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―

カテゴリ: 全国大会

論文No: 3-169

グループ名: 【全国大会】令和2年電気学会全国大会論文集

発行日: 2020/03/01

タイトル(英語): Gas Source Localization in Outdoor Environment Using Deep Learning: Reduction of the Number of Gas Sensors

著者名: 澤野真樹（東京農工大学）,BilgeraChristian（東京農工大学）,山本晃史（東京農工大学）,松倉悠（大阪大学）,石田寛（東京農工大学）

著者名(英語): Maki Sawano (Tokyo University of Agriculture and Technology),Christian Bilgera (Tokyo University of Agriculture and Technology),Akifumi Yamamoto (Tokyo University of Agriculture and Technology),Haruka Matsukura (Osaka University),Hiroshi Ishida (Tokyo University of Agriculture and Technology)

キーワード: ガス源探索|ニューラルネットワーク|センサネットワーク|半導体ガスセンサ|LSTM|ガスゲンタンサク|ニューラルネットワーク|センサネットワーク|ハンドウタイガスセンサ|エルエスティーエム

要約(日本語): 埋立地におけるメタンガスのモニタリングや，工場などにおけるガス漏れ箇所の特定のために，ガス源位置を推定するセンシングシステムの実現が求められている．本研究では測定領域にガスセンサを並べると共に，領域の中央に風向風速計を設置し，これらの応答の時系列データから，深層学習ニューラルネットワークを用いてガス源位置を推定することを目指す．前報では30個のガスセンサを格子状に並べたが，今回はガスセンサの数を領域の外周部のみに減らし，ガス源位置の推定を試みた．センサ応答の時系列データにLSTMネットワークを適用した結果，外周部のセンサのみを用いた場合でもガス源の位置をおおよそ正しく推定できた．

本誌掲載ページ: 235-236 p

原稿種別: 日本語