在氣體傳感中利用人工智能

人工智能 （AI） 正以許多令人興奮的方式應(yīng)用。大多數(shù)人都聽說過大事，比如可以在國際象棋中擊敗人類的計算機(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)，為傳感器報告的信息增加更多價值。這個想法是，可以使用離散傳感器陣列或可以模擬傳感器陣列的單個傳感器（例如ZMOD4410）來產(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)來解釋響應(yīng)模式并在多個維度上擬合非線性模型，這對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，也可以是無監(jiān)督的，這取決于數(shù)據(jù)的來源，以及是否使用人類判斷來標(biāo)記數(shù)據(jù)和增加洞察力，或者是否讓計算機(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明如何使用 AI 來推進(jìn)氣體檢測應(yīng)用。在一個示例中，傳感器在各種條件下的表征可用于改進(jìn)檢測總揮發(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)。通過增加選擇性，當(dāng)氣味屬于標(biāo)記為“不良”的類別時，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，在訓(xùn)練過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)過訓(xùn)練可將硫檢測為“難聞”氣味的傳感器可能不會自動將其他非硫 VOC 識別為難聞氣味。然而，一旦方法被定義和實(shí)施，

審核編輯：郭婷