Современные сенсорные системы, позволяющие определять концентрации газов и химический состав газовых смесей, применяются для сопровождения технологических процессов в различных областях промышленности, для мониторинга атмосферного воздуха в городах и на предприятиях, для контроля параметров пищевой и сельскохозяйственной продукции и других направлениях.

Известно, что молекулы многих индустриальных газов и соединений имеют уникальные спектральные характеристики в ближнем и среднем инфракрасном диапазоне. Имея источник излучения необходимой длины волны и данные о спектрах поглощения, можно оценивать концентрации исследуемых соединений. Кроме того, современные сенсорные системы способны производить огромные объёмы данных, к которым обеспечен легкий доступ для сбора, обработки и анализа. Методы машинного обучения могут помочь в интерпретации данных оптических и электрохимических газовых сенсоров в поиске важной информации для дальнейших исследований в области обработки данных газового сенсора.

Данная работа посвящена разработке метода интерпретации выходных данных оптоакустического газового сенсора с помощью машинного обучения. Целью работы является увеличение точности определения концентрации метана в воздухе. Экспериментальная схема газового сенсора включает в себя источник оптического сигнала, возбуждающий звуковые колебания в газовой ячейке, и микрофон, осуществляющий измерение звукового сигнала. Измеренный звуковой сигнал и оптический сигнал на выходе из ячейки являлись входными данными для нейронной сети. С помощью специализированной библиотеки PyTorch для машинного обучения на языке программирования Python было рассмотрено несколько моделей и архитектур нейронных сетей (такие как нейронные сети прямого распространения и сверточные нейронные сети), применяемых для обработки данных газового сенсора и определения концентрации газа. В результате удалось определить низкие концентрации метана в воздухе 3 и 9,7 ppm c погрешностью не более 15\% (0,45 и 1,455 ppm соотв.), а концентрацию 954 ppm - не более 3.5\% (33,4 ppm).

Семинар будет проведен в смешанном формате. Очное заседание пройдет в  конференц-зале ФИЦ ИВТ (к.513), дистанционно к семинару можно будет подключиться по ссылке https://vcs-6.ict.nsc.ru/b/grz-ayy-7ne

Для студентов и аспирантов, находящихся в Новосибирске и не имеющих причин для дистанционного подключения, очное присутствие обязательно.

Запись семинара: https://vcs-6.ict.nsc.ru/playback/presentation/2.3/caeaa151fe7743faa3d160ccb904deddc5b7d1cb-1682394543919