Григорьев А.Е. ЭЛЕКТРОННЫЙ НОС НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Научный журнал «Вестник науки»

Режим работы с 09:00 по 23:00

zhurnal@vestnik-nauki.com

Информационное письмо

  1. Главная
  2. Архив
  3. Вестник науки №1 (34) том 2
  4. Научная статья № 9

Просмотры  60 просмотров

Григорьев А.Е.

  


ЭЛЕКТРОННЫЙ НОС НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

  


Аннотация:
в данной статье рассматриваются особенности технологий электронного носа на основе искусственного интеллекта, а также приводится преимущество данного метода распознавания запахов перед аналогами   

Ключевые слова:
электронный нос, электронный сенсор, распознавание запахов, искусственный интеллект   


Развитие прикладных наук и, в частности, твердотельной электроники во многом обусловливается потребностями в различных приборах, которые могут заменить или улучшить способности и возможности человека. За последние годы “электронные сенсорные” или “e-сенсорные” технологии получили значительное развитие с технической и коммерческой точек зрения [5]. Термин «электронный сенсор» означает устройство способное воспроизводить человеческие чувства при использовании сенсорных массивов и соответствующих систем распознавания. Электронные сенсоры для распознавания запахов разрабатываются как устройства, имитирующие работу органов обоняния людей [4]. Во всех отраслях промышленности оценка запаха обычно производится либо анализатором человеческих сенсоров, либо хромосенсорами, либо при помощи газовой хроматографии [2]. Последний метод дает информацию о летучих органических соединениях, но корреляция между аналитическим результатом и реальным восприятием запаха не является прямой из-за потенциального взаимодействия между несколькими компонентами запаха. Также имеет значение то, что до сих пор эти приборы достаточно громоздки, дорогостоящи, требуют подготовку пробы и часто электронный нос быстрее и лучше, чем эти приборы [2]. Главной задачей электронных носов является не только распознавание отдельных компонентов, создающих запах, но и способность воспринимать и реагировать на их совокупность. Основными частями устройства является пробоотборная система, блок детекторов и блок обработки сигналов. Пробоотборная система обеспечивает получение воздуха с летучими химическими соединениями, и его транспортирование в блок детекторов. Она должна обеспечить стабильные условия работы блока детекторов. Затем система осуществляет распознавание состава полученного датчиками газа. С этой целью, обычно, используют группу датчиков, которые способны реагировать (изменять электрические свойства) на одно или несколько веществ в различных концентрациях. Заключительным этапом является обработка и классификация полученных от датчиков данных с помощью нейронных сетей. Для большинства моделей машинного обучения требуются данные правильной формы (например, сетка пикселей или вектор чисел) в качестве входных данных [3]. Однако существует и альтернативный подход – графовые нейронные сети (GNN). GNN позволили использовать входные данные неправильной формы, такие как графы, непосредственно в алгоритмах машинного обучения [7]. Все архитектуры глубоких нейронных сетей создают представления входных данных на своих промежуточных уровнях. Успех глубоких нейронных сетей в задачах прогнозирования зависит от качества их изученных  представлений, часто называемых вложениями. Правильно обученные нейросети позволяют с большой долей вероятности отнести полученные от датчиков данные к той или иной категории запахов и даже способны воспринимать и классифицировать совокупности запахов. Ближайшими аналогами и конкурентами электронных носов являются технологии газовой хроматографии и масс-спектрометрии. Масс-спектрометрия – метод исследования и идентификации вещества, позволяющий определять концентрацию различных компонентов в нем. Основой для измерения служит ионизация компонентов, позволяющая физически различать компоненты на основе характеризующего их отношения массы к заряду и, измеряя интенсивность ионного тока, производить отдельный подсчет доли каждого из компонентов [1]. Газовая хроматография – физико-химический метод разделения веществ, основанный на распределении компонентов анализируемой смеси между двумя несмешивающимися и движущимися относительно друг друга фазами, где в качестве подвижной фазы выступает газ (газ-носитель), а в качестве неподвижной фазы – твердый сорбент или жидкость, нанесенная на инертный твердый носитель или внутренние стенки колонки [2]. На сегодняшний день ни один электронный нос не позволяет проводить столь же точный и функциональный анализ свойств химических соединений, как метод хромато-масс-спектрометрии, однако они обладают явными преимуществами в плане простоты использования и дешевизны. А в случаях, когда целью является именно распознавание и классификации запахов по ощущениям от них системы электронных носов не имеют альтернатив. Системы типа электронный нос находят применение в научноисследовательских лабораториях и на различных производствах, выполняя функцию контроля качества. Также подобные системы применяют при защите окружающей среды и локализации ее загрязнений [6], для выявления летучих органических соединений в образцах воздуха, воды и почвы. 

  


Полная версия статьи PDF

Номер журнала Вестник науки №1 (34) том 2

  


Ссылка для цитирования:

Григорьев А.Е. ЭЛЕКТРОННЫЙ НОС НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА // Вестник науки №1 (34) том 2. С. 44 - 47. 2021 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/3991 (дата обращения: 01.12.2022 г.)




Нашли грубую ошибку (плагиат, фальсифицированные данные или иные нарушения научно-издательской этики) ?
- напишите письмо в редакцию журнала: zhurnal@vestnik-nauki.com


© 2021