检测器110、监测设备130、校准气体检测器140和/或数据模型训练设备150可被配置为执行本文所述的操作。虽然针对功能限制描述了各部件，但应当理解，特定的具体实施必定包括使用特定硬件。还应当理解，本文所述的某些部件可包括类似或常见的硬件。例如，两组电路均可使用相同的处理器、网络接口、存储介质等以执行其相关联的功能，使得每组电路均不需要重复的硬件。

因此，应当理解，如本文相对于装置的部件所用的术语“电路”的使用包括被配置为执行与本文所述的特定电路相关联的功能的特定硬件。术语“电路”应被广义地理解为包括硬件，并且在一些实施方案中，包括用于配置硬件的软件。例如，在一些实施方案中，“电路”可包括处理电路、存储介质、网络接口、输入/输出设备等。在一些实施方案中，气体检测系统100的其他元件可提供或补充特定电路的功能。例如，处理电路205、305、405、505可提供处理功能，通信电路210、310、410、510可提供网络接口功能，存储器电路215、315、415、515可提供存储功能等。

在一些实施方案中，处理电路205、305、405、505(和/或协处理器或协助该处理器或以其他方式与该处理器相关联的任何其他处理电路)可经由总线分别与存储器电路215、315、415、515通信，以用于在装置的部件之间传递信息。处理电路205、305、405、505可以多种不同的方式体现，并且例如可包括被配置为独立执行的一个或多个处理设备。附加地或另选地，处理电路205、305、405、505可包括经由总线串联配置的一个或多个处理器，以实现对指令、流水线和/或多线程的独立执行。术语“处理电路”的使用可以理解为包括单核处理器、多核处理器、装置内部的多个处理器、和/或远程或“云”处理器。

例如，处理电路205、305、405、505可体现为一个或多个复杂可编程逻辑设备(CPLD)、微处理器、多核处理器、协同处理实体、专用指令集处理器(ASIP)和/或控制器。此外，处理电路205、305、405、505可体现为一个或多个其他处理设备或电路。术语电路可指完全硬件实施方案或硬件和计算机程序产品的组合。因此，处理电路205、305、405、505可体现为集成电路、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、硬件加速器、其他电路等。因此应当理解，处理电路205、305、405、505可被配置用于特定用途或被配置为执行存储在易失性或非易失性介质中或可由处理电路205、305、405、505以其他方式访问的指令。因此，无论是由硬件还是由计算机程序产品配置，还是由它们的组合配置，当相应地配置时，处理电路205、305、405、505可以能够执行根据本公开的实施方案的步骤或操作。

在示例性实施方案中，处理电路205、305、405、505可以被配置为执行分别存储在存储器电路215、315、415、515中或者可由处理器以其他方式访问的指令。另选地或附加地，处理电路205、305、405、505可被配置为执行硬编码功能。因此，无论通过硬件方法或软件方法配置，还是通过它们的组合配置，处理器均可表示能够根据本公开的实施方案执行操作同时进行相应配置的实体(例如，以电路系统形式物理地体现)。另选地，又如，当处理电路205、305、405、505体现为软件指令的执行器时，指令可将处理器专门配置为在执行指令时执行本文所述的算法和/或操作。

在一些实施方案中，存储器电路215、315、415、515还可包括易失性介质(也称为易失性存储装置、存储器、存储器存储装置、存储器电路和/或在本文中可互换使用的类似术语)或者与易失性介质通信。在一些实施方案中，易失性存储装置或存储器还可包括诸如但不限于RAM、DRAM、SRAM、FPM DRAM、EDO DRAM、SDRAM、DDR SDRAM、DDR2SDRAM、DDR3 SDRAM、RDRAM、RIMM、DIMM、SIMM、VRAM、高速缓存存储器、寄存器存储器等。如将认识到的，存储器电路215、315、415、515可用于存储分别由例如如图2至图5所示的处理电路205、305、405、505执行的数据库、数据库实例、数据库管理系统实体、数据、应用程序、程序、程序模块、脚本、源代码、目标代码、字节代码、编译代码、解译代码、机器代码、可执行指令等的至少部分。因此，数据库、数据库实例、数据库管理系统实体、数据、应用、程序、程序模块、脚本、源代码、目标代码、字节代码、编译代码、解译代码、机器代码、可执行指令等可用于在处理电路205、305、405、505和操作系统的帮助下控制气体探测器110、监测设备130、校准气体探测器140和/或数据模型训练设备150的操作的某些方面。

在一些实施方案中，存储器电路215、315、415、515还可包括非易失性介质(也称为非易失性存储装置、存储器、存储器存储装置、存储器电路和/或在本文中可互换使用的类似术语)或者与易失性介质通信。在一些实施方案中，存储器电路215、315、415、515可包括诸如但不限于硬盘、ROM、PROM、EPROM、EEPROM、闪存存储器、MMC、SD存储卡、记忆棒、CBRAM、PRAM、FeRAM、RRAM、SONOS、跑道存储器等。如将认识到的，存储器电路215、315、415、515可存储数据库、数据库实例、数据库管理系统实体、数据、应用程序、程序、程序模块、脚本、源代码、目标代码、字节代码、编译代码、解译代码、机器代码、可执行指令等。术语数据库、数据库示例、数据库管理系统实体和/或类似术语在本文中可互换使用并且在一般意义上可以是指存储在计算机可读存储介质中的信息/数据的结构化或非结构化集合。

在本公开的各种实施方案中，存储器电路215、315、415、515还可体现为一个或多个数据存储设备、一个或多个单独的数据库服务器或数据存储设备和单独的数据库服务器的组合。此外，在一些实施方案中，存储器电路215、315、415、515可体现为分布式储存库，使得所存储的信息/数据中的一些集中存储在系统内的位置中，并且其他信息/数据存储在一个或多个远程位置中。另选地，在一些实施方案中，分布式储存库可仅分布在多个远程存储位置上。本文设想的实施方案的示例将包括由第三方提供方维护的云数据存储系统，并且恢复系统运行所需的部分或全部信息/数据可存储在该系统中。此外，恢复系统运行所需的信息/数据也可能部分存储在云数据存储系统中，部分存储在本地维护的数据存储系统中。更具体地，存储器电路215、315、415、515可包含被配置为存储在某些实施方案中可用的信息/数据的一个或多个数据存储区。

在图2至图5所示的示例中，电路的一个或多个实例可以是存储器电路215、315、415、515的一部分。在该示例中，术语“电路”是指存储器电路215、315、415、515中可存储可执行计算机程序指令的一个或多个数据存储单元。当存储在此类电路中的可执行计算机程序指令由处理电路(诸如但不限于图2-5所示的处理电路205、305、405、505)执行时，可执行计算机程序指令可使处理电路执行一个或多个功能。

通信电路210、310、410、510可为任何装置，诸如以硬件或者硬件和软件的组合体现的设备或电路，其被配置为分别与气体检测器110、监测设备130、校准气体检测器140和/或数据模型训练设备150通信的任何其他设备、电路或模块接收和/或传输数据。就这一点而言，通信电路210、310、410、510可以包括例如用于实现与有线或无线通信网络通信和/或根据本文描述的各种联网协议的网络接口。例如，通信电路210、310、410、510可包括一个或多个网络接口卡、天线、总线、交换机、路由器、调制解调器和支持硬件和/或软件，或适用于经由网络实现通信的任何其他设备。附加地或另选地，通信接口可包括用于与天线交互的电路系统以使得信号经由天线传输或处理经由天线接收的信号接收。

还应注意，本文所讨论的所有或一些信息能够基于由气体检测器110、监测设备130、校准气体检测器140和/或数据模型训练设备150的一个或多个部件接收、生成和/或维护的数据。在一些实施方案中，还可利用一个或多个外部系统(诸如远程云计算和/或数据存储系统)来提供本文所讨论的至少一些功能。

图1描绘了与多个气体检测器110以及与数据模型训练设备150通信的监测设备130。在一些实施方案中，监测设备130、数据模型训练设备150和/或气体检测器110被配置为彼此直接通信或通过与另一设备(例如，控制器)的直接通信而间接通信。在其他实施方案中，例如如所描绘的，监测设备130、数据模型训练设备150和/或气体检测器110被配置为通过通信网络120彼此通信。

通信网络120可体现被配置为实现两个或更多个计算设备之间的通信的任何各种网络。在一些实施方案中，通信网络120体现私人网络。例如，监测设备130和/或数据模型训练设备150可以由内部网络上的各种计算设备实施，诸如与定位在设施中的各种位置处的各种气体检测器110通信的设施的一个或多个服务器。

在其他实施方案中，通信网络120体现公共网络，例如互联网。在一些此类实施方案中，监测设备130和/或数据模型训练设备150可以体现远程或“云”系统，该远程或“云”系统通过通信网络120从与气体检测器110的物理位置分离的位置访问气体检测器110。例如，监测设备130和/或数据模型训练设备150可以由中央总部、中央监测设施、服务器场、分布式平台等的计算设备来体现。在一些此类实施方案中，监测设备130和/或数据模型训练设备150可以被直接访问(例如，经由显示器和/或与监测设备130和/或数据模型训练设备150可操作地接合的外围设备)，和/或可以通过使用客户端设备被间接访问。例如，在一些实施方案中，用户可以登录(例如，利用用户名和密码)或以其他方式访问监测设备130和/或数据模型训练设备150以访问关于一个或多个特定设施的所描述的功能。

在一些实施方案中，输入/输出电路220、320、420、520可以分别与处理电路205、305、405、505通信以向用户提供输出，并且在一些实施方案中接收用户输入的指示。输入/输出电路220、320、420、520可以包括键盘、鼠标、操纵杆、触摸屏、触摸区域、软键、麦克风、扬声器或其他输入/输出机构。处理器和/或包括处理器的用户界面电路可以被配置为通过存储在处理器可访问的存储器(例如，存储器电路215、315、415、515等)上的计算机程序指令(例如，软件和/或固件)来控制一个或多个用户界面元素的一个或多个功能。

本公开的方法、装置、系统和计算机程序产品可由多种设备中的任何一种体现。例如，示例性实施方案的方法、装置、系统和计算机程序产品可由固定计算设备诸如个人计算机、计算服务器、计算工作站或它们的组合来体现。另外，示例性实施方案可由多种移动终端、移动电话、智能电话、膝上型计算机、平板计算机或上述设备的任何组合中的任一种来体现。

图6示出了根据本公开的至少一些示例性实施方案的用于使用数据模型的气体检测的示例性计算环境的可视化。就这一点而言，示例性计算环境和与其相关联描述的各种数据可由一个或多个计算设备维持，诸如模型训练设备150和/或监测设备130。例如，模型训练设备150和/或监测设备130(单独地或组合地)可以经由硬件、软件、固件和/或其组合来专门配置，以执行关于图6描述的各种数据处理和交互，以从与预定组的校准气体相关联的数据中识别一种或多种未知气体及其浓度。

图6的示例性计算环境600包括用于识别一种或多种未知气体及其浓度的一个或多个数据模型，只要未知气体包括用于训练数据模型的一个或多个校准气体。在示例性实施方案中，气体检测模型605使用从扫描预定组的校准气体中提取的波形特征来识别那些校准气体中的一个或多个校准气体的存在及其浓度，诸如在此类气体的存在可能造成爆炸风险或一些其他危险的设施中。在一些实施方案中，气体检测模型605包括任何合适的人工智能深度学习模型。在一个示例性实施方案中，气体检测模型605包括随机森林分类器。

气体检测模型605具有训练部分610和推断或检测部分615。在示例性实施方案中，从扫描预定组的校准气体中提取的波形特征620(包括来自校准气体的多个不同浓度和/或多个不同温度的组合中的数据)被输入到训练部分610，以便训练气体检测模型605从包括校准气体的一组气体中识别一个或多个未知气体及其浓度。模型训练部分610的产品是由气体检测模型605的推断或检测部分615所使用的训练模型权重625。

在一些实施方案中，在数据模型已经被训练之后，从气体检测器(诸如气体检测器110)周围的空气的扫描中提取的波形特征630被输入到气体检测模型605的推断部分615中。通过接收从气体检测器周围的空气的扫描中提取的波形特征630，气体检测模型605的推断部分615输出检测到的气体635的标识及其浓度。

已经描述了与本公开的实施方案相关联的示例性系统、装置、计算环境和用户界面，现在将讨论包括由本文所述的装置和/或系统执行的各种操作的示例性流程图。应当理解，流程图中的每个流程图描绘了示例性计算机实现的过程，该过程可由本文所述的装置、系统和/或设备中的一者或多者执行，例如利用其部件中的一个或多个部件执行。可以多种方式中的任一种方式布置指示每个过程的操作的框，如本文所描绘和描述。在一些此类实施方案中，本文所述过程中的任何过程的一个或多个框发生在另一个过程的一个或多个框之间、另一个过程的一个或多个框之前和/或以其他方式作为第二过程的子过程操作。附加地或另选地，过程中的任何过程可包括所描述和/或描绘的步骤中的一些或全部步骤，在一些实施方案中包括一个或多个任选的操作框。关于以下流程图，在本公开的一些或全部实施方案中，所描绘的框中的一个或多个框可以是任选的。任选的框以虚线(或“点划线”)示出。类似地，应当理解，每个流程图的操作中的一个或多个操作可以是可组合的、可替换的和/或以其他方式改变的，如本文所述。

图7示出了根据本公开的至少一些示例性实施方案的包括创建用于气体检测的校准气体数据库的示例性过程的操作框的流程图。具体地，图7描绘了示例性过程700的操作。在一些实施方案中，计算机实现的过程700由存储在计算机程序产品的非暂态计算机可读介质上的计算机程序代码来体现，该计算机程序代码被配置用于执行以执行计算机实现的方法。另选地或附加地，在一些实施方案中，示例性过程700由一个或多个专门配置的计算设备(诸如校准气体检测器140)执行。就这一点而言，在一些此类实施方案中，校准气体检测器140由存储在其上例如存储在存储器415和/或本文所描绘和/或描述的另一部件中和/或校准气体检测器140可以其他方式访问的计算机程序指令抓门配置，以用于执行相对于示例性过程700所描绘和描述的操作。在一些实施方案中，专门配置的校准气体检测器140包括和/或以其他方式与一个或多个外部装置、系统、设备等通信，以执行所描绘和描述的操作中的一个或多个操作。

过程700在步骤/操作705处开始。在步骤/操作710处，处理器(诸如但不限于上文结合图4所描述的校准气体检测器140的处理电路405)针对第一次通过过程700的校准气体数据库选择待扫描的第一气体，或针对后续通过过程700的校准气体数据库选择待扫描的下一个气体。在示例性实施方案中，校准气体包括少量(典型地少于十个，并且优选地大约五个或六个)气体，其已经被用户识别为最可能在气体检测器110的位置处被检测到(或者以其他方式被关注)。通过将校准气体的数量以及对应地能够由气体检测系统100检测的气体的数量限制到这样小的数量，并且通过使用经训练的数据模型，有可能使用以波长远少于能够检测大量不同气体的气体检测器(例如，FTIR气体分析仪等，其典型地以1500个波长或更多(有时多达9000个波长)进行扫描)进行扫描的气体检测器来检测该少量气体的存在及其浓度，并且因此复杂性和速度显著降低。

在一些替代实施方案中，可针对大量不同气体实施过程700以创建可能需要在所有或许多设施/位置/应用中检测的所有或许多气体的校准气体“库”。然后，可以根据需要从校准气体库中选择特定设施/位置/应用所关注的特定的较少数量的气体。

在步骤/操作715处，处理器(诸如但不限于上文结合图4描述的校准气体检测器140的处理电路405和/或气体扫描电路430)在预定多个红外波长中的每个红外波长下扫描选定气体。在一些实施方案中，扫描气体的数量和具体波长可以变化，并且可以使用任何适当数量的具体波长。所选波长的数量涉及检测精度与气体检测器110的速度/成本/复杂性之间的权衡。增加扫描气体的波长的数量增加了气体检测的准确性，但是可以增加成本和复杂性并且降低速度，而减少波长的数量降低了准确性，但是可以降低成本和复杂性并且增加速度。因此，在一些实施方案中，选择不同波长的数量以提供气体检测的期望精度和气体检测器的期望速度/成本/复杂性。在一些实施方案中，不同波长的数量介于70和200之间。在一些实施方案中，不同的波长将在预定的红外范围内均匀地间隔开。在一些实施方案中，预定的红外范围是2700-3700纳米。

图10示出了示例性波形，其示出了以较低数量的不同波长对气体进行扫描如何能够提供对数量高得多的不同波长进行扫描的合理近似。具体地，图10示出了以9000个不同波长扫描以产生波形1005(以虚线)的丙烷气体，以及以20个不同波长扫描以产生波形1010(以实线)的丙烷气体(其数量比在本公开的实施方案的实际实施方式中可能使用的不同波长的数量更低)。在一些实施方案中，使用例如70至200个不同波长，所产生的波形将是以更高数目的不同波长进行的扫描的更接近的近似，从而提供气体检测的期望准确度以及气体检测器的期望速度/成本/复杂性。

返回到图7，在步骤/操作720处，处理器(诸如但不限于上文结合图4所描述的校准气体检测器140的处理电路405)检测并记录在预定多个红外波长中的每个红外波长下选定气体对红外光的吸收。

如上所述，在一些实施方案中，在多个不同温度下扫描每个校准气体。在此类实施方案中，在步骤/操作725处，处理器(诸如但不限于上文结合图4所描述的校准气体检测器140的处理电路405)确定是否已在所有期望温度下扫描选定气体。如果在步骤/操作725确定选定校准气体尚未在所有期望温度下进行扫描，则在步骤/操作730，处理器(诸如但不限于以上结合图4描述的校准气体检测器140的处理电路405和/或温度设定电路435)增加选定校准气体的温度并且重复步骤/操作715-725直到选定校准气体已经在所有期望温度下进行扫描。在示例性实施方案中，每个校准气体从-40℃到40℃以5度增量(即，17个不同温度)进行扫描。在另选的示例性实施方案中，每个校准气体以20度增量从-40℃至40℃进行扫描，并且计算温度系数以确定在多个其它未扫描温度(诸如以5度增量从-40℃至40℃进行扫描)下的吸收值。

如上所述，在一些实施方案中，每个校准气体以多个不同浓度进行扫描。在此类实施方案中，在步骤/操作735处，处理器(诸如但不限于上文结合图4所述的校准气体检测器140的处理电路405)确定选定气体是否已以所有期望浓度进行扫描。如果在步骤/操作735确定选定校准气体尚未以所有期望的浓度进行扫描，则在步骤/操作740处，处理器(诸如但不限于以上结合图4描述的校准气体检测器140的处理电路405)增加选定校准气体的浓度并且重复步骤/操作715-735直到选定校准气体已经以所有期望的浓度进行扫描。在示例性实施方式中，每个校准气体以10％ LEL至100％LEL的浓度以10％的增量进行扫描(即，以10个不同的浓度扫描气体，但是校准气体数据库也可以包括0％ LEL浓度，总共11个不同的浓度)。

在步骤/操作745处，处理器(诸如但不限于上文结合图4所述的校准气体检测器140的处理电路405)确定是否已扫描将被包括在校准气体数据库中的所有气体。如果尚未扫描将被包括在校准气体数据库中的所有气体，则过程700返回到步骤/操作710，选择将被扫描的下一个气体，并且重复过程700直到在步骤/操作745处确定将被包括在校准气体数据库中的所有气体已进行扫描为止。如果在步骤/操作745中确定要被包括在校准气体数据库中的所有气体已进行扫描，则过程700在步骤/操作750处结束。

图8示出了根据本公开的至少一些示例性实施方案的包括训练用于气体检测的数据模型的示例性过程的操作框的流程图。具体地，图8描绘了示例性过程800的操作。在一些实施方案中，计算机实现的过程800由存储在计算机程序产品的非暂态计算机可读介质上的计算机程序代码来体现，该计算机程序代码被配置用于执行以执行计算机实现的方法。另选地或附加地，在一些实施方案中，示例过程800由一个或多个专门配置的计算设备(诸如数据模型训练设备150)执行。就这一点而言，在一些此类实施方案中，数据模型训练设备150由存储在其上例如存储在存储器515和/或本文所描绘和/或描述的另一部件中和/或数据模型训练设备150可以其他方式访问的计算机程序指令专门配置，以用于执行相对于示例性过程800所描绘和描述的操作。在一些实施方案中，专门配置的数据模型训练设备150包括和/或以其他方式与一个或多个外部装置、系统、设备等通信，以执行所描绘和描述的操作中的一个或多个操作。

过程800在步骤/操作805处开始。在步骤/操作810处，处理器(诸如但不限于以上结合图5描述的数据模型训练设备150的处理电路505)确定哪些特定气体将被检测，并且因此应对其进行数据模型训练以检测。在一些实施方案中，这些待检测的气体与已由用户识别为最可能在气体检测器110的位置处检测到(或以其它方式关注)的气体相同，并且已被扫描以创建如上文结合图7所描述的校准气体数据库。在一些另选的实施方案中，这些待检测气体已由用户识别为最可能在气体检测器110的位置处检测到(或以其它方式关注)的气体的子集，并且为已被扫描以创建如上文结合图7所描述的校准气体库。

在步骤/操作815处，处理器(诸如但不限于上文结合图5描述的数据模型训练设备150的处理电路505和/或数据处理电路530)从上文结合图7描述的校准气体数据库中提取待检测的气体中的每个气体的吸收数据。在一些另选的实施方案中，处理器(诸如但不限于上文结合图5描述的数据模型训练设备150的处理电路505和/或数据处理电路530)提取的所识别的气体子集中的每个气体的吸收数据，每个气体已被扫描的气体创建上文结合图7描述的校准气体库。

在步骤/操作820处，处理器(诸如但不限于以上结合图5描述的数据模型训练设备150的处理电路505和/或数据处理电路530)使用在步骤/操作815处提取的吸收数据，以确定在步骤/操作810处确定的特定气体在校准气体数据库中包括的每个不同浓度和在校准气体数据库中包括的每个不同温度(其可以包括被扫描的每个校准气体的温度，并且在一些实施方案中，可以进一步包括吸收数据被内插/外插的温度)下的每个可能组合的吸收数据。如上所述，能够通过将不同浓度的数量以不同校准气体的数量进行幂运算，再乘以不同温度的数量来计算不同可能组合的数量。

下面的表1是矩阵的摘录，其示出了具有五个不同校准气体、十一个不同浓度(以10％增量从0％ LEL到100％ LEL)和十七个不同温度(以5度增量从-40℃到40℃，但是为了简单起见表1仅包括单个温度)的示例性实施方案的气体、浓度和温度的可能组合，其吸收数据是从每个单独校准气体的吸收数据中确定的。表1并不意味着暗示在步骤/操作810确定的特定气体在每个不同浓度和每个不同温度下的每个可能组合都被单独扫描。相反，对于一个示例性实施方案，表1示出了气体、浓度和温度的非常大量的可能的不同组合，对于这些组合，可以从每个单独的校准气体的吸收数据中导出吸收数据。

表1

在表1所示的该示例性实施方案中，对于每个温度存在161,051种不同的气体浓度组合。如上所述，将这些组合与每个不同温度组合产生2,737,867种可能的组合(以及许多不同的波形)。对于气体、浓度和温度的这些可能组合中的每一种，使用对于每个单一校准气体的吸收值来确定在每个波长下的吸收值。具体地，对于气体、浓度和温度的组合的每一种，将每个单独的校准气体在每个波长下的单独的吸收值相加。在具有2,737,867个可能组合且使用150个波长用于气体扫描的示例性实施方案中，将存在总共410,680,050个吸收值数据点待分析。

返回到图8，在步骤/操作825处，处理器(诸如但不限于以上结合图5描述的数据模型训练设备150的处理电路505和/或数据处理电路530)使用在步骤/操作820处确定的每个可能组合的吸收数据，针对在步骤/操作810处确定的特定气体在校准气体数据库中包括的每个不同浓度和在校准气体数据库中包括的每个不同温度下的每个可能组合创建波形。在具有五个不同校准气体、十一个不同浓度和十七个不同温度的示例性实施方案中，存在2,737,867个可能的组合，并且因此在步骤/操作825处将创建2,737,867个波形。

图11示出了气体、浓度和温度的一种特定组合的示例性波形。具体地，图11示出了在特定温度(对于该实施方案，精确的温度值并不重要)下，浓度为40％ LEL的丙烷气体和浓度为80％ LEL的乙酸的组合的波形1105(以虚线表示)，其通常在9000个不同波长下扫描。图11还示出了波形1110(实线)，该波形是通过将浓度为40％ LEL的丙烷气体的单个吸收数据和浓度为80％ LEL的乙酸的单个吸收数据组合而创建的，两者均在相同的特定温度下(同样，对于该实施方案，精确的温度值并不重要)，处于来自校准气体数据库中的20个不同波长下。与图10一样，图11的示例性波形示出了以较低数量的不同波长扫描气体如何能够提供对以高得多数量的不同波长扫描的合理近似。同样地，在使用例如70和200之间的不同波长的一些实施方案中，所产生的组合波形将是对在更高数量的不同波长下的扫描的更接近的近似，从而提供气体检测的期望精度以及气体检测器的期望速度/成本/复杂性。

返回到图8，在步骤/操作830处，处理器(诸如但不限于以上结合图5描述的数据模型训练设备150的处理电路505和/或数据处理电路530)从在步骤/操作825处创建的每个波形中提取与一个或多个特征相关的数据。在一些实施方案中，从波形中提取的特征包括以下中的一个或多个：峰值(例如峰值1115)数量、最高峰值下的吸收值1120、所有峰值下的吸收值、最高峰值的位置(即，波长)1125、所有峰值的位置(即，波长)、曲线(即，波形)下的面积、峰值的半峰全宽(FWHM)1130的峰值、衰减开始的点、以及具有零吸收的波长区域。

在其中存在在步骤/操作825创建的2,737,867个波形的上述示例中，如果在步骤/操作830处针对每个波形提取五个特征值，则这将导致有13,689,335个数据点待分析。在步骤/操作835处，处理器(诸如但不限于以上结合图5描述的数据模型训练设备150的处理电路505和/或数据处理电路530)创建数据模型训练数据库，该数据模型训练数据库包括在步骤/操作830处提取的特征值，维持每个波形的所提取特征和与每个波形相关联的特定校准气体、浓度和温度之间的关系。

在步骤/操作840处，处理器(诸如但不限于以上结合图5描述的数据模型训练设备150的处理电路505和/或数据模型训练电路535)将数据模型训练数据库输入到数据模型(诸如随机森林分类器)中，从而训练数据模型以在一个或多个校准气体存在于气体检测器110中的一个处时检测任何校准气体的标识和浓度。过程800在步骤/操作850处结束。

图9示出了根据本公开的至少一些示例性实施方案的包括示例过程的操作框的流程图，该示例过程中，当一个或多个校准气体存在于气体检测器110中的一个气体检测器处时，使用用于气体检测的训练数据模型来检测任何校准气体的标识和浓度。具体地，图9示出了示例性过程900的操作。在一些实施方案中，计算机实现的过程900由存储在计算机程序产品的非暂态计算机可读介质上的计算机程序代码来体现，该计算机程序代码被配置用于执行以执行计算机实现的方法。另选地或附加地，在一些实施方案中，示例性过程900由一个或多个专门配置的计算设备执行，诸如由监测设备130执行。就这一点而言，在一些此类实施方案中，监测设备130由存储在其上例如存储在存储电路315和/或本文所描绘和/或描述的另一部件中和/或监测设备130可以其他方式访问的计算机程序指令专门配置，以用于执行相对于示例性过程900所描绘和描述的操作。在一些实施方案中，专门配置的监测设备130包括和/或以其他方式与一个或多个外部装置、系统、设备等通信，以执行所描绘和描述的操作中的一个或多个操作。

过程900在步骤/操作905处开始。在步骤/操作910处，处理器(诸如但不限于上文结合图2所描述的气体检测器110的气体扫描电路230)以多个波长扫描气体检测器110中和/或周围的空气且检测每一波长下的吸收。在一些实施方案中，气体检测器110以与用于在如上文结合图8所描述的步骤/操作840处训练数据模型相同的波长进行扫描。

在步骤/操作915处，处理器(诸如但不限于上文结合图2描述的气体检测器110的温度感测电路235)检测气体检测器110的位置处的温度。

在步骤/操作920处，处理器(诸如但不限于以上结合图3描述的监测设备130的处理电路305)从气体检测器110接收针对每个波长和温度的吸收数据并且记录该吸收数据和温度。

在步骤/操作925，处理器(诸如但不限于以上结合图3描述的监测设备130的数据处理电路330)根据从气体检测器110接收的针对每个波长的记录的吸收数据来创建波形。在示例性实施方案中，所创建的波形可以类似于图11的波形1110。

在步骤/操作930处，处理器(诸如但不限于以上结合图3描述的监测设备130的数据处理电路330)从在步骤/操作925处创建的波形中提取一个或多个特征。在一些实施方案中，在步骤/操作930处提取的特征与在如上文结合图8描述的步骤/操作840处用于训练数据模型的特征类型相同。

在步骤/操作935处，处理器(诸如但不限于以上结合图3描述的监测设备130的数据处理电路330和/或数据模型推断电路335)将在步骤/操作930处提取的特征输入到以上结合图8描述的在步骤/操作840处训练的数据模型中。

在步骤/操作940处，处理器(诸如但不限于以上结合图3描述的监测设备130的数据模型推断电路335)使用经训练的数据模型来分析在步骤/操作930处提取的特征和在步骤/操作915处检测到的温度，以识别在步骤/操作910处由气体检测器110扫描的气体和气体浓度。在一些实施方案中，浓度以LEL％表示。

在步骤/操作945处，处理器(诸如但不限于以上结合图3描述的监测设备130的处理电路305)显示在步骤/操作940处识别的气体和气体浓度。在一些实施方案中，在步骤/操作940识别的气体和气体浓度被传输到一个或多个用户设备160(例如，移动电话等)以显示给用户查看。

在步骤/操作950处，处理器(诸如但不限于上文结合图3所述的监测设备130的数据处理电路330)计算在步骤/操作940处识别的气体组合的LEL％。在一些实施方案中，使用燃烧极限的

在步骤/操作955处，处理器(诸如但不限于上文结合图3描述的监测设备130的处理电路305)将在步骤/操作940处识别的气体组合的计算的LEL％与预定阈值进行比较。如果在步骤/操作955确定所识别的气体组合的计算的LEL％超过预定阈值，则在步骤/操作960处，处理器(诸如但不限于上文结合图3所述的监测设备130的处理电路305)触发LEL警报。在一些实施方案中，存在一个以上阈值，诸如低阈值和高阈值，它们各自触发不同的警报/动作。在一些实施方案中，LEL警报的触发被传输到一个或多个用户设备160(例如，移动电话等)以显示给用户查看。

在一些实施方案中，不管在步骤/操作955处是否确定所识别的气体组合的计算的LEL％超过预定阈值，过程900都返回到步骤/操作910以预定间隔(诸如每五分钟)重复。

图12的示例性用户界面是显示在用户设备160上的气体及其浓度的示例性标识的图形表示。图12示出了用户界面1200，其示出了五个选定气体的检测结果1210(特别是标识(“气体1”、“气体2”等)和浓度百分比)。在所示的示例性实施方案中，下拉菜单1205使得用户能够选择位置/设施/传感器以显示其检测到的气体。图12的示例性用户界面还示出了所检测的气体组合的所确定的LEL％1215，以及如果这样触发则显示LEL警报1220。

已经描述了与本公开的实施方案相关联的示例性系统、装置、计算环境和用户界面，现在将讨论包括由本文所述的装置和/或系统执行的各种操作的示例性流程图。应当理解，流程图中的每个流程图描绘了示例性计算机实现的过程，该过程可由本文所述的装置、系统和/或设备中的一者或多者执行，例如利用其部件中的一个或多个部件执行。可以多种方式中的任一种方式布置指示每个过程的操作的框，如本文所描绘和描述。在一些此类实施方案中，本文所述过程中的任何过程的一个或多个框发生在另一个过程的一个或多个框之间、另一个过程的一个或多个框之前和/或以其他方式作为第二过程的子过程操作。附加地或另选地，过程中的任何过程可包括所描述和/或描绘的步骤中的一些或全部步骤，在一些实施方案中包括一个或多个任选的操作框。关于以下流程图，在本公开的一些或全部实施方案中，所描绘的框中的一个或多个框可以是任选的。任选的框以虚线(或“点划线”)示出。类似地，应当理解，每个流程图的操作中的一个或多个操作可以是可组合的、可替换的和/或以其他方式改变的，如本文所述。

尽管上文已描述了示例性处理系统，本文所述的主题和功能操作的具体实施可在其他类型的数字电子电路中或在计算机软件、固件或硬件(包括本说明书中所公开的结构及其结构等同物)中或在它们中的一者或多者的组合中实现。

本文所述的主题和操作的实施方案可在数字电子电路中，或在计算机软件、固件或硬件(包括本说明书中所公开的结构及其结构等同物)中或在它们中的一者或多者的组合中实现。本文所述主题的实施方案可被实现为在计算机存储介质上编码的一个或多个计算机程序(即，计算机程序指令的一个或多个模块)，以供信息/数据处理装置执行或控制信息/数据处理装置的操作。另选地或除此之外，可在人工生成的传播信号(例如，机器生成的电信号、光信号或电磁信号)上编码程序指令，该传播信号被生成以编码用于传输到合适的接收器装置以供信息/数据处理装置执行的信息/数据。计算机存储介质可以是计算机可读存储设备、计算机可读存储基板、随机或串行访问存储器阵列或设备，或者它们中的一者或多者的组合，或者可包括在计算机可读存储设备、计算机可读存储基板、随机或串行访问存储器阵列或设备，或者它们中的一者或多者的组合中。此外，虽然计算机存储介质不是传播信号，但是计算机存储介质可以是在人工生成的传播信号中编码的计算机程序指令的源或目的地。计算机存储介质也可以是一个或多个单独的物理部件或介质(例如，多个CD、磁盘或其他存储设备)，或者包括在一个或多个单独的物理部件或介质中。

本文所述的操作可被实现为由信息/数据处理装置对存储在一个或多个计算机可读存储设备上的或从其他源接收的信息/数据执行的操作。

术语“数据处理装置”涵盖用于处理数据的所有种类的装置、设备和机器，包括例如可编程处理器、计算机、片上系统、或前述的多个装置或它们的组合。该装置可包括专用逻辑电路(例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路))。除了硬件之外，该装置还可包括为所考虑的计算机程序创建执行环境的代码(例如，构成处理器固件、协议栈、储存库管理系统、操作系统、跨平台运行环境、虚拟机或它们中的一者或多者的组合的代码)。该装置和执行环境可实现各种不同的计算模型基础结构，诸如web服务、分布式计算基础结构和网格计算基础结构。

可以用任何形式的编程语言(包括编译或解译语言、说明性语言或程序语言)写入计算机程序(也称为程序、软件、软件应用程序、脚本或代码)，并且可以任何形式部署该计算机程序，包括作为独立程序或作为模块、部件、子例程、对象或适用于计算环境中的其他单元。计算机程序可以但不必对应于文件系统中的文件。程序可存储在保存其他程序或信息/数据(例如，存储在标记语言文档中的一个或多个脚本)的文件的一部分中，存储在专用于所考虑的程序的单个文件中，或者存储在多个协调文件(例如，存储一个或多个模块、子程序或代码的部分的文件)中。可部署计算机程序以在位于一个站点或跨多个站点分布并通过通信网络互连的一台计算机或多台计算机上执行该计算机程序。

可由执行一个或多个计算机程序的一个或多个可编程处理器执行本文所述的过程和逻辑流，以通过对输入信息/数据进行操作并生成输出来执行动作。以举例的方式，适用于执行计算机程序的处理器包括通用微处理器和专用微处理器两者以及任何种类的数字计算机的任何一个或多个处理器。一般来讲，处理器将从只读存储器或随机存取存储器或这两者接收指令和信息/数据。计算机的基本元件是用于根据指令执行动作的处理器和用于存储指令和数据的一个或多个存储器。一般来讲，计算机还将包括用于存储数据的一个或多个大容量存储设备(例如，磁盘、磁光盘或光盘)，或与该一个或多个大容量存储设备可操作地耦接以从该一个或多个大容量存储设备接收信息/数据或将信息/数据传输到该一个或多个大容量存储设备，或以上两者兼而有之。然而，计算机不需要具有此类设备。适用于存储计算机程序指令和信息/数据的设备包括所有形式的非易失性存储器、介质和存储器设备，包括(以举例的方式)半导体存储器设备，例如，EPROM、EEPROM和闪存存储器设备；磁盘，例如内部硬盘或可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM磁盘。处理器和存储器可由专用逻辑电路补充或结合到专用逻辑电路中。

为了提供与用户的交互，本文所述的主题的实施方案可以在计算机上实现，该计算机具有用于向用户显示信息/数据的显示设备(例如，CRT(阴极射线管)或LCD(液晶显示器)监测器)以及键盘和指向设备(例如，鼠标或轨迹球，用户可以通过该鼠标或轨迹球向计算机提供输入)。也可使用其他类型的设备来提供与用户的交互；例如，提供给用户的反馈可以是任何形式的感官反馈(例如，视觉反馈、听觉反馈或触觉反馈)；并且可通过任何形式接收来自用户的输入，包括声音、语音或触觉输入。此外，计算机可通过向用户所使用的设备发送文档以及从用户所使用的设备接收文档来与用户进行交互；例如，通过响应于从用户的客户端设备上的web浏览器接收的请求而将网页发送到web浏览器。

本文所述主题的实施方案可在计算系统中实现，该计算系统包括后端部件(例如，作为信息/数据服务器)，或者包括中间件部件(例如，应用服务器)，或者包括前端部件(例如，具有图形用户界面或web浏览器的客户端计算机，用户可通过该客户端计算机与本文所述主题的具体实施进行交互)或一个或多个此类后端部件、中间件部件或前端部件的任何组合。系统的部件可通过数字信息/数据通信的任何形式或介质(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网络(例如，互联网)和对等网络(例如，自组织对等网络)。

计算系统可包括客户端和服务器。客户端和服务器一般来讲彼此远程，并且通常通过通信网络进行交互。客户端和服务器的关系是借助于在各自计算机上运行的、彼此具有客户端-服务器关系的计算机程序得到的。在一些实施方案中，服务器将信息/数据(例如，HTML页面)传输到客户端设备(例如，用于向与客户端设备交互的用户显示信息/数据以及从与客户端设备交互的用户接收用户输入)。可在服务器处从客户端设备接收在客户端设备处生成的信息/数据(例如，用户交互的结果)。

尽管本说明书包含许多特定的具体实施细节，但这些细节不应解释为对任何公开或可要求保护内容的范围的限制，而应解释为对特定公开的特定实施方案而言是特定的特征的描述。本文在单独实施方案的上下文中所述的某些特征也可以在单个实施方案中组合实现。相反，在单独实施方案的上下文中描述的各种特征也可以分别在多个实施方案中或以任何合适的子组合来实现。此外，尽管特征可能在上面被描述为以某些组合形式起作用并且甚至最初是这样要求保护的，但在一些情况下，可以从组合中除去来自所要求保护的组合的一个或多个特征，并且所要求保护的组合可以针对子组合或子组合的变型。

类似地，尽管在附图中以特定顺序描绘了操作，但这不应理解为要求以所示的特定次序或以顺序次序执行此类操作，或者执行所有的所示操作以达到期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施方案中的各种系统部件的分离不应被理解为在所有实施方案中要求这种分离，并且应当理解，所述的程序部件和系统通常可以在单个软件产品中集成在一起或分组成多个软件产品。

因此，已经描述了本主题的特定实施方案。其他实施方案在以下权利要求书的范围内。在一些情况下，权利要求书中所述的动作可以不同的顺序执行，并且仍然实现期望的结果。此外，附图中描绘的过程不一定需要所示的特定次序或顺序次序来实现期望的结果。在某些具体实施中，多任务和并行处理可能是有利的。