深層学習を用いた屋外環境における自動ガス源探索─シミュレーションによる学習用データ生成─

カテゴリ: 研究会(論文単位)

論文No: CHS24002

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: 2024/02/27

タイトル(英語): Gas Source Localization in Outdoor Environment Using Deep Learning: Generation of Training Data by Simulations

著者名: 趙 高挙(東京農工大学),松倉 悠(電気通信大学),坂上 源生(東京農工大学),原津 拓巳(東京農工大学),石田 寛(東京農工大学)

著者名(英語): Gao Ju Zhao(Tokyo University of Agriculture and Technology),Haruka Matsukura(University of Electro-Communications),Motoki Sakaue(Tokyo University of Agriculture and Technology),Takumi Haratsu(Tokyo University of Agriculture and Technology),Hiroshi Ishida(Tokyo University of Agriculture and Technology)

キーワード: ガス源探索|ガスセンサ|センサネットワーク|深層学習|ガス分布シミュレータ|Gas source localization|Gas sensor|Sensor network|Deep learning|Gas dispersion simulator

要約(日本語): 本研究では，ガスセンサと風速計から成るセンサネットワークを用意し，その時系列応答を用いて深層学習によりガス源位置を推定するシステムの実現を目指す。本稿では，深層学習に与えるガスセンサの応答波形データをシミュレーションによって生成した結果を報告する。実測された風向データを使って屋外環境における大きな風向変動を再現し，ガス源位置や平均風向を様々に変えたデータを作成することができた。

要約(英語): Combination of a gas sensor network and a deep-learning pattern recognition model is expected to provide high accuracy in gas source localization. Here we propose to use a gas dispersion simulator to generate the training data. We have reproduced realistic sensor response curves by using wind data recorded in a real outdoor environment.

本誌: 2024年3月1日ケミカルセンサ研究会

本誌掲載ページ: 5-7 p

原稿種別: 日本語

PDFファイルサイズ: 588 Kバイト