ガスセンサアレイおよび風向風速計を用いた深層学習によるガス源位置推定の検討

カテゴリ: 研究会(論文単位)

論文No: BMS19008

グループ名: 【E】センサ・マイクロマシン部門 バイオ・マイクロシステム研究会

発行日: 2019/03/08

タイトル(英語): Estimation of gas-source position with deep learning using gas sensor array and anemometer

著者名: 松倉 悠(大阪大学),Bilgera Christian(東京農工大学),山本 晃史(東京農工大学),澤野 真樹(東京農工大学),石田 寛(東京農工大学)

著者名(英語): Haruka Matsukura(Osaka University),Christian Bilgera(Tokyo University of Agriculture and Technology),Akifumi Yamamoto(Tokyo University of Agriculture and Technology),Maki Sawano(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|機械学習|ニューラルネットワーク|gas source localization|gas sensor|sensor network|machine learning|neural network

要約(日本語): 本研究では，ガス濃度の二次元分布と風向風速の時変動をニューラルネットワークで学習し，ガス源位置を特定する手法を提案する。30個のガスセンサアレイを二次元的に配置し，その中心に超音波風向風速計を1台設置する。ガスセンサの応答と風向風速計の時間変化を，CNNやLSTM呼ばれるニューラルネットワークを利用し，30箇所の候補の中から95%の成功率でガス源位置を推定することに成功した。

要約(英語): We propose a method for localization of a gas source by utilizing machine learning techniques. Convolutional Long Short-Term Memory Neural Networks (CNN-LSTM) are adopted to deal with fluctuations of airflow and gas distribution. The results show that CNN-LSTM can be used to predict the location of a gas source.

原稿種別: 日本語

PDFファイルサイズ: 1,413 Kバイト