Czym jest nos AI? Jak elektroniczne nosy oparte na sztucznej inteligencji dają maszynom zmysł węchu

Czym jest nos AI?

Sztuczna inteligencja pozwala maszynom widzieć przez kamery, podsłuchiwać przez mikrofony i rozumieć otoczenie dzięki LiDAR-owi, radarowi, obrazowaniu termicznemu i innym technologiom wykrywania.

Jednakże wielu istotnych zmian w świecie fizycznym nie da się zobaczyć ani usłyszeć.

Nieszczelna rura gazowa może wyglądać zupełnie normalnie. Żywność może zacząć się psuć, zanim pojawią się widoczne zmiany. Akumulator lub element elektryczny może uwalniać nietypowe związki lotne, zanim pojawi się dym. Procesy przemysłowe mogą generować charakterystyczne mieszanki gazów, które trudno zidentyfikować na podstawie pojedynczego pomiaru stężenia gazu.

W takich sytuacjach niezwykle przydatny okazuje się AI Nose , czyli elektroniczny nos wspomagany sztuczną inteligencją lub sztuczny system wykrywania węchu.

Zamiast próbować mechanicznie odtworzyć ludzki nos, AI Nose łączy wielokanałową matrycę czujników gazu z przetwarzaniem sygnałów i algorytmami sztucznej inteligencji.

Zespół czujników reaguje na gazy i zapachy, podczas gdy sztuczna inteligencja analizuje złożony wzór odpowiedzi, aby określić, jaki typ środowiska chemicznego wykrywa system.

W prostych słowach:

Gaz lub zapach → Tablica czujników → Przetwarzanie sygnałów → Model sztucznej inteligencji → Rozpoznawanie wzorców

Dzięki temu wykrywanie gazu nie sprowadza się już do prostego zadawania pytań:

„Jaka jest ilość konkretnego gazu?”

na bardziej zaawansowane pytanie:

„Jakiego rodzaju gaz, zapach lub wzór chemiczny jest obecny?”

Różnica ta stanowi podstawę węchu maszynowego.

Czym jest nos AI?

AI Nose to inteligentny system wykrywania substancji chemicznych, zaprojektowany do rozpoznawania gazów, zapachów lub charakterystycznych mieszanek gazów za pomocą wielu kanałów pomiarowych i algorytmów rozpoznawania wzorców.

Typowy system składa się z czterech podstawowych elementów:

Zespół czujników gazowych
Akwizycja sygnału i kompensacja środowiskowa
Ekstrakcja funkcji
Model sztucznej inteligencji lub uczenia maszynowego

W odróżnieniu od konwencjonalnego detektora jednogazowego, detektor AI Nose nie wymaga, aby jeden czujnik był idealnie selektywny w stosunku do jednego konkretnego gazu.

Zamiast tego kilka czujników reaguje odmiennie na tę samą próbkę.

Połączona reakcja tworzy wielowymiarowy wzór — podobny do chemicznego odcisku palca.

Algorytmy sztucznej inteligencji mogą następnie dowiedzieć się, czym różnią się te odciski palców.

Na przykład, kilka źródeł zapachów może zawierać lotne związki organiczne, ale intensywność reakcji w różnych kanałach pomiarowych może się znacząco różnić.

Pojedynczy sygnał może nie pozwalać na jednoznaczną identyfikację próbki. Jednak analiza kilku sygnałów jednocześnie sprawia, że wzór staje się znacznie bardziej charakterystyczny.

Tu właśnie przydatna staje się sztuczna inteligencja.

Jak działa nos AI?

Jak działa nos AI

Sztuczna inteligencja (AI Nose) przekształca niewidoczne informacje chemiczne w dane cyfrowe, które model AI może analizować.

Cały proces można podzielić na pięć etapów.

1. Dopływ gazu i zapachu

Proces rozpoczyna się w momencie, gdy gaz, para lub zapach dotrze do układu pomiarowego.

Próbka może zawierać:

Pojedynczy gaz
Wiele gazów
Mieszaniny LZO
Cząsteczki zapachu
Zakłócenia środowiskowe
Różne warunki wilgotności i temperatury

Rzeczywiste zapachy rzadko składają się tylko z jednego związku chemicznego. Zazwyczaj są to złożone mieszaniny.

2. Odpowiedź matrycy czujników

Zamiast polegać na jednym elemencie czujnikowym, nos AI wykorzystuje jednocześnie kilka kanałów czujnikowych.

Każdy kanał ma inną charakterystykę czułości.

Po narażeniu na tę samą próbkę:

Jeden kanał może reagować silnie
Inny może reagować umiarkowanie
Inny może zareagować tylko nieznacznie

Relacja pomiędzy tymi sygnałami tworzy pierwszą wersję odcisku palca zapachowego.

W systemie sześciokanałowym odpowiedź można przedstawić koncepcyjnie jako:

R = [R₁, R₂, R₃, R₄, R₅, R₆]

Każda wartość reprezentuje odpowiedź jednego kanału pomiarowego.

System może również analizować, jak te odpowiedzi zmieniają się w czasie.

3. Przetwarzanie sygnału

Surowe sygnały czujników muszą zostać przetworzone przed wysłaniem do modelu AI.

Przetwarzanie sygnałów może obejmować:

Filtracja
Wzmocnienie
Korekta linii bazowej
Kompensacja temperatury
Kompensacja wilgotności
Normalizacja sygnału
Kompensacja dryfu

Kompensacja środowiskowa jest szczególnie istotna, ponieważ czujniki gazu mogą reagować na zmiany temperatury i wilgotności.

4. Analiza modelu AI

Przetworzone dane są konwertowane na cechy, dzięki którym można łatwiej rozróżnić różne wzorce gazu.

Przydatne funkcje mogą obejmować:

Amplituda odpowiedzi
Szybkość reakcji
Szybkość odzyskiwania
Nachylenie sygnału
Względna odpowiedź między kanałami
Obszar pod krzywą odpowiedzi
Charakterystyki czasowe
Znormalizowana odpowiedź czujnika

Następnie cechy te są analizowane przez algorytmy uczenia maszynowego lub głębokiego uczenia.

W zależności od zastosowania odpowiednie podejścia mogą obejmować:

PCA
Obsługa maszyn wektorowych
Drzewa decyzyjne
Losowe lasy
Sieci neuronowe
Modele głębokiego uczenia się
Modele klasyfikacji szeregów czasowych

Celem nie jest po prostu wykorzystanie najbardziej skomplikowanego algorytmu sztucznej inteligencji.

Celem jest zbudowanie modelu, który będzie w stanie niezawodnie rozróżniać wymagane wzorce gazu lub zapachu w rzeczywistych warunkach pracy.

5. Rozpoznawanie wzorców

Po przeszkoleniu systemu model sztucznej inteligencji może analizować nowe dane z czujników i porównywać je z wcześniej poznanymi wzorcami.

Końcowy wynik może obejmować:

Klasyfikacja zapachów
Identyfikacja wzoru gazu
Wykrywanie nieprawidłowości
Rozpoznawanie stanu procesu
Klasyfikacja jakości
Wynik prawdopodobieństwa
Inteligentne wyjście decyzyjne

Wynik można następnie przesłać do robota, urządzenia, sterownika przemysłowego, systemu pojazdu lub platformy chmurowej.

Nos AI kontra tradycyjne czujniki gazu

Tradycyjne czujniki gazu i systemy AI Nose rozwiązują różne problemy.

Technologia	Główny cel	Typowy wynik	Poziom inteligencji
Pojedynczy czujnik gazu	Wykrywanie lub pomiar określonego gazu docelowego	Stężenie gazu	Stała logika wykrywania
Elektroniczny nos	Porównaj wzorce odpowiedzi z wielu czujników	Klasyfikacja wzorców	Rozpoznawanie wzorców statystycznych
Nos AI	Poznaj złożone charakterystyki matryc czujników za pomocą sztucznej inteligencji	Klasyfikacja, rozpoznawanie i inteligentne podejmowanie decyzji	Uczenie maszynowe / analiza AI

Przykładowo, konwencjonalny czujnik CO może być zaprojektowany w celu określenia, czy stężenie tlenku węgla wynosi 20 ppm, 50 ppm czy 100 ppm.

Zamiast tego nos AI może analizować reakcje kilku czujników i określać, czy ogólny wzór chemiczny jest bardziej podobny do:

Normalne powietrze
Para rozpuszczalnika
Nienormalna emisja przemysłowa
Psucie się żywności
Gazy związane ze spalaniem
Stan wytrenowanego procesu
Konkretna kategoria zapachów

Dlatego też nie należy uważać, że AI Nose zastąpi każdy konwencjonalny czujnik gazu.

W przypadku gdy system bezpieczeństwa wymaga dokładnego progu stężenia regulowanego gazu docelowego, niezbędny pozostaje dedykowany czujnik gazu.

Technologia AI Nose staje się szczególnie cenna, gdy aplikacja wymaga:

Rozpoznawanie wzorów
Klasyfikacja
Identyfikacja środowiska chemicznego
Analiza złożonych mieszanin gazowych
Rozpoznawanie stanu nieprawidłowego

Dlaczego nos sztucznej inteligencji potrzebuje wielu czujników?

Podstawą ludzkiego węchu jest rozpoznawanie wzorców.

Ludzki nos zazwyczaj nie wykorzystuje jednego receptora do rozpoznawania jednego konkretnego zapachu.

Zamiast tego wiele receptorów reaguje z różną intensywnością, tworząc wzór, który mózg interpretuje jako zapach.

Nosy elektroniczne działają na podobnej ogólnej zasadzie.

Zamiast tworzyć jeden idealnie selektywny czujnik dla każdego możliwego zapachu, układ czujników zapewnia wiele, częściowo nakładających się wymiarów wykrywania.

Podejście to jest szczególnie przydatne w przypadku złożonych mieszanin, takich jak:

Zapachy jedzenia
Wydech przemysłowy
Środowiska chłodnicze
Gazy spalinowe
Emisje z produkcji chemicznej
Zapachy w pomieszczeniach
Gazy z oczyszczania ścieków

Zestaw czujników dostarcza wielowymiarowe dane.

Sztuczna inteligencja umożliwia ich interpretację.

Nos elektroniczny kontra nos ze sztuczną inteligencją

Termin nos elektroniczny , lub e-nos , istnieje od dziesięcioleci.

Tradycyjny elektroniczny nos zazwyczaj łączy w sobie:

Tablica czujników + rozpoznawanie wzorców

Technologię AI Nose można postrzegać jako kolejny etap tej koncepcji.

Nowoczesne systemy nosów AI korzystają z następujących korzyści:

Miniaturyzacja MEMS
Wysokowymiarowe tablice czujników
Ulepszone przetwarzanie sygnału cyfrowego
Nauczanie maszynowe
Sieci neuronowe
Procesory Edge AI
Rozwój modeli w chmurze
Fuzja wielu czujników

Istotnym ulepszeniem nie jest po prostu dodanie słowa „AI”.

Prawdziwą zmianą jest to, że dane z matryc czujników można teraz przetwarzać przy użyciu bardziej zaawansowanych algorytmów uczących się i integrować je z inteligentnymi systemami zdolnymi do podejmowania decyzji.

Technologia MEMS ułatwia integrację systemów nosowych AI

Jednym z historycznych wyzwań związanych z systemami elektronicznych nosów był rozmiar.

Tradycyjne narzędzia do rozpoznawania zapachów mogą wymagać:

Wiele niezależnych czujników
Komory do pobierania próbek o złożonym składzie
Duże płytki drukowane
Sprzęt do przetwarzania zewnętrznego

Technologia wykrywania gazu MEMS znacząco redukuje bariery integracyjne.

Czujniki MEMS mogą zapewnić:

Kompaktowy rozmiar
Niskie zużycie energii
Szybka reakcja termiczna
Wiele elementów czujnikowych w kompaktowej konstrukcji
Przydatność do produkcji masowej
Łatwiejsza integracja z urządzeniami wbudowanymi

Dzięki temu elektroniczny węch staje się coraz bardziej praktyczny w robotach, urządzeniach, pojazdach i innych inteligentnych terminalach.

Czujnik nosa Winsen ZM101-A AI

Firma Winsen opracowała czujnik ZM101-A AI-Nose jako wielokanałową inteligentną platformę pomiarową bazującą na technologii pomiaru gazu MEMS.

ZM101-A integruje do sześciu kanałów pomiarowych MEMS , zapewniając wielowymiarowe informacje o reakcji na gaz, które można wykorzystać do rozpoznawania zapachów i wzorców chemicznych na podstawie sztucznej inteligencji.

Dostępne wymiary czujnika obejmują:

NH₃
VOC
NIE₂
H₂S
CO
CH₄

Ważne jest, że kanały te nie są przeznaczone wyłącznie do podawania sześciu niezależnych wartości stężeń.

Ich połączona reakcja tworzy bogatszy wzorzec wykrywania, który można wykorzystać do uczenia maszynowego i rozpoznawania przez sztuczną inteligencję.

Główne cechy ZM101-A

Do sześciu kanałów czujników MEMS
Kompaktowa konstrukcja matrycy czujników
Szybka reakcja i powrót do zdrowia
Kompensacja temperatury i wilgotności
Filtrowanie i przetwarzanie sygnałów
Możliwość integracji modelu AI
Komunikacja UART
Niskie zużycie energii
Nadaje się do wbudowanych urządzeń inteligentnych
Elastyczny rozwój aplikacji

Parametry techniczne ZM101-A

Parametr	Specyfikacja
Modele wyrobów	ZM101-A
Rodzaj produktu	Układ czujników gazu MEMS
Kanały pomiarowe	Do 6
Zasięg NH₃	1–100 ppm
Zakres LZO	1–10 ppm
Zasięg NO₂	0.1–10 ppm
Zakres H₂S	0.5–10 ppm
Zakres CO	5–200 ppm
Zakres CH₄	100–6000 ppm
Napięcie zasilające	DC 3.3 V
Pobór prądu	≤150 mA
Pobór energii	≤400 mW
Komunikacja	UART
Czas na rozgrzewkę	≤120 s
temperatura robocza	-40 ° C do 85 ° C
Wilgotność pracy	5%–95% wilgotności względnej, bez kondensacji

W przypadku rzeczywistych projektów AI Nose konfiguracja i model kanału pomiarowego powinny zostać dobrane zgodnie z rzeczywistymi gazami docelowymi, zapachami i środowiskiem zastosowania klienta.

Sztuczna inteligencja nie rozpoznaje automatycznie każdego zapachu

To ważne rozróżnienie inżynieryjne.

AI Nose nie jest uniwersalnym detektorem zapachów, który potrafi rozpoznać każdy możliwy zapach natychmiast po włączeniu.

Rozpoznawanie przez sztuczną inteligencję opiera się na danych szkoleniowych.

Jeśli klient chce, aby system rozpoznawał cztery różne warunki pracy, zazwyczaj konieczne jest pobranie reprezentatywnych próbek z tych czterech warunków.

Na przykład aplikacja robota przemysłowego może definiować:

Normalne środowisko
Wyciek rozpuszczalnika
Nieprawidłowość gazu palnego
Nieprawidłowości w procesie wydechu

Zespół czujników wielokrotnie pobiera próbki tych środowisk.

Uzyskane dane dotyczące reakcji czujników są następnie oznaczane i wykorzystywane do trenowania modelu sztucznej inteligencji.

Cały proces rozwoju wygląda zatem następująco:

Sprzęt czujnikowy + Próbki aplikacji + Zestaw danych + Algorytm + Walidacja

Jeśli docelowy zapach ulegnie zmianie, może zaistnieć konieczność zmiany zestawu danych szkoleniowych.

Takie podejście do rozwoju oprogramowania zorientowane na aplikacje jest bardziej niezawodne niż założenie, że jeden uniwersalny model jest w stanie rozpoznać każdy zapach.

Aplikacje AI Nose

Technologię AI Nose można zastosować wszędzie tam, gdzie maszyny muszą rozumieć informacje chemiczne lub zapachowe.

Robotyka

Roboty mogą wykorzystywać technologię AI Nose do wykrywania środowisk chemicznych, których nie można zrozumieć wyłącznie za pomocą wzroku.

Potencjalne zadania obejmują:

Kontrola wycieków gazu
Wykrywanie nieprawidłowości LZO
Monitoring środowiska przemysłowego
Lokalizacja źródła zapachu
Inspekcja obszarów niebezpiecznych
Monitorowanie spalin procesowych

Inteligentne urządzenia domowe

Elektroniczny węch można zintegrować z:

Oczyszczacze powietrza
chłodziarki
Okapy kuchenne
Klimatyzatory
Inteligentne urządzenia kuchenne

Funkcje potencjalne obejmują:

Wykrywanie nietypowych zapachów
Rozpoznawanie świeżości żywności
Inteligentna wentylacja
Monitorowanie stanu gotowania
Adaptacyjne oczyszczanie powietrza

Jakość powietrza w kabinie pojazdu

Przyszłe inteligentne pojazdy mogą łączyć czujniki gazu i systemy AI Nose, aby rozpoznawać:

Zmiana zapachu w kabinie
Akumulacja lotnych związków organicznych (LZO)
Zanieczyszczenie powietrza zewnętrznego
Nieprawidłowe zdarzenia chemiczne
Wymagania dotyczące cyrkulacji powietrza

Może to zapewnić nowy wymiar wykrywania w celu inteligentnego sterowania kabiną.

Świeżość żywności i wykrywanie zapachu

Żywność uwalnia różne związki lotne, takie jak:

Następuje dojrzewanie
Rozwija się utlenianie
Postęp psucia się mikroorganizmów
Warunki przechowywania ulegają zmianie

Technologia AI Nose może potencjalnie klasyfikować te zmieniające się wzorce zapachów.

Możliwe zastosowania obejmują:

Monitorowanie świeżości lodówki
Magazyn żywności
Kontrola łańcucha chłodniczego
Sortowanie jakościowe
Przetwórstwo spożywcze

Badania przesiewowe w kierunku chorób

Próbki oddechu ludzkiego i próbki biologiczne zawierają złożone związki lotne.

Badania nad zastosowaniem elektronicznych nosów obejmują:

Analiza wzorców oddechu
Biomarkery zapachowe
Badania monitorowania pacjentów
Badania przesiewowe nieinwazyjne

Aplikacje te wymagają odpowiednich badań klinicznych i walidacji prawnej zanim zostaną wykorzystane w celach diagnostycznych.

Nos AI dla robotyki i ucieleśnionej inteligencji

Robotyka jest jednym z najbardziej obiecujących kierunków rozwoju technologii AI Nose.

Współczesne roboty wykorzystują już wiele technologii czujników:

Aparaty
LiDAR
Mikrofony
Czujniki siły
Czujniki inercyjne
Obrazowanie termiczne
Czujniki położenia

Systemy te umożliwiają robotom zrozumienie:

Shape
Dystans
Dźwięk
Ruch
Temperatura
Kontakt fizyczny

Jednak żadna z nich nie informuje robota bezpośrednio, jakie substancje chemiczne lub wzorce zapachów znajdują się w otaczającym powietrzu.

Nos AI wprowadza kolejny wymiar percepcji:

percepcja chemiczna.

Może to być szczególnie cenne w przypadku robotów przemysłowych i usługowych.

Roboty inspekcyjne przemysłowe

Robot inspekcyjny może poruszać się przez:

fabryki
Zakłady chemiczne
Obiekty energetyczne
Magazyny
Systemy rurociągowe
Ograniczone przestrzenie

Robot może w trakcie ruchu nieprzerwanie zbierać sygnały z układu gazowego.

Możliwy przepływ pracy jest następujący:

Robot patroluje obiekt przemysłowy.
Sztuczny nos stale monitoruje otaczające środowisko chemiczne.
Wykryto nietypowy wzorzec zapachu.
Robot zapisuje swoją aktualną pozycję.
System AI ocenia wzór czujnika.
Robot zbliża się do obszaru lub dokonuje jego ponownego pomiaru.
System wysyła alarm z informacją o lokalizacji.

Dzięki temu system może wyjść poza:

„Wykryto nietypowy gaz.”

bliski:

„W pobliżu tego konkretnego urządzenia wykryto nietypowy wzór chemiczny”.

Informacje te są znacznie bardziej przydatne w kontekście konserwacji predykcyjnej i bezpieczeństwa przemysłowego.

AI Nose na World Robot Conference 2026

Rozwój technologii AI Nose odzwierciedla również szerszą ewolucję w robotyce.

Podczas konferencji World Robot Conference 2026 firma Winsen zaprezentowała technologię AI Nose jako część swojej oferty inteligentnych czujników dla robotów i ucieleśnionej inteligencji.

Koncepcja aplikacji jest prosta:

Wzrok pozwala robotom widzieć.

Mikrofony umożliwiają robotom słyszenie.

Czujniki siły umożliwiają robotom dotyk.

Technologia AI Nose umożliwia robotom zdobycie kolejnej ważnej zdolności sensorycznej:

zdolność postrzegania informacji chemicznych w powietrzu.

Więcej informacji na temat tej aplikacji znajdziesz tutaj:

Nos AI do wykrywania robotów na World Robot Conference 2026

W miarę jak roboty przemieszczają się z kontrolowanych laboratoriów do fabryk, zakładów energetycznych, magazynów, domów i miejsc publicznych, wykrywanie substancji chemicznych może zyskiwać na znaczeniu.

Od detekcji gazu do inteligentnej percepcji otoczenia

Wartość technologii AI Nose staje się jeszcze większa, gdy połączymy ją z innymi czujnikami.

Robot lub inteligentne urządzenie może integrować:

Nos AI
Dedykowany czujnik CO₂
Czujnik tlenu
Czujnik gazu palnego
Elektrochemiczny czujnik gazów toksycznych
Czujnik temperatury i wilgotności
Czujnik cząstek stałych
Czujnik dymu
Czujnik płomienia
Aparat fotograficzny
LiDAR
Obrazowanie termiczne

Sztuczna inteligencja może wówczas oceniać kilka wymiarów środowiskowych jednocześnie.

Na przykład:

Nieprawidłowy wzór lotnych związków organicznych (LZO) + wzrost temperatury + lokalizacja sprzętu

może dostarczyć znacznie bardziej użytecznych informacji niż jakikolwiek pojedynczy sygnał.

Jest to ważny kierunek multimodalnego postrzegania środowiska.

Przemysłowe zastosowania technologii nosa AI

Bezpieczeństwo przemysłowe

Systemy AI Nose mogą pomóc w rozpoznawaniu charakterystycznych wzorców gazów związanych z:

Wyciek chemikaliów
Nieprawidłowości procesu
Przegrzanie sprzętu
Nietypowe emisje
Zdarzenia z mieszanym gazem

Wszędzie tam, gdzie przepisy wymagają uruchomienia alarmów przy określonych stężeniach gazu, należy nadal stosować specjalne czujniki bezpieczeństwa.

AI Nose dodaje inteligentną warstwę rozpoznawania wzorców.

Monitorowanie środowiska

Tradycyjne metody monitorowania często koncentrują się na stężeniu poszczególnych zanieczyszczeń.

Systemy AI Nose mogą dodać funkcję rozpoznawania wzorców dla:

Wydech przemysłowy
Zapachy z przetwarzania odpadów
Nienormalne emisje
Identyfikacja źródła zapachu
Inspekcja środowiskowa

Inteligentne urządzenia

Urządzenia przyszłości nie będą mogły po prostu wykrywać wzrostu stężenia lotnych związków organicznych.

Mogą próbować rozpoznać rodzaj występującego zapachu i zareagować w różny sposób.

Na przykład:

Zapach gotowania → zwiększ wentylację
Zapach zepsucia → wyślij ostrzeżenie o świeżości
Nietypowy zapach substancji chemicznej → wydaj ostrzeżenie o bezpieczeństwie

To jest inteligentniejsza forma kontroli środowiska.

Jak opracować aplikację AI Nose

Udany projekt AI Nose powinien zaczynać się od aplikacji, a nie od algorytmu AI.

Krok 1: Zdefiniuj cel rozpoznawania

Określ dokładnie, co system musi rozróżniać.

Na przykład:

Normalne kontra nienormalne
Trzy stany mieszaniny gazów
Pięć zapachów żywności
Kilka warunków produkcji
Wiele typów przecieków

Cel powinien być mierzalny i jasno określony.

Krok 2: Wybierz kanały czujników

Różne gazy docelowe wymagają różnych wymiarów czujnika.

Kombinacja czujników powinna zapewnić wystarczające różnice w odpowiedziach między kategoriami docelowymi.

ZM101-A oferuje wiele kanałów wykrywania gazu MEMS, które mogą obsługiwać konfiguracje specyficzne dla danego zastosowania.

Krok 3: Zaprojektuj strukturę próbkowania

Wydajność czujnika w dużym stopniu zależy od sposobu, w jaki gazy docierają do elementów czujnikowych.

Projekt mechaniczny powinien uwzględniać:

Wlot powietrza
Odległość próbkowania
Airflow
Objętość komory
zanieczyszczenie
Czas odpowiedzi
Pozycja czujnika

Silny model sztucznej inteligencji nie jest w stanie w pełni zrekompensować niespójnego pobierania próbek gazu.

Krok 4: Zbierz dane dotyczące szkoleń reprezentatywnych

Zbiór danych powinien odzwierciedlać realistyczne warunki działania.

Próbki szkoleniowe powinny uwzględniać zmiany w:

Stężenie gazu
Temperatura
Wilgotność
Tło powietrza
Wiek próbki
Partia produkcyjna
Airflow
Zakłócenia środowiskowe

Im bardziej reprezentatywny jest zbiór danych szkoleniowych, tym bardziej użyteczny będzie model końcowy.

Krok 5: Szkolenie i walidacja modelu sztucznej inteligencji

Dane szkoleniowe i dane walidacyjne powinny być oddzielone.

Ocena powinna uwzględniać:

Dokładność klasyfikacji
Fałszywie pozytywny wskaźnik
Wskaźnik wyników fałszywie ujemnych
Powtarzalność
Odporność na warunki środowiskowe
Długoterminowy dryf

Krok 6: Wdróż model

Ostateczny model sztucznej inteligencji można wdrożyć na:

MCU
Procesor Edge AI
Sterownik przemysłowy
Komputer robota
Bramka
Platforma Cloud

Odpowiednia architektura zależy od czasu reakcji, poboru mocy i wymagań obliczeniowych.

Ważne wyzwania w rozwoju nosa AI

Dryft czujnika

Reakcje czujnika gazu mogą ulegać stopniowym zmianom w miarę długotrwałej eksploatacji.

W przypadku zastosowań o długim okresie eksploatacji mogą być wymagane następujące elementy:

Wynagrodzenie bazowe
Kalibracja okresowa
Dostosowanie algorytmu
Przekwalifikowanie modelek

Temperatura i wilgotność

Warunki środowiskowe mogą mieć wpływ na reakcje czujników.

Kompensacja temperatury i wilgotności odgrywa zatem ważną rolę w poprawie stabilności systemu.

Wrażliwość krzyżowa

W przypadku nosa elektronicznego nadwrażliwość krzyżowa nie zawsze jest ujemna.

Częściowo nakładające się odpowiedzi są w rzeczywistości przydatne do tworzenia chemicznych odcisków palców.

Jednakże podczas trenowania i walidacji modelu nadal należy uwzględniać zakłócenia środowiskowe.

Spójność próbkowania

To samo źródło zapachu może wytwarzać różne sygnały czujników, jeżeli:

Zmiany przepływu powietrza
Zmiany odległości próbkowania
Zmiany koncentracji
Zmiana pozycji źródła

Projekt mechaniczny i strategia pobierania próbek stanowią zatem część systemu AI Nose, a nie tylko szczegóły dotyczące opakowania.

Jakość danych szkoleniowych

Wydajność sztucznej inteligencji ostatecznie zależy od jakości danych.

Duże ilości źle oznaczonych danych nie są koniecznie lepsze od starannie zaprojektowanego zbioru danych zebranego w reprezentatywnych warunkach.

Najczęściej zadawane pytania

Czym jest nos AI?

AI Nose to system percepcji chemicznej, który łączy wielokanałową matrycę czujników gazu z algorytmami uczenia maszynowego lub sztucznej inteligencji w celu rozpoznawania charakterystycznych gazów, zapachów i wzorców chemicznych.

Czy nos AI to to samo, co nos elektroniczny?

Są one ze sobą ściśle powiązane. Nos AI można uznać za nowoczesny elektroniczny nos, który wykorzystuje algorytmy uczenia maszynowego lub głębokiego uczenia do bardziej zaawansowanego rozpoznawania wzorców i inteligentnej analizy.

Czy nos AI rozpoznaje każdy zapach?

Nie.

Sztuczna inteligencja (AI) nosa zazwyczaj potrzebuje danych szkoleniowych dotyczących gazów lub zapachów, które ma rozpoznawać.

Jego zdolność rozpoznawania zależy od:

Konfiguracja czujnika
Jakość próbki
Jakość zbioru danych
Projektowanie algorytmów
Warunki środowiska

Dlaczego nos AI wykorzystuje wiele czujników?

Różne czujniki reagują odmiennie na tę samą mieszaninę chemiczną.

Połączenie kilku kanałów czujnikowych tworzy wielowymiarowy odcisk chemiczny, który zawiera więcej informacji niż jeden sygnał czujnika.

Co potrafi wykryć Winsen ZM101-A?

ZM101-A zapewnia następujące wymiary czujników:

NH₃
VOC
NIE₂
H₂S
CO
CH₄

Obsługuje do sześciu kanałów pomiarowych MEMS, umożliwiając wielowymiarową analizę wzorców gazu i zapachów.

Czy ZM101-A można zintegrować z algorytmami AI?

Tak.

Platforma ZM101-A może dostarczać wielokanałowe dane pomiarowe na potrzeby zastosowań obejmujących ekstrakcję cech, trenowanie modeli i rozpoznawanie wzorców.

Czy nos AI można zastosować w robotach?

Tak.

Technologia AI Nose może zapewnić robotom percepcję chemiczną i węchową w takich zastosowaniach, jak:

Inspekcja przemysłowa
Monitorowanie środowiska
Rozpoznawanie zapachów
Badanie źródła gazu
Inteligentna robotyka usługowa

Czy AI Nose zastępuje detektor gazu?

Niekoniecznie.

Jeśli w danym zastosowaniu wymagany jest certyfikowany alarm przy określonym stężeniu CO, H₂S, gazu palnego lub innego gazu docelowego, należy nadal używać dedykowanego czujnika gazu lub detektora gazu.

Technologia AI Nose może uzupełniać te systemy, umożliwiając rozpoznawanie wzorców i klasyfikację środowiskową.

Dajemy maszynom inny sposób rozumienia świata

Sztuczna inteligencja już zmieniła sposób, w jaki maszyny przetwarzają obrazy, język i dźwięk.

Kolejnym ważnym obszarem wiedzy jest percepcja chemiczna.

Nos AI łączy w sobie:

Matryce czujników MEMS + przetwarzanie sygnałów + kompensacja środowiskowa + sztuczna inteligencja

przekształcać niewidzialne gazy i zapachy w cyfrowe wzory, zrozumiałe dla maszyn.

W przypadku robotyki, monitoringu przemysłowego, inteligentnych urządzeń, pojazdów, zastosowań w przemyśle spożywczym i inteligentnych systemów środowiskowych zapewnia to dodatkowy poziom percepcji, którego nie mogą zaoferować kamery i mikrofony.

Czujnik Winsen ZM101-A AI-Nose to kompaktowa, wielokanałowa platforma pomiarowa MEMS przeznaczona do zastosowań w zakresie rozpoznawania gazów i zapachów opartych na sztucznej inteligencji.

W miarę jak inteligentne maszyny coraz częściej wkraczają do złożonych środowisk rzeczywistego świata, zdolność do rozumienia nie tylko tego, co widzą i słyszą , ale także tego, co znajduje się w otaczającym powietrzu , może stać się coraz ważniejszym elementem percepcji maszyn.

Firma Winsen dostarcza czujniki gazu, matryce czujników MEMS oraz zorientowane na zastosowania wsparcie techniczne dla projektów AI Nose, robotyki i inteligentnego wykrywania środowiska. W przypadku projektów OEM, kanały pomiarowe, konstrukcje mechaniczne i modele AI mogą być oceniane zgodnie z rzeczywistymi wymaganiami aplikacji.