Forskere bruger neurale netværk til lugtgenkendelse

Forskere fra HSE Laboratory of Space Research, Teknologier, Systemer og processer har anvendt hurtigt lærende kunstige intelligenssystemer til lugtgenkendelse og udviklet en elektronisk næseenhed, der er i stand til at genkende olfaktoriske mønstre af en lang række kemikalier. Ud over at skelne mellem forskellige gasblandinger, den elektroniske næse vil være i stand til at fange og huske nye lugte. Ifølge HSE -forskere, produktet af deres forskning vil sandsynligvis gavne både sikkerhedstjenester og offentligheden.

Elektroniske næseindretninger er gasanalysatorer, der bruges til måling af den kvalitative og kvantitative sammensætning af gasblandinger. HSE-forskernes innovation er, at deres enhed er baseret på gasfølsomme matricer i halvleder-sensorer og bruger et hurtigt lærende AI-neuralt netværk. Den foreslåede teknologi er yderst præcis til at analysere gasblandinger og efterligner de levende organismers olfaktoriske funktion ved at huske nye lugte og let genkende dem bagefter.

"Der er masser af gas- og lugtesensorer til rådighed, men de er designet til kun at genkende én bestemt lugt, "siger Vladimir Kulagin, professor ved MIEM HSE. "For eksempel, metansensorer kan registrere en stigning i denne gas og advare underjordiske minearbejdere om faren, men hvis den står over for en gasblanding, denne sensor vil kun genkende metanen og ignorere de andre komponenter. Dette kan udgøre et problem, da mange gasser er farlige, når de blandes med andre gasser. MIEM HSE -forskere arbejder nu på algoritmer, softwareløsninger og teknikker til genkendelse af lugt fra neurale netværk. Vores hovedmål i øjeblikket er at øge rækkevidden af ​​olfaktoriske mønstre, enheden kan genkende ved at sætte den i stand til at lære nye lugte og videregive disse oplysninger til hukommelsen. I det væsentlige, vi vil lære enheden at skelne mellem farlige og ikke-farlige gasblandinger og hurtigt huske dem. Til dette formål, den skal kende egenskaberne ved hver gas. "

Sådan vil det fungere. Hvis enheden fanger en lugt, den ikke genkender, AI vil søge i sin database efter den nærmeste lignende lugt bestemt af den mindste Hamming -afstand til enhver kendt lugtkode. Hvor der ikke findes et så tæt sekund, hvilket betyder, at afstanden mellem koder overstiger Hamming -afstanden i alle neurale netværk, enheden identificerer lugten som ny.

I dette tilfælde, det nye olfaktoriske mønster uploades til databasen og et nyt neuralt netværk trænes til denne lugt. Som resultat, både automatisk indlæring af nye lugte og mere præcis genkendelse opnås. Hvor en ny lugt matcher to forskellige mønstre i databasen, den, hvis kode er tættere på referencekoden ved Hamming -afstanden (baseret på antallet af tilfældigheder) foretrækkes. En anden fordel er muligheden for at korrigere e-næsefejl på grund af ældning af en række gassensorer.

Potentielle anvendelser af enheden er udbredt og omfatter miljøovervågning, opdager terrortrusler mod mennesker og faciliteter, tidlig advarsel om teknogene katastrofer, fly eller rumfartøjer om bord på instrumenter, teknologi til overvågning af råvarekvalitet, og lugtbekæmpelse til industrielle processer.