Jelszétválasztás elektronikus orr esetén
Az elektronikus orr (Enose)technológia az utóbbi években gyorsan fejlődött az érzékelők és gépi tanulási technológiák fejlődésének köszönhetően. Az elektronikus orr egy érzékelőfúziós eszköz, amely fém-oxid (Metal-OXide) érzékelőkből áll, amelyek érzékelik az illékony szerves vegyületeket (Volatile Organic Compound) a környezetükben. Az érzékelők elektromos ellenállása megváltozik különböző típusú molekulákat abszorbeálásakor. Ezt követően a jeleket gépi tanulási algoritmusokkal dolgozzuk fel. Az Enose eszközök előnye a gyorsaság, a hordozhatóság és a kompaktság. Ennek eredményeként ezek az eszközök nagy alkalmazási potenciával rendelkeznek az élelmiszer- és italiparban, a mezőgazdaságban és az erdészetben, a gyógyszeriparban, a biztonságban és a környezetfelügyeletben.
Valós környezetben az érzékelők szagok keverékét érzékelik. Ezért előnyös a keverékek esetén egyes összetevőinek azonosítása. Ezt a folyamatot BSS-nek (Blind Source Separation) is nevezhetjük, ahol nincs információ, vagy elhanyagolhatóan kevés információ áll rendelkezésre a forrásokról vagy a keverési folyamatról. Ennek a problémának az egyik megközelítése a lehetséges egyéni források megfelelő ismerete. Ezután az előre megszerzett információk felhasználásával a források, vagy legalábbis az egyik forrás, remélhetőleg elkülöníthetők lesznek. Ebben az összefüggésben gépi tanulási modelleket és fejlettebbeket, mély tanulási modelleket, valamint adatelemzési és mintafelismerő eszközöket fogunk használni.
Ebben a kutatásban különböző modellek alkalmazását és értékelését célozzuk meg azok hatékonysága, alkalmassága és teljesítménye szempontjából.
szerző
-
Mahdian Mehrab
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Grad-Gyenge László
tudományos segédmunkatárs, Automatizálási és Alkalmazott Informatikai Tanszék