基于嵌入式方法的分类
机器学习
2019-05-17 v1 机器学习
摘要
本文展示了将机器学习算法嵌入 Arduino Uno 板中实现的自动化挥发性有机化合物（VOC）分类过程的结果。构建了一个电子鼻原型，用于检测三种不同水果的 VOC。该电子鼻由五个二氧化锡（SnO2）气体传感器阵列、用作数据采集部分的 Arduino Uno 板，以及通过嵌入一个接收来自电子鼻数据信号的方法函数而构成的智能分类模块组成。对于智能分类模块，还实现了一种训练算法，以创建便携式、自动化、快速响应且经济的电子鼻设备的基础。该方案提出了一种无需使用个人计算机（PC）即可识别和分类 VOC 的便携式系统。结果表明，与 PC 中使用的工具箱性能相比，该嵌入式方法具有可接受的精度。这构成了一种能够以可靠方式识别 VOC 的嵌入式解决方案，可为各类行业创建应用产品，这些产品能够对电子鼻获取的、属于 VOC 的数据进行分类。借助所提出并实现的算法，该嵌入式解决方案的分类精度达到了 99%。
引用
@article{arxiv.1905.06431,
title = {Classification via an Embedded Approach},
author = {Jose de Jesus Rubio and Francisco Jacob Avila and Adolfo Melendez and Juan Manuel Stein and Jesus Alberto Meda and Carlos Aguilar},
journal= {arXiv preprint arXiv:1905.06431},
year = {2019}
}
备注
16 Pages