人工智能 (AI) 正以許多令人興奮的方式應(yīng)用。大多數(shù)人都聽說(shuō)過(guò)大事,比如可以在國(guó)際象棋中擊敗人類的計(jì)算機(jī)、谷歌圖像搜索引擎和“大數(shù)據(jù)”。然而,許多公司和研究人員正在以多種方式使用人工智能來(lái)改善我們的生活,包括在空氣質(zhì)量和氣體傳感方面的應(yīng)用。
人工智能可用于幫助解釋氣體傳感器的響應(yīng),為傳感器報(bào)告的信息增加更多價(jià)值。這個(gè)想法是,可以使用離散傳感器陣列或可以模擬傳感器陣列的單個(gè)傳感器(例如ZMOD4410)來(lái)產(chǎn)生一組作為環(huán)境函數(shù)的響應(yīng)。然后使用使用神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)來(lái)解釋響應(yīng)模式并在多個(gè)維度上擬合非線性模型,這對(duì)于人類解釋可能是顯而易見的,也可能不是顯而易見的。神經(jīng)網(wǎng)絡(luò)訓(xùn)練可以是有監(jiān)督的,也可以是無(wú)監(jiān)督的,這取決于數(shù)據(jù)的來(lái)源,以及是否使用人類判斷來(lái)標(biāo)記數(shù)據(jù)和增加洞察力,或者是否讓計(jì)算機(jī)自行尋找模式。
機(jī)器學(xué)習(xí)需要在許多不同條件下收集、表征和訓(xùn)練大量傳感器數(shù)據(jù)??紤]到使用氣體傳感器實(shí)現(xiàn)機(jī)器學(xué)習(xí)解決方案所需的復(fù)雜性和資源,可以提供預(yù)先訓(xùn)練的監(jiān)督神經(jīng)網(wǎng)絡(luò)模型作為算法的一部分,該模型可以在各種低復(fù)雜度的微控制器上運(yùn)行,從而產(chǎn)生麻煩免費(fèi)為消費(fèi)者解決。這被稱為嵌入式人工智能。
有許多有趣的例子可以說(shuō)明如何使用 AI 來(lái)推進(jìn)氣體檢測(cè)應(yīng)用。在一個(gè)示例中,傳感器在各種條件下的表征可用于改進(jìn)檢測(cè)總揮發(fā)性有機(jī)化合物 (TVOC) 的室內(nèi)空氣質(zhì)量傳感器。在這種情況下,神經(jīng)網(wǎng)絡(luò)模型被訓(xùn)練為專注于感興趣的特征(TVOC)并忽略任何不感興趣的輕微環(huán)境影響(漂移、濕度等)。
在第二個(gè)示例中,機(jī)器學(xué)習(xí)可用于增加氣體傳感器的選擇性。例如,氣體傳感器已經(jīng)可以根據(jù)氣味強(qiáng)度觸發(fā)廚房和浴室的通風(fēng)。通過(guò)增加選擇性,當(dāng)氣味屬于標(biāo)記為“不良”的類別時(shí),可以將通風(fēng)設(shè)置為以較低的強(qiáng)度閾值打開。在將 AI 技術(shù)用于選擇性傳感器時(shí),在訓(xùn)練過(guò)程中定義的選擇性類別必須包含預(yù)期的用例,這一點(diǎn)至關(guān)重要。例如,經(jīng)過(guò)訓(xùn)練可將硫檢測(cè)為“難聞”氣味的傳感器可能不會(huì)自動(dòng)將其他非硫 VOC 識(shí)別為難聞氣味。然而,一旦方法被定義和實(shí)施,
審核編輯:郭婷
-
傳感器
+關(guān)注
關(guān)注
2541文章
49961瀏覽量
747515 -
人工智能
+關(guān)注
關(guān)注
1787文章
46061瀏覽量
235018 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8306瀏覽量
131844
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論