人工知能は画像を認識し、音声を理解し、膨大な量のデータを分析できます。機械は、人間が毎日経験する別の種類の情報を解釈することも学習しています。 匂い。
アン AIの鼻は、AI 搭載電子鼻またはインテリジェント電子鼻とも呼ばれ、複数の化学センサーまたはガスセンサーと信号処理および人工知能を組み合わせて、匂い、ガス、揮発性有機化合物 (VOC) のパターンを認識します。
AI Nose は、空気中のすべての分子を個別に識別しようとするのではなく、通常、複数のセンサーの組み合わせた応答を調べます。次に、機械学習アルゴリズムがその応答パターンを以前に収集したデータと比較します。
結果として考えられるのは、 デジタル化学指紋。
このため、AI Nose テクノロジーは、次のような個別のガスの濃度よりも全体の化学パターンが重要となるアプリケーションにとって特に興味深いものになります。
- 食品の鮮度と品質
- 産業プロセスの監視
- 環境臭気モニタリング
- スマート家電
- 自動車用空気質システム
- 農業
- ヘルスケア研究
- ロボット工学
- 予測メンテナンス
AIの鼻とは一体何なのでしょうか?
AI ノーズは、AI の高度な形式です。 電子鼻、一般にe-noseと略されます。
従来の電子鼻は何十年も前から存在しています。彼らの基本コンセプトは、複数の化学センサーを同じサンプルに曝露し、それらのセンサーが集合的にどのように反応するかを分析することです。
最新の AI Nose システムには、より高度なデータ処理と機械学習アルゴリズムが追加されています。
一般的なシステムには次のものが含まれます。
- 空気またはガスのサンプリング システム
- 複数のガス検知素子
- 信号調整電子機器
- 温湿度補正
- データ収集ハードウェア
- 特徴抽出ソフトウェア
- 機械学習モデル
- 既知の化学パターンのデータベース
センサー アレイは生物学的な嗅覚受容体のグループのように機能し、AI モデルは結果として得られる信号を解釈します。
規約 AIの鼻、 電子鼻、 機械の嗅覚、 デジタル嗅覚 そして 人工嗅覚 は密接に関連していますが、常にまったく同じように使用されるわけではありません。
インテリジェントな匂い検出のテクノロジー、センサー アーキテクチャ、開発の詳細な概要については、このガイドを参照してください。 AIノーズテクノロジー。
AI の鼻はどのように機能するのでしょうか?

システム アーキテクチャは異なりますが、ほとんどの AI Nose デバイスは同じ一般的なワークフローに従います。
空気サンプル → センサーアレイ → 電気信号 → 信号処理 → AI モデル → 認識または予測
1. The System Collects an Air Sample
最初のステップは、ガスまたは臭気のサンプルをセンサー アレイに接触させることです。
Depending on the device, sampling may use:
- 自然拡散
- 小型ポンプ
- 制御されたエアフロー
- ヘッドスペースサンプリング
- チューブ
- A dedicated sample chamber
センサーの反応は気流、曝露時間、濃度、温度、湿度に応じて変化する可能性があるため、サンプリング設計は重要です。
このため、信頼性の高い AI Nose は、単にコンピューターに接続された複数のガスセンサーではありません。
The entire sampling environment matters.
2. Multiple Sensors Respond to the Sample

The central component of an AI Nose is usually a センサーアレイ。
選択性の高いセンサーを 1 つだけ使用する代わりに、システムには異なる感度を持つ複数の感知要素が含まれる場合があります。
Possible technologies include:
- MEMSガスセンサー
- Metal oxide semiconductor sensors
- 電気化学センサー
- Conductive polymer sensors
- 光学式ガスセンサー
- 水晶マイクロバランスセンサー
- 表面弾性波センサー
- 比色センサーアレイ
6 つのセンサーが同じコーヒーの香りにさらされていると想像してください。
応答は次のようになります。
- センサーA:強い反応
- センサー B: 中程度の応答
- センサーC:反応が弱い
- センサー D: 高速応答と回復
- センサー E: 応答が遅い
- センサーF:ほとんど反応なし
同じセンサーアレイを腐った食べ物にさらすと、その組み合わせはまったく異なって見えるかもしれません。
必ずしも単一のセンサーで臭気を識別できるわけではありません。
その代わり、 すべてのセンサーにわたるパターンが有用な情報になります。
化学指紋とは何ですか?
複数のセンサーが同じサンプルに対して異なる反応を示す場合、それらの信号が組み合わされて多次元パターンが作成されます。
このパターンは、次のように説明されることがよくあります。
- 化学指紋
- 匂い指紋
- ガス指紋
- VOCフィンガープリント
例えば:
コーヒー→パターンA
オレンジジュース→パターンB
生肉→パターンC
腐った肉→パターンD
AI システムはこれらのパターンをトレーニング データから学習できます。
その後、未知のサンプルが測定されると、ソフトウェアは新しい指紋を以前に学習したサンプルと比較します。
これは概念的には、画像認識ソフトウェアが個々のピクセルをすべて手動でチェックするのではなく、視覚的なパターンを学習する方法と似ています。
AI がセンサー信号をどのように意味に変換するか

生のセンサー信号が AI モデルに直接送信されることはほとんどありません。
通常、最初に処理が必要です。
一般的な処理手順は次のとおりです。
- ノイズフィルタリング
- ベースライン補正
- 信号の正規化
- 温度補償
- 湿度補償
- センサードリフト補正
- 特徴抽出
- 次元削減
有用な特徴が抽出されると、機械学習アルゴリズムがデータを分析できます。
分類
システムは、どの既知のカテゴリがサンプルに最もよく一致するかを決定します。
例:
- 新鮮なものと腐ったもの
- コーヒータイプAとコーヒータイプB
- 正常なプロセスと異常なプロセス
- 臭気 A 対 臭気 B
回帰
このモデルは、単にカテゴリを割り当てるのではなく、連続値を推定します。
例としては次のものが挙げられます。
- 鮮度レベル
- 成熟
- プロセス条件
- 推定濃度
異常検出
AI Nose は、必ずしも匂いが何であるかを正確に知る必要はありません。
代わりに、それが何を学ぶことができます 通常の化学環境 のように見える。
センサーのパターンが大幅に変化した場合、システムはそのイベントに異常としてフラグを立てることができます。
このアプローチは、工場、倉庫、機器監視アプリケーションで特に価値があります。
どの AI アルゴリズムが使用できますか?
さまざまな AI Nose システムは、その複雑さ、データセットのサイズ、および目的のアプリケーションに応じて、異なるアルゴリズムを使用します。
一般的なアプローチには次のようなものがあります。
- 主成分分析 (PCA)
- 線形判別分析 (LDA)
- サポート ベクター マシン (SVM)
- k 最近傍 (KNN)
- ランダムフォレスト
- 人工ニューラルネットワーク
- 畳み込みニューラル ネットワーク
- 深層学習モデル
- アンサンブル学習法
AI がより高度になったからといって、自動的にパフォーマンスが向上するわけではありません。
システムが成功するかどうかは、次の組み合わせによって決まります。
センサー品質 + サンプリング設計 + トレーニング データ + 環境補正 + 適切なアルゴリズム
高品質の実世界データでトレーニングされた単純なモデルは、限られた実験室データセットでトレーニングされた複雑なニューラル ネットワークよりも優れたパフォーマンスを発揮する可能性があります。
AI ノーズと従来のガスセンサーの比較

AI Nose と従来のガスセンサーは関連テクノロジーですが、異なる質問に答えるように設計されています。
従来のガスセンサー
従来のガス検出システムは一般に、既知のターゲットガスに焦点を当てています。
例としては次のものが挙げられます。
- 一酸化炭素
- メタン
- 水素
- 硫化水素
- アンモニア
- 酸素
- 二酸化炭素
- 冷媒
通常、主な質問は次のとおりです。
このガスはどのくらい存在しますか?
出力は次のように表現できます。
- ppm
- ppb
- %LEL
- % 音量
産業安全および規制ガスの検出にとって、この定量的な測定は依然として非常に重要です。
AIの鼻
AI Nose は通常、別の質問をします。
この化学シグナルの組み合わせは何に似ていますか?
AI は、単一のセンサーの応答に依存するのではなく、複数の信号間の関係を分析します。
| 従来のガスセンサー | AIの鼻 |
|---|---|
| 多くの場合、1 つのガスに焦点を当てます | 複数のセンサーチャンネルを使用 |
| 集中力を測定する | 化学パターンを認識します |
| 通常は定義されたしきい値を使用します | 機械学習モデルを使用できる |
| 多くの場合、ppm または % で出力されます | 出力はクラス、確率、または異常です |
| 高い選択性が重要になる場合がある | 交差感度は有用なパターン情報を提供する可能性があります |
| 既知の対象ガスに最適 | 複雑な化学混合物に便利 |
これらのテクノロジーは必ずしも競合するわけではありません。
多くのアプリケーションでは、これらは相互に補完し合うことができます。
システムは専用の安全センサーを使用して有害ガス濃度を測定し、同時に AI Nose が周囲の化学環境の広範な変化を分析することができます。
現実世界の AI 鼻の例: Winsen ZM101-A
AI Nose テクノロジーは、研究プロトタイプから実用的なセンシング プラットフォームへとますます移行しています。
一例としては、 ウィンセン ZM101-A AIノーズ、インテリジェントなマルチチャネル ガス分析をサポートするように設計された MEMS ガス センサー アレイ。
ZM101-Aには、 6つのガス感知チャンネル の柔軟な選択をサポートします。 動作チャンネル1~6。
利用可能なセンシング チャネルは以下をカバーします。
| ガス | 検知範囲 |
|---|---|
| NH₃ | 1~100ppm |
| VOC | 1~10ppm |
| いいえ₂ | 0.1 ~ 10 ppm |
| H₂S | 00.5 ~ 10 ppm |
| CO | 5~200ppm |
| CH₄ | 100~6000ppm |
従来の単一ガス検知素子とは異なり、ZM101-A は マルチチャンネルMEMSガスセンサーアレイ。
このモジュールは信号フィルタリングと温度/湿度補償を提供し、AI アルゴリズム モデルとの統合をサポートします。
これにより、開発者は、いくつかのガス応答をまとめて収集し、その後の目的に使用するアプリケーションを構築できます。
- ターゲットガスの捕捉
- 特徴分析
- モデルの構築
- タスクの識別
ZM101-Aの主な仕様
- センサーの種類: MEMSガスセンサーアレイ
- ガスチャネル: 6
- 動作モード: 柔軟な 1 ~ 6 チャンネル選択
- 供給電圧: DC3.3V
- 動作電流: ≤150mA
- 消費電力: ≤400mW
- コミュニケーション: uart
- ウォームアップ時間: ≤120秒
- 動作温度: -40℃~85℃
- 動作湿度: 5%RH~95%RH、結露なきこと
- AIサポート: AIアルゴリズムモデルの統合をサポート
このモジュールは、次のようなアプリケーション分野を対象としています。
- スマート冷蔵庫
- エアコン
- 電子レンジ
- 空気清浄機
- レンジフード
- 自動車の大気質モニタリング
- 産業用ガス監視
- 漏れ警報器
- ヘルスケア関連のセンシング研究
- スマートな環境モニタリング
ZM101-A は、AI ノーズ分野における重要な発展を示しています。メーカーはますます多くの製品を提供しています。 開発者が独自の AI モデルやアプリケーション データと組み合わせることができるマルチチャネル センシング ハードウェア。
これにより、個々の感知要素から始めるのではなく、アプリケーション固有の電子鼻システムを設計することが可能になります。
AI 鼻テクノロジーはどこで使用できますか?

ほぼすべての生物学的、化学的、または製造プロセスでは何らかの種類の揮発性化学痕跡が生成されるため、AI Nose テクノロジーの潜在的な用途は多くの業界に広がります。
1. 食品の品質と鮮度
食品は次のような変化に応じて VOC の混合物を放出します。
- 熟す
- 発酵
- 酸化する
- 劣化する
- 戦利品
AI Nose は、これらの変化するパターンを分析して、以下の評価に役立てることができます。
- 鮮度
- 腐敗
- 成熟
- 発酵状態
- 製品の一貫性
- 起源
- 不純物混入
考えられる製品は次のとおりです。
- 肉
- シーフード
- フルーツ
- 野菜
- コーヒー
- お茶
- ワイン
- 乳製品
たとえば、AI Nose は、腐った肉によって生成されるすべての VOC を必ずしも識別する必要はありません。
単に、腐った肉のセンサーの指紋が新鮮な肉の指紋と一貫して異なることを学習するだけかもしれません。
2. 産業プロセスの監視
工場では、通常の操業中に特徴的な化学的痕跡が生成されることがよくあります。
これらの署名の変化は次のことを示している可能性があります。
- プロセス異常
- 材料の汚染
- 設備の問題
- 漏れ
- 過熱
- 化学的分解
AI Nose は、1 つのガスが固定の警報閾値に達するまで待つのではなく、全体的な化学環境が変化したことを潜在的に識別できる可能性があります。
このため、人工嗅覚は継続的な産業モニタリングにとって特に興味深いものになります。
3. 環境モニタリング
多くの環境臭気問題には、単一のガスではなく複雑な混合物が関係しています。
潜在的な用途には次のようなものがあります。
- 下水処理場
- Waste-treatment facilities
- 農場
- 工業団地
- 化学設備
- 室内空気モニタリング
- Odor-source identification
従来のガスセンサーは、個々の汚染物質の濃度を測定する必要がある場合に依然として重要です。
AI Nose システムは、 overall odor or VOC signature。
4. スマート家電
人工嗅覚は家庭用電化製品に組み込むこともできます。
潜在的な用途には次のようなものがあります。
冷蔵庫
食品の鮮度や異臭に伴う変化を検知します。
レンジフード
調理に伴うガスや臭気のパターンを認識し、換気を自動調整します。
空気清浄機
1 つの VOC 値だけに依存するのではなく、屋内の化学環境の変化を評価します。
エアコン
化学物質のセンシングと温度、湿度、微粒子の測定を組み合わせて、よりインテリジェントな空気品質管理を実現します。
家電メーカーは小型で低電力のセンシング プラットフォームを必要としているため、これは ZM101-A などのコンパクトな MEMS アレイが特に魅力的な分野の 1 つです。
5. 自動車用途
最新の車両には、すでにますます高度な環境センサーが搭載されています。
AI Nose テクノロジーにより、以下の化学パターン認識が追加される可能性があります。
- 機内空気モニタリング
- 屋外汚染検出
- 異常な臭い
- 空気品質管理
- 個別換気
- 自動再循環制御
将来のインテリジェント車両は、人工嗅覚とカメラ、マイク、温度センサー、その他の環境センサーを組み合わせる可能性があります。
6. 農業
植物、土壌、果物、生物学的プロセスは多くの揮発性化合物を放出します。
したがって、AI Nose システムは以下をサポートする可能性があります。
- 果実の熟度モニタリング
- 作物病害研究
- 製品の品質評価
- ストレージの監視
- 温室モニタリング
- 畜産環境分析
潜在的な大きな利点の 1 つは、問題が視覚的に明らかになる前に化学変化を検出できることです。
7. ヘルスケア研究
人間の呼気には、代謝プロセスに関連する多くの揮発性化合物が含まれています。
そのため研究者は、呼吸パターンを分析するための電子鼻を研究しています。
潜在的な研究分野には次のようなものがあります。
- 呼気分析
- 患者のモニタリング
- 医療環境モニタリング
- 疾患関連のVOC研究
ただし、重要な区別が必要です。
電子鼻が特定の呼吸パターンを区別できることを示す研究結果 デバイスが承認された医療診断ツールであることを自動的に意味するものではありません。
このようなシステムを医療診断に使用するには、臨床検証、再現性、規制当局の承認、および大規模な代表的なデータセットが必要です。
8. ロボット工学と身体化された知能
ロボットはすでにいくつかの人工感覚を使用しています。
- カメラは視覚を提供します
- マイクは聴覚を提供します
- 力センサーがタッチを提供
- LiDAR は空間認識を提供します
人工嗅覚は別の重要な感覚を提供する可能性があります。
AI Nose を搭載したロボットは、以下を識別できる可能性があります。
- ガス漏れ
- 化学物質の流出
- 煙に関連した変化
- 腐った食べ物
- 危険な環境
- 臭気の発生源
これは特に次の場合に役立ちます。
- 産業用検査ロボット
- 消防ロボット
- 地下検査
- 危険環境用ロボット
- 家事代行ロボット
身体型 AI が発展するにつれ、化学センシングも環境情報の重要な情報源になる可能性があります。
予知保全のための AI Nose
特に興味深い産業用途の 1 つは、予知保全です。
目に見える障害が発生する前に、機器から特有の VOC が放出されることがあります。
考えられるソースは次のとおりです。
- 過熱したコンポーネント
- 潤滑剤の劣化
- 電気絶縁
- プラスチック
- 電池
- 化学物質の漏洩
AI Nose は、考えられるすべての化合物に対してしきい値を設定するのではなく、 機械周囲の通常の化学指紋。
そのフィンガープリントが徐々に変化すると、システムは重大な障害が発生する前に異常を検出できる可能性があります。
このアプローチは最終的に以下を補完する可能性があります。
- 振動モニタリング
- 音響モニタリング
- 熱画像処理
- 電気測定
センサー フュージョンは、最終的には、個別のセンシング技術単独よりも信頼性の高い予知保全システムを生み出す可能性があります。
AIが匂い検知になぜ役立つのか?
複雑な臭気が 1 つのガスで構成されることはほとんどありません。
同時に応答する 6 つのセンサーを考えてみましょう。
| センサー | 応答 |
|---|---|
| センサーA | 中程度の増加 |
| センサーB | 大幅な増加 |
| センサーC | ほぼ変わらない |
| センサーD | 急速なピーク |
| Eセンサー | 回復が遅い |
| センサーF | 微減 |
従来のしきい値システムでは、この組み合わせを解釈するのが難しい場合があります。
機械学習アルゴリズムは、複数の変数間の関係を特定するように設計されています。
これが、人工知能が電子鼻に特に適している理由です。
多くの場合、貴重な情報は次のようなものではありません。
「センサーAの測定値は2.8でした。」
それは次のとおりです。
「センサー A ~ F の組み合わせ関係はパターン X とよく一致します。」
AI 鼻テクノロジーの主な課題は何ですか?

AI Nose テクノロジーは有望ですが、実用的な展開は依然として課題です。
センサードリフト
ガスセンサーは、次の理由により特性が徐々に変化する可能性があります。
- エージング
- 汚染
- 長期にわたる化学物質への曝露
- 環境条件
- 素材の変更
センサー アレイが新しいときにトレーニングされたモデルは、数か月または数年後には精度が低下する可能性があります。
したがって、ドリフト補正は長期的な AI Nose 開発の重要な部分です。
温度と湿度
多くの化学センサーは環境条件の影響を受けます。
湿度が 30%RH から 80%RH に変化すると、臭い自体は変化していなくても、一部のセンサー信号が変化する場合があります。
信頼性の高いシステムでは、以下を区別する必要があります。
本当の化学変化
から
環境干渉
したがって、温度と湿度の補償は、実際のセンサー アレイにおける重要な機能です。
トレーニングデータ
AI モデルは、そのトレーニングに使用されるデータによってのみ役に立ちます。
理想的な実験室条件でトレーニングされたシステムは、工場では異なる動作をする可能性があります。
現実世界のデータセットには、以下のバリエーションが含まれている必要があります。
- 温度
- 湿度
- バックグラウンドガス
- センサーの経年劣化
- 製品バッチ
- 集中
- 気流
- 季節条件
センサーの汚れ
一部のガスや化学物質は、センシング材料を一時的または永続的に変化させる可能性があります。
したがって、サンプリング システムには次のものが必要となる場合があります。
- フィルター
- 制御された露出
- 清掃手順
- 較正
- センサーの交換戦略
一般化
ある環境向けに訓練された電子鼻が、自動的にどこでも同じようにうまく機能すると期待できるわけではありません。
例えば:
1 つの焙煎施設からのコーヒー サンプルを使用してトレーニングされた AI モデルは、すべての国、焙煎プロセス、または保管環境からのすべてのコーヒーをすぐに認識できるわけではありません。
アプリケーション固有のトレーニングと検証は依然として非常に重要です。
AIの鼻はデジタル嗅覚と同じですか?
用語はかなり重複しています。
電子鼻
通常、生物学的な匂いの感知の側面を模倣するように設計された物理的なセンサー アレイ システムを指します。
AIの鼻
機械学習または人工知能とセンサーアレイデータの統合を強調します。
機械の嗅覚
機械が空気中の化学情報を解釈できるようにするための広義の用語。
デジタル嗅覚
以下の完全なプロセスを含めることができます。
- 匂いに関する情報を取得する
- それをデジタル化する
- それを分析する
- それを発信する
- 再現する可能性がある
この分野はまだ発展途上であるため、用語は研究者やメーカーによって異なります。
AI ノーズは従来のガスセンサーに取って代わるのでしょうか?
いいえ。
少なくとも予見可能な将来にはそうではありません。
専用のガスセンサーは、特定のガスの正確な測定が必要な用途には引き続き不可欠です。
例としては次のものが挙げられます。
- 一酸化炭素安全警報器
- 可燃性ガス検知器
- 酸素モニタリング
- 有毒ガス検知
- 冷媒漏れ検知
AI Nose は、次のような問題に関連する場合に適しています。
- 複雑な混合物
- 匂いの認識
- 分類
- パターンの変更
- 異常検知
したがって、将来的には両方のテクノロジーが関与する可能性があります。
高度な産業監視システムには次のものが含まれる場合があります。
特定ガスセンサー+AI Nose+温湿度センサー+粒子センサー+カメラ+予測ソフト
これらのテクノロジーを組み合わせると、単一のセンサーを単独で使用する場合よりも、環境をより深く理解できるようになります。
The Future of AI Nose Technology
いくつかの開発により、人工嗅覚の進歩が加速しています。
小型MEMSセンサー
MEMS 製造により、マルチチャネル センサー アレイはますますコンパクトになり、以下への統合に適しています。
- 家電製品
- 乗り物
- ロボット
- ポータブルデバイス
- IoT機器
エッジAI
機械学習モデルは、ローカル プロセッサ上で直接動作できるようになってきています。
利点は次のとおりです。
- より速い応答
- ネットワーク帯域幅が低い
- オフライン操作
- プライバシーの向上
- リアルタイム処理
Larger Real-World Datasets
より多くの電子鼻が導入されると、エンジニアは以下をカバーするより大きなデータセットを収集できるようになります。
- センサーの経年劣化
- 季節変動
- 環境干渉
- 製品の違い
- 異常事態
これらのデータセットは、モデルの堅牢性の向上に役立つはずです。
センサーフュージョン
将来の AI システムでは、匂いと他のセンシング技術が組み合わされる可能性があります。
例えば:
AI 鼻 + カメラ + 温度 + 湿度 + 粒子 + 圧力 + 音
機械に人工的な匂いだけを与えるのではなく、エンジニアは完全な多感覚システムを開発できます。
よくある質問
AI Nose は何を検出しますか?
AI Nose は、複数の化学センサーを使用して、ガス、VOC、臭気によって生成されるパターンを検出します。訓練に応じて、匂いを分類したり、異常な状態を検出したり、特定の特性を推定したりすることができます。
AI鼻は電子鼻と同じですか?
AI 鼻は一般に、センサー アレイ データを解釈するための人工知能と機械学習に重点を置いた電子鼻の一種です。
AIは匂いを識別できるのか?
AI は、適切なセンサー データと代表的なトレーニング例を持っている場合、化学パターンを分類できます。このシステムは人間とまったく同じ「匂い」を嗅ぐわけではありませんが、再現可能な化学指紋を認識することを学習できます。
AI Nose はガス濃度を測定しますか?
センサーやモデルによっては可能ですが、濃度測定が常に主な目的であるとは限りません。多くの AI Nose システムは、分類、認識、または異常検出に重点を置いています。
AI Noseにはどのようなセンサーが使用されていますか?
考えられるセンシング技術には、MEMS 金属酸化物センサー、半導体センサー、電気化学センサー、光センサー、導電性ポリマー、その他の化学センシング技術が含まれます。
AI Nose は複数のガスを検出できますか?
はい。マルチチャネル AI Nose システムは、複数の感知要素からの応答を組み合わせることができます。たとえば、Winsen ZM101-A は、NH3、VOC、NO2、H2S、CO、CH4 をカバーする 6 つの MEMS ガス チャネルを備えています。
AI Nose を製品に組み込むことはできますか?
はい。コンパクトな MEMS センサー アレイは、家電製品、車両、産業機器、IoT デバイスに統合できます。 UART などの通信インターフェイスを使用すると、センサー ハードウェアが組み込みコントローラーまたは AI 処理システムとデータを交換できるようになります。
結論
アン AI Nose は、複数の化学センサーと人工知能を組み合わせて、ガス、VOC、臭気のパターンを認識します。。
その最も重要な利点は、必ずしもすべての化学分子を個別に識別できるわけではありません。
代わりに、センサー アレイが独自の化学指紋を作成し、機械学習アルゴリズムがその指紋を既知の状態と関連付けることを学習します。
This approach creates new opportunities in:
- 食品の品質
- 産業監視
- 環境センシング
- スマート家電
- 自動車システム
- 農業
- ロボット工学
- ヘルスケア研究
- 予測メンテナンス
などの製品 ウィンセン ZM101-A AIノーズ また、実際の AI 嗅覚アプリケーションを構築する開発者にとって、マルチチャネル MEMS センサー アレイがどのように実用的なハードウェア プラットフォームになりつつあるのかを示します。
ただし、AI Nose システムの成功は、単にセンサーと AI アルゴリズムを組み合わせるだけではありません。
センサーの選択、サンプリング設計、温度と湿度の補正、代表的なトレーニング データセット、ドリフト管理、および実世界での検証はすべて、人工嗅覚システムが実験室でのデモンストレーションから信頼できる商用アプリケーションにうまく移行できるかどうかを決定します。
ガスセンサーが小型化し、人工知能の能力が向上するにつれて、周囲の化学世界を理解する機械の能力は、インテリジェントセンシングの重要な部分になる可能性があります。
返信を残す