基于多模态人工智能传感器融合的气体检测与识别
信号处理
2021-06-14 v1
摘要
随着快速工业化与技术进步，具有成本效益、更快且更易实施的创新工程技术至关重要。一个令人关切的领域是由于煤矿、化工企业、家用电器等处的气体泄漏导致事故数量上升。本文中，我们提出一种利用多模态 AI 融合技术检测与识别气体排放的新方法。大多数气体及其烟雾无色、无味、无臭，从而对我们的正常人类感官构成挑战。基于单一传感器的感知可能不准确，且在若干现实世界应用中，传感器融合对于鲁棒且可靠的检测必不可少。我们使用两种特定传感器手动收集了 6400 个气体样本（四类每类 1600 个样本）：7-半导体气体传感器阵列与热像仪。应用了多模态 AI 的早期融合方法。网络架构由针对各模态的特征提取模块组成，随后通过合并层融合，再接稠密层，提供用于识别气体的单一输出。我们得到融合模型 96% 的测试准确率，而单一模型准确率分别为 82%（基于气体传感器数据使用 LSTM）与 93%（基于热图像数据使用 CNN 模型）。结果表明，多传感器与多模态的融合优于单一传感器的结果。
引用
@article{arxiv.2106.06180,
title = {Gas Detection and Identification Using Multimodal Artificial Intelligence Based Sensor Fusion},
author = {Parag Narkhede and Rahee Walambe and Shruti Mandaokar and Pulkit Chandel and Ketan Kotecha and George Ghinea},
journal= {arXiv preprint arXiv:2106.06180},
year = {2021}
}
备注
14 Pages, 9 Figures