基于神经网络的未校准传感器实时检测
机器学习
2022-01-26 v1 人工智能
摘要
如今，传感器在科学、工业和日常生活等多个领域中发挥着重要作用，并从中获益。然而，所获取的信息必须可靠。传感器行为中的异常可能导致严重后果，例如毁掉一个科学项目或危及工业生产线上的产品质量。一类更为隐蔽的异常是未校准。当传感器未依据真值通过校准进行调整或标准化时，即发生未校准。本工作中，开发了一种基于在线机器学习的温度、湿度和压力传感器未校准检测器。该方案以人工神经网络为主要组件，从传感器在校准条件下的行为中学习。随后，在经过训练并部署后，它能在未校准发生时进行检测。所得结果表明，所提方案能够分别针对 0.25 度、1% RH 和 1.5 Pa 的偏差值检测未校准。该方案可通过迁移学习适配不同场景，其应用允许添加新传感器、部署到新环境并以最少数据量对模型进行再训练。
引用
@article{arxiv.2102.01565,
title = {Real-time detection of uncalibrated sensors using Neural Networks},
author = {Luis J. Muñoz-Molina and Ignacio Cazorla-Piñar and Juan P. Dominguez-Morales and Fernando Perez-Peña},
journal= {arXiv preprint arXiv:2102.01565},
year = {2022}
}