Специалисты ВШЭ создали «электронный нос» на основе нейросетей

Pinocchio 2.08 / Peugeot, 2013

Исследователи из Национального исследовательского университета «Высшая школа экономики» соединили газоанализатор с нейросетями, которые способны запоминать запахи. Теперь прибор может не только различать смеси газов, но и добавлять их в базу данных. Это приближает «электронный нос» к органам обоняния живых существ, которые запоминают новые запахи и, встретив их снова, с легкостью их различают. Кратко об устройстве рассказывается в материалах, поступивших в редакцию N+1, с патентом на прибор можно ознакомиться на сайте Федеральной службы по интеллектуальной собственности.

Большинство современных датчиков газа настроены на распознавание определенного запаха. Например, в шахтах устанавливаются сенсоры метана, которые при повышении его концентрации в воздухе включают сигнализацию и одновременно отключают электричество в выработке. Однако датчиков, которые бы могли в режиме реального времени распознать сразу несколько компонентов в газовой смеси, значительно меньше. При этом часто именно смесь газов может представлять собой опасность.

Сотрудники Лаборатории космических исследований в области технологий, систем и процессов соединили газоанализатор с системой искусственного интеллекта. Схема устройства показана на картинке ниже.

Прибор включает в себя твердотельную матрицу полупроводниковых датчиков, блок управления нагревом датчиков матрицы, блок оцифровывания информации и ее предварительной обработки, блок распознавания образов запахов, блок отображения результата распознавания и блок управления устройством. Блок распознавания запахов включает в себя модуль с 16 нейросетями, каждая из которых отвечает за определение конкретного аромата.

Согласно описанию исследователей из ВШЭ, «электронный нос» работает следующим образом. Если прибор поймал запах и не смог сразу его определить, то он начинает искать в базе данных максимально близкую к нему газовую смесь. Она определяется по расстоянию Хэмминга между двумя кодами, как далеко они находятся друг от друга. Устройство ищет максимально близкий код к тому, который он не может опознать. Если, как говорят разработчики, образа такого запаха нет (то есть для всех нейронных сетей обнаружены большие расхождения кодов по расстоянию Хэмминга), то принимается решение об обнаружении нового, неизвестного ранее запаха.

В этом случае образ нового запаха помещается в базу данных и для него обучается новая нейронная сеть. Если в базе данных обнаружено два варианта близких образов запаха, то предпочтение отдается тому запаху, чей код ближе к эталонному коду по расстоянию Хэмминга (подсчитывается число совпадений разрядов в коде). Преимущество такого подхода заключается в возможности корректировать ошибки «электронного носа», возникающие из-за старения матрицы газочувствительных датчиков.

Исследователи не раскрывают подробностей обучения нейросети, а также ничего не сообщают о точности ее работы. Новое устройство может пригодиться для мониторинга окружающей среды, обеспечения безопасности людей и объектов от террористических угроз, раннего оповещения при техногенных катастрофах, а также в других сферах.

Ранее исследователи из Института сохранения культурного наследия при Университетском колледже в Лондоне разработали метод сохранения и воспроизведения запахов. В ходе исследования ученые создали «колесо запахов» исторической книги, позволяющее в дальнейшем воспроизвести в любом месте аромат старой бумаги из библиотеки Собора святого Павла в Лондоне.

Кристина Уласович

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.