...
🧑 💻 Ülevaated ja uudised programmide, autode, vidinate ja arvutite maailmast. Artiklid mängudest ja hobidest.

See nutikas inimene kasutas elektroonilise nina tegemiseks Raspberry Pi-d

7

Louis Rodriguez Mendoza

Inimesed kasutavad Raspberry Pisi, et luua hulgaliselt loomingulisi ja ainulaadseid vidinaid, kuid see võib olla asjakohane. Või õigemini nuusutada. Looja Luis Rodriguez Mendoza sai inspiratsiooni lennujaamas koolitatud nuusutavatest koertest ja mõtles seejärel, kas odavad gaasiandurid suudavad sama teha.

Näeme tohutult erinevaid andureid – näiteks neid, mis tajuvad müra, temperatuuri, niiskust või valgust –, mida kasutatakse iga päev erinevate ülesannete jaoks, kuid gaasiandurid on palju vähem levinud. Veelgi harvem on andurite kasutamine lõhnade aktiivseks "nuusutamiseks" lähedalasuvas keskkonnas, mitte lihtsalt lõhna passiivseks tuvastamiseks.

Mendoza ütles, et "projekti eesmärk on näidata, et odavad andurid võivad olla usaldusväärsed lõhnade tuvastamisel ja et neid saab kasutada kliinilistes tingimustes." Ta kasutas ulatuslike katsete ja mudelikoolituse läbiviimiseks vaid nelja tüüpi gaasiandureid.

"Testimisel kasutati õlle ja keedetud kohvi näidiseid," ütles ta, kui temalt küsiti testimisprotsessi kohta. MATLABis kasutati K-Lähimate naabrite (KNN) algoritmi, et luua klassifitseerimismudel, mida kasutati õlle ja kohvi aroomide ennustamiseks ning mis kinnitati 10-kordse ristvalideerimisega (k-kordne) … 98 protsenti. klassifikatsiooni täpsus saavutati testimise käigus.

"Iga proovi võeti keskmiselt 15 minutit ühesekundiliste intervallidega, andes testi kohta üle 900 näidise ja andmed eksporditi CSV-failidesse. Klassifitseerimise eesmärgil lisati proovi (st kohv, õlu, õhk) märgistamiseks käsitsi täiendav veerg. Kolm andmekogumit imporditi ja kombineeriti MATLABis. Neid andmeid kasutati k-lähima naabri mudeli loomiseks, k valiti 5-ks, see määrati katse-eksituse meetodil. Mudeli kinnitamiseks kasutati 10-kordset ristvalideerimist ning mudeli ja tulemuste kontrollimiseks kasutati uurimusliku tehnikana põhikomponentide analüüsi (PCA), sarnaselt varasemates uuringutes näidatud tööle.

See nutikas inimene kasutas elektroonilise nina tegemiseks Raspberry Pi-d

Louis Rodriguez Mendoza

"Testi andmekogum koguti, võttes klassifikatsioonimudeli hindamiseks 17 uut kaheminutilist näidist ühesekundiliste intervallidega. Iga proov oli üksteisest sõltumatu (korraga mõõdeti ainult õhku, õlut või kohvi) ja need märgistati käsitsi vastavalt, mille tulemuseks oli üle 2500 mõõtmise. Need andmed imporditi, kombineeriti ja korraldati juhuslikult MATLABis. Kasutades koolitusandmestikust loodud klassifitseerimismudelit, klassifitseeriti testimisandmed ja klassifitseerimismudeli tulemused esindavad 97,7% täpsust.

Üksikute katsealuste saavutatud üldine kõrge täpsus on tõeliselt muljetavaldav. Mendoza kasutas testimiseks Raspberry Pi 3 ja mainis, et sai seadmest esmakordselt teada 2020. aasta lõpus ühel oma ülikoolikursustest. "Sain kiiresti aru, kui lihtsad, tõhusad ja võimekad on Raspberry Pi plaadid," ütles ta.

MagPi kaudu

See veebisait kasutab teie kasutuskogemuse parandamiseks küpsiseid. Eeldame, et olete sellega rahul, kuid saate soovi korral loobuda. Nõustu Loe rohkem