يستطيع الذكاء الاصطناعي التعرف على الصور وفهم الكلام وتحليل كميات هائلة من البيانات. وعلى نحو متزايد، تتعلم الآلات أيضًا تفسير نوع آخر من المعلومات التي يختبرها البشر كل يوم: يشم.
ان أنف الذكاء الاصطناعيويسمى أيضًا الأنف الإلكتروني الذي يعمل بالذكاء الاصطناعي أو الأنف الإلكتروني الذكي، ويجمع بين أجهزة استشعار كيميائية أو غازية متعددة مع معالجة الإشارات والذكاء الاصطناعي للتعرف على أنماط الروائح والغازات والمركبات العضوية المتطايرة (VOCs).
بدلاً من محاولة التعرف على كل جزيء في الهواء بشكل منفصل، ينظر أنف الذكاء الاصطناعي عادة إلى الاستجابات المجمعة لعدة أجهزة استشعار. ثم تقوم خوارزميات التعلم الآلي بمقارنة نمط الاستجابة هذا مع البيانات التي تم جمعها مسبقًا.
ويمكن اعتبار النتيجة على أنها البصمة الكيميائية الرقمية.
وهذا ما يجعل تقنية AI Nose مثيرة للاهتمام بشكل خاص للتطبيقات التي يكون فيها النمط الكيميائي العام أكثر أهمية من تركيز غاز واحد، بما في ذلك:
- نضارة الطعام وجودته
- مراقبة العمليات الصناعية
- مراقبة الرائحة البيئية
- الأجهزة الذكية
- أنظمة جودة الهواء في السيارات
- زراعة
- أبحاث الرعاية الصحية
- الروبوتات
- الصيانة التنبؤية
ما هو بالضبط أنف الذكاء الاصطناعي؟
أنف الذكاء الاصطناعي هو شكل متقدم من أنف الذكاء الاصطناعي الأنف الإلكتروني، ويُختصر عادة باسم الأنف الإلكتروني.
الأنوف الإلكترونية التقليدية موجودة منذ عقود. مفهومهم الأساسي هو تعريض العديد من أجهزة الاستشعار الكيميائية لنفس العينة وتحليل كيفية استجابة تلك المستشعرات بشكل جماعي.
تضيف أنظمة الأنف الحديثة المدعمة بالذكاء الاصطناعي معالجة أكثر تعقيدًا للبيانات وخوارزميات التعلم الآلي.
قد يحتوي النظام النموذجي على:
- نظام أخذ عينات الهواء أو الغاز
- عناصر متعددة لاستشعار الغاز
- إلكترونيات تكييف الإشارة
- تعويض درجة الحرارة والرطوبة
- أجهزة الحصول على البيانات
- برنامج استخراج الميزات
- نماذج التعلم الآلي
- قاعدة بيانات للأنماط الكيميائية المعروفة
تعمل مجموعة المستشعرات إلى حد ما مثل مجموعة من المستقبلات الشمية البيولوجية، بينما يفسر نموذج الذكاء الاصطناعي الإشارات الناتجة.
الشروط أنف الذكاء الاصطناعي, الأنف الإلكتروني, شم الآلة, الشم الرقمي و الشم الاصطناعي ترتبط ارتباطًا وثيقًا، على الرغم من أنها لا تستخدم دائمًا بنفس الطريقة تمامًا.
للحصول على نظرة عامة أعمق حول التكنولوجيا وبنية المستشعر وتطوير الكشف الذكي عن الرائحة، راجع هذا الدليل تقنية الأنف بالذكاء الاصطناعي.
كيف يعمل الأنف بالذكاء الاصطناعي؟
على الرغم من اختلاف بنيات النظام، فإن معظم أجهزة AI Nose تتبع نفس سير العمل العام:
عينة الهواء ← مصفوفة الاستشعار ← الإشارات الكهربائية ← معالجة الإشارات ← نموذج الذكاء الاصطناعي ← التعرف أو التنبؤ
1. يقوم النظام بجمع عينة من الهواء
الخطوة الأولى هي جعل عينة الغاز أو الرائحة تتلامس مع مجموعة أجهزة الاستشعار.
اعتمادًا على الجهاز، قد يتم استخدام أخذ العينات:
- الانتشار الطبيعي
- مضخة مصغرة
- تدفق الهواء المتحكم فيه
- أخذ عينات من مساحة الرأس
- الأنابيب
- غرفة عينة مخصصة
يعد تصميم أخذ العينات مهمًا لأن استجابات المستشعر يمكن أن تتغير وفقًا لتدفق الهواء ووقت التعرض والتركيز ودرجة الحرارة والرطوبة.
ولهذا السبب، فإن الأنف المعتمد على الذكاء الاصطناعي هو أكثر من مجرد عدة أجهزة استشعار للغاز متصلة بجهاز كمبيوتر.
بيئة أخذ العينات بأكملها مهمة.
2. أجهزة الاستشعار المتعددة تستجيب للعينة
عادة ما يكون المكون المركزي لأنف الذكاء الاصطناعي هو أ مصفوفة الاستشعار.
بدلاً من استخدام مستشعر واحد عالي الانتقائية، قد يحتوي النظام على عناصر استشعار متعددة ذات حساسيات مختلفة.
تشمل التقنيات المحتملة ما يلي:
- أجهزة استشعار الغاز MEMS
- أجهزة استشعار أشباه الموصلات بأكسيد المعادن
- أجهزة الاستشعار الكهروكيميائية
- أجهزة استشعار البوليمر موصلة
- أجهزة استشعار الغاز البصرية
- أجهزة استشعار التوازن الدقيق من كريستال الكوارتز
- أجهزة استشعار الموجات الصوتية السطحية
- صفائف الاستشعار اللونية
تخيل أن ستة أجهزة استشعار تتعرض لنفس رائحة القهوة.
قد يبدو الرد كالتالي:
- المستشعر أ: استجابة قوية
- المستشعر ب: استجابة معتدلة
- المستشعر ج: استجابة ضعيفة
- المستشعر D: الاستجابة السريعة والانتعاش
- المستشعر E: استجابة بطيئة
- المستشعر F: لا توجد استجابة تقريبًا
قم بتعريض نفس مجموعة المستشعرات للأطعمة الفاسدة وقد تبدو المجموعة مختلفة تمامًا.
لا يوجد مستشعر واحد يحدد الرائحة بالضرورة.
بدلاً من، يصبح النمط عبر جميع أجهزة الاستشعار هو المعلومات المفيدة.
ما هي البصمة الكيميائية؟
عندما تتفاعل عدة أجهزة استشعار بشكل مختلف مع نفس العينة، فإن إشاراتها المجمعة تخلق نمطًا متعدد الأبعاد.
غالبًا ما يوصف هذا النمط بأنه:
- البصمة الكيميائية
- بصمة الرائحة
- بصمة الغاز
- بصمة المركبات العضوية المتطايرة
على سبيل المثال:
القهوة → النمط أ
عصير البرتقال → النمط ب
اللحوم الطازجة → النمط ج
اللحوم الفاسدة ← النمط د
يمكن لنظام الذكاء الاصطناعي أن يتعلم هذه الأنماط من بيانات التدريب.
وفي وقت لاحق، عندما يتم قياس عينة غير معروفة، يقوم البرنامج بمقارنة البصمة الجديدة مع الأمثلة التي تم تعلمها مسبقًا.
وهذا مشابه من الناحية النظرية لكيفية تعلم برامج التعرف على الصور للأنماط المرئية بدلاً من التحقق يدويًا من كل بكسل على حدة.
كيف يحول الذكاء الاصطناعي إشارات الاستشعار إلى معنى
نادرًا ما يتم إرسال إشارات الاستشعار الأولية مباشرةً إلى نموذج الذكاء الاصطناعي.
يحتاجون عادةً إلى المعالجة أولاً.
تتضمن خطوات المعالجة الشائعة ما يلي:
- تصفية الضوضاء
- تصحيح خط الأساس
- تطبيع الإشارة
- تعويض درجة الحرارة
- تعويض الرطوبة
- تصحيح انحراف الاستشعار
- استخراج الميزة
- تخفيض الأبعاد
بمجرد استخراج الميزات المفيدة، يمكن لخوارزميات التعلم الآلي تحليل البيانات.
تصنيف
يحدد النظام الفئة المعروفة التي تتطابق بشكل أفضل مع العينة.
أمثلة:
- طازج مقابل مدلل
- نوع القهوة أ مقابل نوع القهوة ب
- عملية عادية مقابل عملية غير طبيعية
- الرائحة أ مقابل الرائحة ب
الانحدار
يقوم النموذج بتقدير قيمة مستمرة بدلاً من مجرد تعيين فئة.
قد تشمل الأمثلة ما يلي:
- مستوى النضارة
- النضج
- حالة العملية
- التركيز المقدر
كشف الشذوذ
لا يحتاج أنف الذكاء الاصطناعي دائمًا إلى معرفة الرائحة بالضبط.
بدلا من ذلك، يمكن أن يتعلم ما البيئة الكيميائية العادية يبدو.
إذا تغير نمط المستشعر بشكل ملحوظ، فيمكن للنظام الإبلاغ عن الحدث باعتباره حالة شاذة.
يمكن أن يكون هذا النهج ذا قيمة خاصة في المصانع والمستودعات وتطبيقات مراقبة المعدات.
ما هي خوارزميات الذكاء الاصطناعي التي يمكن استخدامها؟
تستخدم أنظمة الأنف المختلفة ذات الذكاء الاصطناعي خوارزميات مختلفة اعتمادًا على مدى تعقيدها وحجم مجموعة البيانات والتطبيق المقصود.
تشمل الأساليب الشائعة ما يلي:
- تحليل المكونات الرئيسية (PCA)
- التحليل التمييزي الخطي (LDA)
- آلات الدعم المتجهة (SVM)
- ك-أقرب الجيران (KNN)
- غابة عشوائية
- الشبكات العصبية الاصطناعية
- الشبكات العصبية التلافيفية
- نماذج التعلم العميق
- أساليب التعلم الجماعي
الذكاء الاصطناعي الأكثر تطوراً لا يعني تلقائيًا أداءً أفضل.
يعتمد النظام الناجح على الجمع بين:
جودة المستشعر + تصميم العينات + بيانات التدريب + التعويض البيئي + الخوارزمية المناسبة
إن النموذج البسيط الذي تم تدريبه باستخدام بيانات واقعية عالية الجودة قد يتفوق في الأداء على شبكة عصبية معقدة تم تدريبها على مجموعة بيانات مختبرية محدودة.
أنف الذكاء الاصطناعي مقابل مستشعر الغاز التقليدي
يعتبر أنف الذكاء الاصطناعي ومستشعر الغاز التقليدي من التقنيات ذات الصلة، لكنهما مصممان للإجابة على أسئلة مختلفة.
مستشعر الغاز التقليدي
يركز نظام الكشف عن الغاز التقليدي عادةً على غاز مستهدف معروف.
تشمل الأمثلة ما يلي:
- أول أكسيد الكربون
- الميثان
- هيدروجين
- كبريتيد الهيدروجين
- الأمونيا
- الأكسجين
- ثاني أكسيد الكربون
- المبردات
السؤال الأساسي هو عادة:
ما هي كمية هذا الغاز الموجودة؟
يمكن التعبير عن الإخراج في:
- جزء في المليون
- جزء في البليون
- %LEL
- ٪ مقدار
بالنسبة للسلامة الصناعية والكشف التنظيمي عن الغاز، يظل هذا القياس الكمي في غاية الأهمية.
أنف الذكاء الاصطناعي
عادةً ما يطرح أنف الذكاء الاصطناعي سؤالاً مختلفًا:
ماذا يشبه هذا المزيج من الإشارات الكيميائية؟
وبدلاً من الاعتماد على استجابة مستشعر واحد، يقوم الذكاء الاصطناعي بتحليل العلاقة بين إشارات متعددة.
| مستشعر الغاز التقليدي | أنف الذكاء الاصطناعي |
|---|---|
| غالبا ما يركز على غاز واحد | يستخدم قنوات استشعار متعددة |
| يقيس التركيز | يتعرف على الأنماط الكيميائية |
| يستخدم عادة عتبات محددة | يمكن استخدام نماذج التعلم الآلي |
| الإخراج غالبًا بجزء في المليون أو٪ | قد يكون الإخراج فئة أو احتمالية أو شذوذًا |
| الانتقائية العالية يمكن أن تكون مهمة | قد توفر الحساسية المتقاطعة معلومات نمطية مفيدة |
| الأفضل للغازات المستهدفة المعروفة | مفيد للمخاليط الكيميائية المعقدة |
هذه التقنيات لا تتنافس بالضرورة.
في العديد من التطبيقات يمكن أن يكمل كل منهما الآخر.
يمكن للنظام أن يستخدم أجهزة استشعار أمان مخصصة لقياس تركيزات الغازات الخطرة بينما يقوم أنف الذكاء الاصطناعي بتحليل التغيرات الأوسع في البيئة الكيميائية المحيطة.
مثال على أنف الذكاء الاصطناعي في العالم الحقيقي: Winsen ZM101-A
تنتقل تقنية AI Nose بشكل متزايد من النماذج البحثية الأولية إلى منصات الاستشعار العملية.
أحد الأمثلة هو أنف Winsen ZM101-A AI، مجموعة مستشعرات الغاز MEMS مصممة لدعم التحليل الذكي للغاز متعدد القنوات.
يتضمن ZM101-A ست قنوات لاستشعار الغاز ويدعم الاختيار المرن لـ من 1 إلى 6 قنوات تشغيل.
وتغطي قنوات الاستشعار المتاحة لها:
| غاز | نطاق الكشف |
|---|---|
| NH₃ | 1-100 جزء في المليون |
| المركبات العضوية المتطايرة | 1-10 جزء في المليون |
| لا₂ | 0.1-10 جزء في المليون |
| H₂S | 0.5-10 جزء في المليون |
| شركة | 5-200 جزء في المليون |
| CH₄ | 100-6000 جزء في المليون |
على عكس عنصر الاستشعار التقليدي للغاز الواحد، تم تصميم ZM101-A ليكون بمثابة مجموعة مستشعرات الغاز MEMS متعددة القنوات.
توفر الوحدة تصفية الإشارة وتعويض درجة الحرارة/الرطوبة وتدعم التكامل مع نماذج خوارزمية الذكاء الاصطناعي.
يتيح ذلك للمطورين إنشاء تطبيقات يتم فيها جمع العديد من استجابات الغاز معًا واستخدامها لاحقًا:
- التقاط الغاز المستهدف
- تحليل الميزة
- بناء النموذج
- تحديد المهمة
ZM101-A المواصفات الرئيسية
- نوع المستشعر: مجموعة أجهزة استشعار الغاز MEMS
- قنوات الغاز: 6
- أوضاع التشغيل: اختيار مرن من 1 إلى 6 قنوات
- جهد الإمداد: تيار مستمر 3.3 فولت
- التشغيل الحالي: ≥150 مللي أمبير
- استهلاك الطاقة: ≥400 ميغاواط
- تواصل: uart
- وقت الاحماء: ≥120 ثانية
- درجة حرارة التشغيل: -40 درجة مئوية إلى 85 درجة مئوية
- رطوبة التشغيل: 5% ر – 95% ر، غير التكثيف
- دعم الذكاء الاصطناعي: يدعم تكامل نماذج خوارزمية الذكاء الاصطناعي
هذه الوحدة مخصصة لمجالات التطبيق بما في ذلك:
- ثلاجات ذكية
- مكيفات الهواء
- أفران ميكروويف
- أجهزة تنقية الهواء
- اغطية المدى
- مراقبة جودة الهواء في السيارات
- مراقبة الغاز الصناعي
- إنذارات التسرب
- أبحاث الاستشعار المتعلقة بالرعاية الصحية
- المراقبة البيئية الذكية
يوضح ZM101-A تطورًا مهمًا في مجال الذكاء الاصطناعي للأنف: حيث يقدمه المصنعون بشكل متزايد أجهزة استشعار متعددة القنوات يمكن للمطورين دمجها مع نماذج الذكاء الاصطناعي وبيانات التطبيقات الخاصة بهم.
وهذا يجعل من الممكن تصميم أنظمة أنف إلكترونية خاصة بالتطبيقات بدلاً من البدء من عناصر الاستشعار الفردية.
أين يمكن استخدام تقنية الأنف المدعمة بالذكاء الاصطناعي؟
تمتد التطبيقات المحتملة لتقنية AI Nose عبر العديد من الصناعات لأن كل عملية بيولوجية أو كيميائية أو تصنيعية تقريبًا تنتج نوعًا من التوقيع الكيميائي المتطاير.
1. جودة الأغذية ونضارتها
يطلق الغذاء خليطًا متغيرًا من المركبات العضوية المتطايرة لأنه:
- ينضج
- تخمر
- يتأكسد
- يحط
- غنائم
يمكن للأنف المدعم بالذكاء الاصطناعي تحليل تلك الأنماط المتغيرة للمساعدة في تقييم:
- نضارة
- التلف
- النضج
- حالة التخمير
- اتساق المنتج
- أصل
- غش
تشمل المنتجات المحتملة ما يلي:
- لحمة
- المأكولات البحرية
- الفاكهة
- خضار
- قهوة
- شاي
- خمر
- منتجات الألبان
على سبيل المثال، لا يحتاج أنف الذكاء الاصطناعي بالضرورة إلى التعرف على كل المركبات العضوية المتطايرة التي تنتجها اللحوم الفاسدة.
وقد يتعلم ببساطة أن بصمة المستشعر الخاصة باللحوم الفاسدة تختلف باستمرار عن بصمة اللحوم الطازجة.
2. مراقبة العمليات الصناعية
غالبًا ما تنتج المصانع توقيعات كيميائية مميزة أثناء التشغيل العادي.
يمكن أن تشير التغييرات في هذه التوقيعات إلى:
- تشوهات العملية
- التلوث المادي
- مشاكل المعدات
- التسريبات
- ارتفاع درجة الحرارة
- التحلل الكيميائي
بدلاً من الانتظار حتى يصل غاز واحد إلى عتبة إنذار ثابتة، يمكن للأنف الذي يعمل بالذكاء الاصطناعي تحديد أن البيئة الكيميائية العامة قد تغيرت.
وهذا يجعل الشم الاصطناعي مثيرًا للاهتمام بشكل خاص للمراقبة الصناعية المستمرة.
3. الرصد البيئي
تشتمل العديد من مشكلات الروائح البيئية على مخاليط معقدة بدلاً من غاز فردي واحد.
تشمل التطبيقات المحتملة ما يلي:
- محطات الصرف الصحي
- مرافق معالجة النفايات
- مزارع
- الحدائق الصناعية
- المنشآت الكيميائية
- مراقبة الهواء الداخلي
- تحديد مصدر الرائحة
تظل أجهزة استشعار الغاز التقليدية مهمة عند قياس تركيزات الملوثات الفردية.
يمكن لأنظمة الأنف ذات الذكاء الاصطناعي إضافة طبقة أخرى من خلال التعرف على الرائحة الشاملة أو توقيع المركبات العضوية المتطايرة.
4. الأجهزة المنزلية الذكية
يمكن أيضًا دمج الشم الاصطناعي في الأجهزة الاستهلاكية.
تشمل التطبيقات المحتملة ما يلي:
ثلاجات
كشف التغيرات المرتبطة بنضارة الطعام أو الروائح غير الطبيعية.
اغطية المدى
التعرف على أنماط الغاز والروائح المرتبطة بالطهي وضبط التهوية تلقائيًا.
أجهزة تنقية الهواء
قم بتقييم التغيرات في البيئات الكيميائية الداخلية بدلاً من الاعتماد على قيمة واحدة للمركبات العضوية المتطايرة وحدها.
مكيفات الهواء
اجمع بين الاستشعار الكيميائي ودرجة الحرارة والرطوبة وقياسات الجسيمات لإدارة جودة الهواء بشكل أكثر ذكاءً.
هذا هو أحد المجالات التي يمكن أن تكون فيها مصفوفات الأنظمة الكهروميكانيكية الصغيرة مثل ZM101-A جذابة بشكل خاص لأن الشركات المصنعة للأجهزة تحتاج إلى منصات استشعار صغيرة ومنخفضة الطاقة.
5. تطبيقات السيارات
تحتوي المركبات الحديثة بالفعل على أجهزة استشعار بيئية متطورة بشكل متزايد.
يمكن لتقنية الأنف المدعمة بالذكاء الاصطناعي أن تضيف ميزة التعرف على الأنماط الكيميائية من أجل:
- مراقبة هواء المقصورة
- كشف التلوث الخارجي
- روائح غير عادية
- مراقبة جودة الهواء
- تهوية شخصية
- التحكم في إعادة التدوير التلقائي
قد تجمع المركبات الذكية المستقبلية بين الشم الاصطناعي والكاميرات والميكروفونات وأجهزة استشعار درجة الحرارة وأجهزة الاستشعار البيئية الأخرى.
6. الزراعة
تطلق النباتات والتربة والفواكه والعمليات البيولوجية العديد من المركبات المتطايرة.
وبالتالي، قد تدعم أنظمة الأنف المدعمة بالذكاء الاصطناعي ما يلي:
- مراقبة نضج الثمار
- أبحاث أمراض المحاصيل
- تقييم جودة المنتج
- مراقبة التخزين
- مراقبة الاحتباس الحراري
- تحليل الثروة الحيوانية والبيئة
إحدى المزايا الرئيسية المحتملة هي اكتشاف التغيرات الكيميائية قبل أن تصبح المشكلة واضحة للعيان.
7. أبحاث الرعاية الصحية
يحتوي التنفس البشري على العديد من المركبات المتطايرة المرتبطة بعمليات التمثيل الغذائي.
ولذلك يقوم الباحثون باستكشاف الأنوف الإلكترونية لتحليل أنماط التنفس.
تشمل مجالات البحث المحتملة ما يلي:
- تحليل التنفس
- مراقبة المريض
- مراقبة البيئة الطبية
- دراسات المركبات العضوية المتطايرة المتعلقة بالأمراض
ومع ذلك، لا بد من التمييز المهم.
تظهر نتيجة بحث أن الأنف الإلكتروني يمكنه التمييز بين أنماط معينة من التنفس لا يعني تلقائيًا أن الجهاز هو أداة تشخيص طبية معتمدة.
يعد التحقق السريري والاستنساخ والموافقة التنظيمية ومجموعات البيانات التمثيلية الكبيرة ضرورية قبل استخدام هذه الأنظمة للتشخيص الطبي.
8. الروبوتات والذكاء المتجسد
تستخدم الروبوتات بالفعل العديد من الحواس الاصطناعية:
- الكاميرات توفر الرؤية
- توفر الميكروفونات السمع
- توفر أجهزة استشعار القوة اللمس
- يوفر LiDAR الوعي المكاني
ويمكن للشم الاصطناعي أن يوفر حاسة أخرى مهمة.
يمكن للروبوت المجهز بأنف الذكاء الاصطناعي التعرف على:
- تسرب الغاز
- الانسكابات الكيميائية
- التغيرات المرتبطة بالتدخين
- طعام فاسد
- البيئات الخطرة
- مصادر الرائحة
قد يكون هذا مفيدًا بشكل خاص لـ:
- روبوتات التفتيش الصناعي
- روبوتات مكافحة الحرائق
- التفتيش تحت الأرض
- الروبوتات البيئية الخطرة
- روبوتات الخدمة المنزلية
ومع تطور الذكاء الاصطناعي، يمكن أن يصبح الاستشعار الكيميائي مصدرًا مهمًا آخر للمعلومات البيئية.
أنف الذكاء الاصطناعي للصيانة التنبؤية
أحد التطبيقات الصناعية المثيرة للاهتمام بشكل خاص هو الصيانة التنبؤية.
يمكن للمعدات أحيانًا إطلاق مركبات عضوية متطايرة مميزة قبل حدوث فشل واضح.
تشمل المصادر المحتملة ما يلي:
- المكونات المحمومة
- مواد التشحيم المهينة
- العزل الكهربائي
- البلاستيك
- البطاريات
- تسرب كيميائي
بدلاً من تحديد عتبة لكل مركب محتمل، يمكن للأنف الذي يعمل بالذكاء الاصطناعي أن يتعلم البصمة الكيميائية العادية حول الآلة.
إذا تغيرت بصمة الإصبع تدريجيًا، فقد يكتشف النظام الحالة الشاذة قبل حدوث فشل كبير.
ويمكن لهذا النهج في نهاية المطاف أن يكمل ما يلي:
- مراقبة الاهتزاز
- المراقبة الصوتية
- التصوير الحراري
- القياسات الكهربائية
قد يؤدي دمج أجهزة الاستشعار في النهاية إلى إنتاج أنظمة صيانة تنبؤية أكثر موثوقية من أي تقنية استشعار فردية وحدها.
لماذا يعد الذكاء الاصطناعي مفيدًا للكشف عن الرائحة؟
نادراً ما تتكون الروائح المعقدة من غاز واحد.
خذ بعين الاعتبار ستة أجهزة استشعار تستجيب في وقت واحد:
| المستشعر | إجابة |
|---|---|
| المستشعر أ | زيادة معتدلة |
| المستشعر ب | زيادة قوية |
| المستشعر ج | دون تغيير تقريبا |
| الاستشعار د | الذروة السريعة |
| الاستشعار الإلكتروني | انتعاش بطيء |
| الاستشعار ف | انخفاض صغير |
قد يواجه نظام العتبة التقليدي صعوبة في تفسير هذا المزيج.
تم تصميم خوارزميات التعلم الآلي لتحديد العلاقات عبر متغيرات متعددة.
ولهذا السبب فإن الذكاء الاصطناعي مناسب بشكل خاص للأنوف الإلكترونية.
المعلومات القيمة في كثير من الأحيان لا:
"المستشعر أ مقاس 2.8."
إنها:
"العلاقة المشتركة بين المستشعرات A–F تتطابق بشكل وثيق مع النموذج X."
ما هي التحديات الرئيسية التي تواجه تقنية الأنف ذات الذكاء الاصطناعي؟
تعد تقنية الأنف المدعمة بالذكاء الاصطناعي واعدة، لكن النشر العملي لا يزال يمثل تحديًا.
استشعار الانجراف
يمكن لأجهزة استشعار الغاز تغيير خصائصها تدريجياً بسبب:
- شيخوخة
- تلوث اشعاعى
- التعرض للمواد الكيميائية على المدى الطويل
- الظروف البيئية
- التغييرات المادية
قد يصبح النموذج الذي يتم تدريبه عندما تكون مجموعة أجهزة الاستشعار جديدة أقل دقة بعد أشهر أو سنوات.
لذلك يعد تعويض الانجراف جزءًا مهمًا من تطوير الأنف الاصطناعي على المدى الطويل.
درجة الحرارة والرطوبة
تتأثر العديد من أجهزة الاستشعار الكيميائية بالظروف البيئية.
إذا تغيرت الرطوبة من 30% رطوبة نسبية إلى 80% رطوبة نسبية، فقد تتغير بعض إشارات المستشعر على الرغم من أن الرائحة نفسها لم تتغير.
يجب أن يميز النظام الموثوق:
تغير كيميائي حقيقي
من
التدخل البيئي
لذلك يعد تعويض درجة الحرارة والرطوبة من الميزات المهمة في صفائف المستشعرات العملية.
بيانات التدريب
يعد نموذج الذكاء الاصطناعي مفيدًا بقدر البيانات المستخدمة لتدريبه.
قد يؤدي النظام الذي تم تدريبه في ظل ظروف معملية مثالية بشكل مختلف في المصنع.
يجب أن تحتوي مجموعات البيانات الواقعية على تنوع في:
- درجة حرارة
- رطوبة
- الغازات الخلفية
- شيخوخة الاستشعار
- دفعات المنتج
- تركيز
- تدفق الهواء
- الظروف الموسمية
تلوث أجهزة الاستشعار
يمكن لبعض الغازات أو المواد الكيميائية تغيير مواد الاستشعار بشكل مؤقت أو دائم.
ولذلك قد تتطلب أنظمة أخذ العينات ما يلي:
- المرشحات
- التعرض للرقابة
- إجراءات التنظيف
- معايرة
- استراتيجيات استبدال أجهزة الاستشعار
تعميم
لا يمكن أن يُتوقع تلقائيًا من الأنف الإلكتروني المدرب على بيئة واحدة أن يؤدي أداءً جيدًا بنفس القدر في كل مكان.
على سبيل المثال:
قد لا يتعرف نموذج الذكاء الاصطناعي الذي تم تدريبه باستخدام عينات القهوة من منشأة تحميص واحدة على الفور على كل قهوة من كل بلد أو عملية تحميص أو بيئة تخزين.
يظل التدريب والتحقق من صحة التطبيق في غاية الأهمية.
هل أنف الذكاء الاصطناعي هو نفس الشم الرقمي؟
المصطلحات تتداخل إلى حد كبير.
الأنف الإلكتروني
يشير عادةً إلى نظام مصفوفة مستشعرات فيزيائية مصمم لتقليد جوانب استشعار الرائحة البيولوجية.
أنف الذكاء الاصطناعي
يؤكد على تكامل التعلم الآلي أو الذكاء الاصطناعي مع بيانات مجموعة أجهزة الاستشعار.
حاسة الشم الآلية
مصطلح أوسع لتمكين الآلات من تفسير المعلومات الكيميائية المحمولة جواً.
الشم الرقمي
يمكن أن تشمل العملية الكاملة لـ:
- التقاط المعلومات المتعلقة بالرائحة
- رقمنتها
- تحليلها
- نقله
- احتمال إعادة إنتاجه
ولأن هذا المجال لا يزال في طور التطور، فإن المصطلحات تختلف بين الباحثين والمصنعين.
هل ستحل أنوف الذكاء الاصطناعي محل أجهزة استشعار الغاز التقليدية؟
لا.
على الأقل ليس في المستقبل المنظور.
تظل أجهزة استشعار الغاز المخصصة ضرورية للتطبيقات التي تتطلب قياسًا دقيقًا لغازات معينة.
تشمل الأمثلة ما يلي:
- إنذارات سلامة ثاني أكسيد الكربون
- أجهزة كشف الغاز القابلة للاحتراق
- مراقبة الأكسجين
- كشف الغازات السامة
- كشف تسرب المبردات
يكون أنف الذكاء الاصطناعي أكثر ملاءمة عندما تتضمن المشكلة ما يلي:
- مخاليط معقدة
- التعرف على الرائحة
- تصنيف
- تغييرات النمط
- كشف الشذوذ
لذلك من المرجح أن يشمل المستقبل كلا التقنيتين.
قد يحتوي نظام المراقبة الصناعية المتطور على:
حساسات غازية محددة + أنف AI + حساسات لدرجة الحرارة/الرطوبة + حساسات للجسيمات + كاميرات + برمجيات تنبؤية
ويمكن لهذه التقنيات معًا أن توفر فهمًا أكثر ثراءً للبيئة من أي جهاز استشعار منفرد.
مستقبل تكنولوجيا الأنف بالذكاء الاصطناعي
تعمل العديد من التطورات على تسريع التقدم في مجال الشم الاصطناعي.
أجهزة استشعار MEMS أصغر
يؤدي تصنيع الأنظمة الكهروميكانيكية الدقيقة (MEMS) إلى جعل صفائف أجهزة الاستشعار متعددة القنوات مضغوطة بشكل متزايد ومناسبة للتكامل في:
- الأجهزة
- المركبات
- الروبوتات
- الأجهزة المحمولة
- معدات إنترنت الأشياء
حافة الذكاء الاصطناعي
ومن الممكن أن تعمل نماذج التعلم الآلي بشكل متزايد بشكل مباشر على المعالجات المحلية.
تشمل الفوائد ما يلي:
- استجابة أسرع
- انخفاض عرض النطاق الترددي للشبكة
- عملية دون اتصال
- خصوصية أفضل
- معالجة في الوقت الحقيقي
مجموعات بيانات أكبر في العالم الحقيقي
مع نشر المزيد من الأنوف الإلكترونية، يمكن للمهندسين جمع مجموعات بيانات أكبر تغطي:
- شيخوخة الاستشعار
- الاختلاف الموسمي
- التدخل البيئي
- اختلافات المنتج
- أحداث غير طبيعية
يجب أن تساعد مجموعات البيانات هذه في تحسين قوة النموذج.
الانصهار الاستشعار
قد تجمع أنظمة الذكاء الاصطناعي المستقبلية بين الرائحة وتقنيات الاستشعار الأخرى.
على سبيل المثال:
أنف الذكاء الاصطناعي + الكاميرا + درجة الحرارة + الرطوبة + الجسيمات + الضغط + الصوت
وبدلاً من إعطاء الآلات رائحة صناعية فقط، يستطيع المهندسون تطوير أنظمة كاملة متعددة الحواس.
الأسئلة المتداولة
ما الذي يكتشفه أنف الذكاء الاصطناعي؟
يكتشف أنف الذكاء الاصطناعي الأنماط التي تنتجها الغازات والمركبات العضوية المتطايرة والروائح باستخدام أجهزة استشعار كيميائية متعددة. اعتمادًا على تدريبه، يمكنه تصنيف الروائح أو اكتشاف الظروف غير الطبيعية أو تقدير خصائص معينة.
هل أنف الذكاء الاصطناعي هو نفسه الأنف الإلكتروني؟
أنف الذكاء الاصطناعي هو بشكل عام نوع من الأنف الإلكتروني الذي يركز بشكل أكبر على الذكاء الاصطناعي والتعلم الآلي لتفسير بيانات مجموعة أجهزة الاستشعار.
هل يستطيع الذكاء الاصطناعي التعرف على الروائح؟
يمكن للذكاء الاصطناعي تصنيف الأنماط الكيميائية عندما يكون لديه بيانات استشعار مناسبة وأمثلة تدريبية تمثيلية. لا "يشم" النظام تمامًا مثل رائحة الإنسان، لكن يمكنه تعلم كيفية التعرف على بصمات الأصابع الكيميائية المتكررة.
هل يقيس أنف الذكاء الاصطناعي تركيز الغاز؟
يمكن ذلك، اعتمادًا على أجهزة الاستشعار والطراز، لكن قياس التركيز ليس هو الهدف الأساسي دائمًا. تركز العديد من أنظمة الأنف المدعمة بالذكاء الاصطناعي على التصنيف أو التعرف أو اكتشاف الحالات الشاذة.
ما هي المستشعرات المستخدمة في أنف الذكاء الاصطناعي؟
تشمل تقنيات الاستشعار المحتملة أجهزة استشعار أكسيد الفلز MEMS، وأجهزة استشعار أشباه الموصلات، وأجهزة الاستشعار الكهروكيميائية، وأجهزة الاستشعار البصرية، والبوليمرات الموصلة، وغيرها من تقنيات الاستشعار الكيميائي.
هل يستطيع أنف الذكاء الاصطناعي اكتشاف غازات متعددة؟
نعم. يمكن لأنظمة الأنف المدعمة بالذكاء الاصطناعي متعددة القنوات أن تجمع بين الاستجابات من عدة عناصر استشعار. على سبيل المثال، يوفر Winsen ZM101-A ست قنوات غازية MEMS تغطي NH₃، وVOC، وNO₂، وH₂S، وCO، وCH₄.
هل يمكن دمج أنف الذكاء الاصطناعي في المنتج؟
نعم. يمكن دمج صفائف مستشعرات MEMS المدمجة في الأجهزة والمركبات والمعدات الصناعية وأجهزة إنترنت الأشياء. يمكن لواجهات الاتصال مثل UART أن تسمح لأجهزة الاستشعار بتبادل البيانات مع وحدات التحكم المدمجة أو أنظمة معالجة الذكاء الاصطناعي.
خاتمة
ان يجمع AI Nose بين أجهزة استشعار كيميائية متعددة والذكاء الاصطناعي للتعرف على أنماط الغازات والمركبات العضوية المتطايرة والروائح.
الميزة الأكثر أهمية لها ليست بالضرورة تحديد كل جزيء كيميائي على حدة.
وبدلاً من ذلك، تقوم مجموعة المستشعرات بإنشاء بصمة كيميائية فريدة، وتتعلم خوارزميات التعلم الآلي ربط تلك البصمة بحالة معروفة.
يخلق هذا النهج فرصًا جديدة في:
- جودة الطعام
- المراقبة الصناعية
- الاستشعار البيئي
- الأجهزة الذكية
- أنظمة السيارات
- زراعة
- الروبوتات
- أبحاث الرعاية الصحية
- الصيانة التنبؤية
منتجات مثل أنف Winsen ZM101-A AI اشرح أيضًا كيف أصبحت صفائف مستشعرات MEMS متعددة القنوات منصات أجهزة عملية للمطورين الذين يقومون ببناء تطبيقات شم حقيقية للذكاء الاصطناعي.
ومع ذلك، تعتمد أنظمة الأنف المدعمة بالذكاء الاصطناعي الناجحة على ما هو أكثر بكثير من مجرد الجمع بين أجهزة الاستشعار وخوارزمية الذكاء الاصطناعي.
إن اختيار المستشعر، وتصميم العينات، وتعويض درجة الحرارة والرطوبة، ومجموعات بيانات التدريب التمثيلية، وإدارة الانجراف والتحقق من الصحة في العالم الحقيقي، كلها تحدد ما إذا كان نظام الشم الاصطناعي يمكن أن ينتقل بنجاح من العرض التوضيحي المختبري إلى تطبيق تجاري موثوق.
ومع صغر حجم أجهزة استشعار الغاز وزيادة قدرة الذكاء الاصطناعي، فمن المرجح أن تصبح قدرة الآلات على فهم العالم الكيميائي من حولها جزءًا متزايد الأهمية من الاستشعار الذكي.
