深層学習を用いた屋外環境におけるガス源探索－ガスセンサの個数の削減と精度向上に向けた検討－

カテゴリ: 研究会(論文単位)

論文No: CHS21022

グループ名: 【E】センサ・マイクロマシン部門 ケミカルセンサ研究会

発行日: 2021/07/23

タイトル(英語): Gas Source Localization in Outdoor Environment Using Deep Learning: Investigations for Reducing the Number of Gas Sensors and Improving the Accuracy

著者名: 澤野 真樹(東京農工大学),松倉 悠(電気通信大学),石田 寛(東京農工大学)

著者名(英語): Maki Sawano(Tokyo University of Agriculture and Technology),Haruka Matsukura(University of Electro-Communications),Hiroshi Ishida(Tokyo University of Agriculture and Technology)

キーワード: ガス源探索|深層学習|ガスセンサ|センサネットワーク|風速計|Gas source localization|Deep learning|Gas sensor|Sensor network|Anemometer

要約(日本語): 本研究では，ガスセンサネットワークと風向風速計から得た時系列データを深層学習ニューラルネットワークに与え，ガス源の位置を高い精度で推定することを目指す。今回は，センサネットワークを構成するガスセンサの個数の削減を試みた。風速データを平滑化してからニューラルネットワークに与えるようにした結果，ガスセンサを外周部のみに減らした場合でも，格子状に隈なく並べた場合と同程度の精度が得られるようになった。

要約(英語): We propose to use a deep learning neural network for gas source localization. To estimate a gas source location, time-series data acquired from a gas sensor network and an anemometer is fed to a recurrent neural network. Our investigations show that the accuracy of the source location estimation can be improved by applying a moving average filter to the wind data before feeding to the neural network. We also show in this paper that a reasonably high accuracy can be obtained even when only the gas sensors on the border of the sensor network are used.

本誌: 2021年7月26日－2021年7月27日ケミカルセンサ研究会

本誌掲載ページ: 41-44 p

原稿種別: 日本語

PDFファイルサイズ: 1,251 Kバイト