基于人工智能的光学氧传感
信号处理
2020-08-31 v1 机器学习
摘要
基于发光的氧浓度传感器由于此类传感的实际优势与灵敏度，在工业与研究中被广泛使用。测量原理是氧分子对发光的淬灭，导致发光衰减时间与强度发生变化。在经典方法中，该变化通过 Stern-Volmer 方程与氧浓度相关联。该方程在大多数情况下是非线性的，通过器件特定常数进行参数化。因此，为确定这些参数，每个传感器都需要在一种或多种已知浓度下精确校准。本工作探索了一种全新的人工智能方法，并证明了通过机器学习进行氧传感的可行性。专门开发的神经网络非常高效地学习将输入量与氧浓度相关联。结果显示预测浓度与实测浓度的平均偏差为 0.5 percent air（空气百分比），可与许多商用与低成本传感器相比。由于该网络使用合成生成的数据训练，模型预测的精度受生成数据描述实测数据能力的限制，这为利用大量实验测量进行训练以实现显著改进提供了未来的可能。本工作所描述的方法展示了人工智能在传感器传感中的适用性。
引用
@article{arxiv.2008.12629,
title = {Optical oxygen sensing with artificial intelligence},
author = {Umberto Michelucci and Michael Baumgartner and Francesca Venturini},
journal= {arXiv preprint arXiv:2008.12629},
year = {2020}
}
备注
15 pages