一种基于深度学习的空气纯化检测方法及系统

本发明提出一种基于深度学习的空气纯化检测方法及系统，方法包括：在分子筛吸附器周围部署红外光学气体检测传感器，进行多维数据采集，并进行预处理并随机分成训练集和测试集；构建空气纯化检测模型，利用训练集对空气纯化检测模型进行预训练；利用优化后的空气纯化检测模型对纯化后的空气进行检测；构建自适应调整模型对分子筛吸附器的操作进行智能调整；构建空气纯化预测模型，利用空气纯化预测模型预测分子筛吸附器的未来的工作状态及吸附效率和对未来空气纯化过程中出现的故障，同时将对应的预测结果反馈给操作人员或者控制系统。本发明实现了空气纯化过程的智能化监控与优化，显著提高了空气纯化系统的性能、稳定性和预测能力。