...
🧑 💻 Recensioni e notizie dal mondo dei programmi, automobili, gadget e computer. Articoli su giochi e hobby.

Questa persona intelligente ha usato un Raspberry Pi per fare un naso elettronico

15

luis rodriguez mendoza

Le persone usano Raspberry Pis per creare un sacco di gadget creativi e unici, ma questo potrebbe prendere la torta. O meglio, annusalo. Il creatore Luis Rodriguez Mendoza è stato ispirato dai cani da fiuto addestrati in aeroporto, quindi si è chiesto se i sensori di gas a basso costo potessero fare la stessa cosa.

Vediamo un’enorme varietà di sensori, come quelli in grado di rilevare rumore, temperatura, umidità o luce, utilizzati ogni giorno per una varietà di attività, ma i sensori di gas sono molto meno comuni. L’uso dei sensori per "annusare" attivamente i profumi nell’ambiente circostante, piuttosto che rilevare solo un odore passivamente, è ancora meno comune.

Mendoza ha affermato che "Lo scopo del progetto è dimostrare che i sensori a basso costo possono essere affidabili nel rilevamento degli odori e che possono essere eventualmente utilizzati in contesti clinici". Ha utilizzato solo quattro tipi di sensori di gas per eseguire test approfonditi e addestramento del modello.

"I test sono stati eseguiti utilizzando campioni di birra e caffè preparato", ha affermato quando gli è stato chiesto del suo processo di test. "Un algoritmo K-Nearest Neighbors (KNN) è stato utilizzato in MATLAB per creare un modello di classificazione che è stato utilizzato per prevedere gli aromi di birra e caffè ed è stato convalidato utilizzando una convalida incrociata di 10 volte (k-fold) … un 98 percento l’accuratezza della classificazione è stata raggiunta nel processo di test.

“Ogni campione è stato prelevato, in media, per 15 minuti a intervalli di un secondo, producendo oltre 900 letture di campioni per test ei dati sono stati esportati in file CSV. Ai fini della classificazione, è stata aggiunta manualmente una colonna aggiuntiva per etichettare il campione (es. caffè, birra, aria). I tre set di dati sono stati importati e combinati in MATLAB. Questi dati sono stati utilizzati per creare un modello k-vicino più vicino, k è stato selezionato per essere 5, questo è stato determinato per tentativi ed errori. È stata utilizzata una convalida incrociata di 10 volte per convalidare il modello e un’analisi dei componenti principali (PCA) è stata utilizzata come tecnica esplorativa per verificare il modello ei risultati, in modo simile al lavoro mostrato nella ricerca precedente.

Questa persona intelligente ha usato un Raspberry Pi per fare un naso elettronico

luis rodriguez mendoza

“È stato raccolto un set di dati di test prelevando 17 nuovi campioni di letture di due minuti a intervalli di un secondo per valutare il modello di classificazione. Ogni campione era indipendente l’uno dall’altro (sono stati misurati solo aria, birra o caffè alla volta) e sono stati etichettati manualmente di conseguenza, ottenendo oltre 2500 misurazioni. Questi dati sono stati importati, combinati e riorganizzati casualmente in MATLAB. Utilizzando il modello di classificazione creato dal set di dati di addestramento, i dati dei test sono stati classificati e i risultati del modello di classificazione rappresentano un’accuratezza del 97,7%.

Gli elevati tassi di accuratezza complessivi prodotti dai singoli soggetti del test sono davvero impressionanti. Mendoza ha utilizzato un Raspberry Pi 3 per i test e ha affermato di aver appreso del dispositivo per la prima volta alla fine del 2020 in uno dei suoi corsi universitari. "Mi sono reso subito conto di quanto siano facili, efficienti e capaci le schede Raspberry Pi", ha affermato.

tramite Il MagPi

Fonte di registrazione: www.reviewgeek.com

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More