歡迎來到北京聚芯追風(fēng)科技有限公司網(wǎng)站!
咨詢電話:18401471972

簡要描述:AIOS-2030 人工智能嗅覺系統(tǒng),高質(zhì)量的訓(xùn)練數(shù)據(jù)是神經(jīng)網(wǎng)絡(luò)性能的關(guān)鍵。鼻腔系統(tǒng)產(chǎn)生數(shù)字信號需要進(jìn)行數(shù)據(jù)預(yù)處理即對原始數(shù)據(jù)進(jìn)行降噪、歸一化等處理,以提高數(shù)據(jù)的質(zhì)量和一致性。然后做數(shù)據(jù)標(biāo)注即對氣味數(shù)據(jù)進(jìn)行人工或自動標(biāo)注,以生成監(jiān)督學(xué)習(xí)所需的標(biāo)簽。
產(chǎn)品分類
Product Category詳細(xì)介紹
| 品牌 | 其他品牌 | 產(chǎn)地類別 | 國產(chǎn) |
|---|---|---|---|
| 應(yīng)用領(lǐng)域 | 綜合 |
AIOS-2030 人工智能嗅覺系統(tǒng)——構(gòu)建新一代嗅覺感知鑒別評價體系
聚芯追風(fēng)的人工智能嗅覺系統(tǒng)技術(shù)介紹
本系統(tǒng)是實(shí)驗(yàn)室級別的人工智能嗅覺系統(tǒng),有三部分組成:
樣品前處理進(jìn)樣系統(tǒng)
本部分是由動態(tài)頂空處理系統(tǒng),主要工作是將樣品置入頂空瓶中,加熱提取氣味物質(zhì)到低溫捕集阱中,濃縮后進(jìn)樣到嗅覺系統(tǒng)中,具體技術(shù)參數(shù)可參考產(chǎn)品彩頁,該系統(tǒng)能收集ppt濃度級別的氣味物質(zhì),更全面的收集并進(jìn)樣是人工智能嗅覺系統(tǒng)的重要一環(huán)。
AIOS-2030 人工智能嗅覺系統(tǒng):
本部分是由至少10組傳感器陣列組成嗅覺鼻腔,嗅覺傳感器通過檢測氣味分子與傳感器材料的相互作用,將氣味信息轉(zhuǎn)化為電信號。傳感器包括:(1)丙酮類、(2)有機(jī)硫化物氮化合物、(3)甲苯、醛、酮和醇、烷基芳香族化合物、(4)脂肪族烴、鹵代烴、醚、酯、吡啶、酚和醇、(5)醇、酮、醛和芳香族化合物(6)甲烷和硫化氫、(7)酚、酮、乙酸乙酯、環(huán)己酮、氯苯、甲苯和醚(8)烷烴、烯烴和芳香族化合物敏感;烷烴、烯烴和氫、(9)烷烴、一氧化碳、烯醛、醇、氮氧化物、酮和醛、(10)硫化物、氮化物、碳化物、烴類和氮氧化物。傳感器的選型需要根據(jù)具體應(yīng)用場景進(jìn)行優(yōu)化。
另外良好的鼻腔氣路回轉(zhuǎn)體系能更好地對所有氣體組分做出響應(yīng),惰性化處理降低殘留,避免交叉污染。
嗅覺神經(jīng)網(wǎng)絡(luò)
嗅覺神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)對氣味信號進(jìn)行特征提取和模式識別,生成嗅覺感知數(shù)據(jù),嗅覺神經(jīng)網(wǎng)絡(luò)通常包括以下層次:
輸入層:接收來自傳感器的多維數(shù)據(jù),如氣體濃度、溫度、濕度等
隱藏層:通過多層感知器或卷積神經(jīng)網(wǎng)絡(luò)提取氣味特征。隱藏層的設(shè)計(jì)需要考慮網(wǎng)絡(luò)的深度和寬度,以平衡計(jì)算復(fù)雜度和特征提取能力。
輸出層:生成氣味分類或濃度預(yù)測結(jié)果。輸出層的設(shè)計(jì)需要根據(jù)具體任務(wù)進(jìn)行優(yōu)化,如多分類任務(wù)或回歸任務(wù)。
高質(zhì)量的訓(xùn)練數(shù)據(jù)是神經(jīng)網(wǎng)絡(luò)性能的關(guān)鍵。鼻腔系統(tǒng)產(chǎn)生數(shù)字信號需要進(jìn)行數(shù)據(jù)預(yù)處理即對原始數(shù)據(jù)進(jìn)行降噪、歸一化等處理,以提高數(shù)據(jù)的質(zhì)量和一致性。然后做數(shù)據(jù)標(biāo)注即對氣味數(shù)據(jù)進(jìn)行人工或自動標(biāo)注,以生成監(jiān)督學(xué)習(xí)所需的標(biāo)簽。
模式識別是通過神經(jīng)網(wǎng)絡(luò)對氣味進(jìn)行分類或濃度預(yù)測的過程。我公司的人工智能嗅覺系統(tǒng)目前集成了4個模式識別算法:
?KNN(K-Nearest Neighbors)算法?是一種基于實(shí)例的監(jiān)督學(xué)習(xí)分類方法,通過計(jì)算待分類樣本與訓(xùn)練數(shù)據(jù)中最近鄰的K個樣本的距離,以多數(shù)表決原則確定其類別歸屬。
支持向量機(jī)(Support Vector Machine, SVM)是一種監(jiān)督學(xué)習(xí)的二分類算法,其核心思想是通過很大化分類間隔找到較優(yōu)超平面,適用于線性可分和非線性可分?jǐn)?shù)據(jù),廣泛應(yīng)用于模式識別等領(lǐng)域。
隨機(jī)森林是一種基于決策樹的集成學(xué)習(xí)算法,通過構(gòu)建多棵樹并結(jié)合它們的預(yù)測結(jié)果來提高模型的準(zhǔn)確性和魯棒性,廣泛應(yīng)用于分類、回歸和特征選擇等任務(wù)。
Gradient Boosting是一種集成學(xué)習(xí)算法,通過迭代訓(xùn)練弱學(xué)習(xí)器(通常是決策樹)并累加其預(yù)測結(jié)果來優(yōu)化模型性能,適用于回歸和分類任務(wù)。
也可以根據(jù)測試需要引進(jìn)新的算法模型對樣品進(jìn)行鑒別評價。
最后,為了很好的完成嗅覺系統(tǒng)的訓(xùn)練,我公司也有“陪跑"技術(shù)服務(wù)以保證項(xiàng)目系統(tǒng)的順利實(shí)施,“陪跑"服務(wù)主要工作是協(xié)助用戶訓(xùn)練嗅覺系統(tǒng),根據(jù)項(xiàng)目需求尋求更好的感應(yīng)器組合并優(yōu)化,選擇測試更時候的大數(shù)據(jù)模型算法,算法融合,提升分辨評級的能力和穩(wěn)定性。
產(chǎn)品咨詢
歡迎您關(guān)注我們的微信公眾號了解更多信息
掃一掃