기계 후각

이 글에는 여러 가지 문제가 있다. 이 문제를 개선하거나 대화 페이지에서 토의하십시오. (이러한 템플릿 메시지를 제거하는 방법 및 시기 알아보기) 이 글은 일반적인 참고문헌 목록을 포함하고 있지만, 그에 상응하는 인라인 인용구가 충분하지 않기 때문에 대체로 검증되지 않은 상태로 남아 있다. 좀 더 정밀한 인용구를 도입하여 이 기사를 개선할 수 있도록 도와주십시오. (2019년 1월) (이 템플릿 메시지를 제거하는 방법과 시기 알아보기) 이 기사는 로보틱스 전문가의 주의가 필요하다. 자세한 내용은 토크 페이지를 참조하십시오. 위키프로젝트 로보틱스는 전문가 영입을 도울 수 있을 것이다. (1919년 1월) (이 템플릿 메시지를 제거하는 방법 및 시기 알아보기)

기계 후각은 후각을 자동으로 시뮬레이션하는 것이다. 현대 공학에서 새롭게 등장하고 있는 애플리케이션은 공기에 의한 화학물질을 분석하기 위해 로봇이나 다른 자동화된 시스템을 사용하는 것을 포함한다. 이런 기구를 흔히 전자코나 전자코라고 부른다. 기계 후각의 발달은 전자 노즈 장치가 제한된 수의 화학물질에 반응한 반면, 냄새는 (잠재적으로 수 많은) 독특한 냄새 화합물 세트에 의해 생성된다는 사실에 의해 복잡하다. 이 기술은 아직 개발 초기 단계에 있지만,^[1] 식품 처리의 품질 관리, 의약품의 검출 및 진단,^[2] 마약, 폭발물 및 기타 위험하거나 불법적인 물질의 검출,^[3] 재난 대응, 환경 감시와 같은 많은 응용을 약속한다.

제안된 기계 후각 기술의 한 종류는 휘발성 화합물을 감지, 식별 및 측정할 수 있는 가스 센서 어레이 기기를 통해서입니다. 단, 이러한 계측기의 개발에 있어 중요한 요소는 패턴분석이며, 기계 후각의 패턴분석 시스템의 성공적인 설계에는 다변량 데이터 처리와 관련된 여러 가지 문제, 즉 신호-정밀화, 형상 추출, 형상 선택, 분류, 역추적 등에 대한 세심한 검토가 필요하다.n, 클러스터링 및 검증.^[4] 기계 후각에 대한 현재 연구의 또 다른 과제는 아로마 혼합물에 대한 센서 반응을 예측하거나 추정할 필요성이다.^[5] 악취 분류, 악취 국산화 등 기계 후각의 일부 패턴 인식 문제는 시계열 커널 방식으로 해결할 수 있다.^[6]

탐지

전도성 폴리머 냄새 센서(폴리피롤), 주석산화 가스 센서, 석영결정 마이크로 밸런스 센서를 이용한 3가지 기본 검출 기법이 있다.^{[citation needed]} 일반적으로 (1) 어떤 유형의 센서 어레이, (2) 그러한 센서를 조사하고 디지털 신호를 생성하기 위한 전자 장치, (3) 데이터 처리 및 사용자 인터페이스 소프트웨어로 구성된다.

전체 시스템은 복잡한 센서 반응을 냄새를 구성하는 휘발성 물질(또는 화학적 휘발성 물질의 복합 혼합물)의 질적 프로파일로 출력 형태로 변환하는 수단이다.

전통적인 전자 코는 고전적인 의미에서 분석적인 도구가 아니며 냄새를 정량화할 수 있다고 주장하는 사람은 극소수다. 이들 기구는 우선 목표 냄새와 함께 '훈련'된 후 냄새를 '인식'하는 데 사용되어 향후 샘플이 '좋음' 또는 '나쁨'으로 식별될 수 있도록 한다.

화학 센서 어레이에 대한 대체 패턴 인식 방법에 대한 연구는 차원성과 관련된 인공 후각과 생물학적 후각을 구별할 수 있는 솔루션을 제안했다. 이러한 생물학적으로 영감을 받은 접근법은 정보 처리를 위한 고유한 알고리즘을 만드는 것을 포함한다.^[7]

전자 코는 냄새와 휘발성 물질을 다양한 소스로부터 구별할 수 있다. 아래 목록은 전자 코 기술을 위한 일반적인 응용 프로그램 중 일부만 보여준다. 많은 응용 프로그램들은 연구 연구와 발표된 기술 논문에 의해 뒷받침된다.

냄새 국산화

악취 국산화란 정량적 화학 악취 분석과 경로 탐색 알고리즘이 결합된 것으로, 환경 조건이 국산화 품질에 중요한 역할을 한다. 다양한 목적과 다른 실제 조건에서 다른 방법들이 연구되고 있다.

동기

냄새 국산화란 한 가지 또는 여러 가지 냄새를 포함하는 환경에서 휘발성 화학물질을 찾아내는 기술과 과정이다. 모든 생명체에게 생존을 찾고 위험을 피하는 것은 지극히 중요하다. 다른 기본적인 인간의 감각과는 달리 후각은 전적으로 화학적 기반이다. 그러나, 다른 차원의 인식과 비교하여, 냄새의 검출은 냄새의 복잡한 동적 방정식과 바람과 같은 예측할 수 없는 외부 장애로 인해 추가적인 문제에 직면한다.

적용

냄새 국산화 기술은 다음을 포함한 많은 응용 분야에서 가능성을 보여준다.^[8][1]

• 식품 가공의 품질 관리(예: 성질, 박테리아 부패)
• 위험 물질의 출처 위치 확인(예: 폭발물 및 화학전 요원)
• 지하 자원이나 위험요소의 발견
• 금지 물질 탐지(예: 약물 탐지)
• 자연 재해의 생존자 수색
• 오염 물질에 대한 환경 감시
• 질병의 조기 진단(예: 만성폐쇄성 폐질환)^[2]

이력 및 문제명세서

특정 악취 감지를 위한 최초의 기구는 1961년 로버트 와튼 몬크리프가 개발한 기계 코였다. 최초의 전자 코는 W. F. Wilkens와 J. D.에 의해 만들어졌다. 1964년 ^[9]하르트만 라콤과 할솔은 1980년대 초 원자력 산업에서 악취 감지를 위한 로봇의 사용에 대해 논의했고,^[10] 1990년대 초 악취 국산화 연구가 시작되었다. 냄새 국산화 분야는 이제 빠르게 성장하고 있는 분야다. 다양한 센서가 개발되고 다양한 환경과 조건에 맞는 다양한 알고리즘이 제안되었다.

기계적 악취 국산화 작업은 다음과 같은 3단계를 통해 수행될 수 있다. (1) 휘발성 화학물질의 존재 여부 탐색 (2) 일련의 악취 센서와 특정 알고리즘으로 선원의 위치를 검색하고 (3) 추적된 악취 발생원(악취 인식)을 식별한다.

국산화 방법

악취 국산화 방법은 다양한 환경 조건에서 악취 분산 모드에 따라 분류되는 경우가 많다. 이러한 모드는 일반적으로 확산 중심 유체 흐름과 난류 중심 유체 흐름의 두 가지 범주로 나눌 수 있다. 이들 알고리즘은 냄새 국산화 알고리즘이 다르다.

확산 중심 유체 흐름

지하 냄새 국산화에서 주로 사용되는 확산 중심 유체 흐름 추적 및 국산화 방법은 유체 운동이 점성으로 지배되는 환경에서 후각 기계가 작동할 수 있도록 설계해야 한다. 이는 확산이 악취 흐름의 분산으로 이어지고, 가우스 분포로서 악취의 농도가 근원으로부터 감소한다는 것을 의미한다.^[11]

외부 압력 경사가 없는 토양을 통한 화학 증기의 확산은 종종 Fick의 두 번째 법칙에 의해 모델링된다.

${\displaystyle {\frac {\partial t}{\partial t}=D{\frac {\partial ^{2}C}{\partial d^{2}}:$

여기서 확산 상수, 확산 방향의 거리, 화학적 농도, 시간이다.

화학적 악취 흐름이 균일한 단면도로 한 방향으로만 분산된다고 가정할 때 악취 발생원 농도 간의 특정 거리 및 특정 시점에서의 악취 농도 관계는 다음과 같이 모델링된다.

${\displaystyle {\frac {C}{C}}{C_{s}}=\operfc} {erfc}{\frac {d}{\sqrt{4Dt}}}}}}}}$

여기서 $C{\displaystyle {}_{}}$ ${\displaystyle s_{}}$ ${\$는 악취 발생원 농도다. 이것은 외부 바람이나 다른 방해를 무시한 채 냄새 감지 모델링에서 가장 단순한 동적 방정식이다. 확산 중심의 전파 모델에서는 단순히 화학적 농도 구배를 추적하여 악취 발생원을 찾아내는 것으로 서로 다른 알고리즘이 개발되었다.

대장균 알고리즘

간단한 추적 방법은 대장균 알고리즘이다.^[12] 이 과정에서 악취센서는 단순히 서로 다른 위치의 농도 정보를 비교한다. 로봇은 반복된 직선을 따라 무작위 방향으로 움직인다. 기존 수치보다 현재 상태 악취 정보가 개선되면 로봇은 현재 경로로 계속 이동하게 된다. 그러나 현재 상태 상태가 이전 상태보다 더 나쁠 경우 로봇은 역추적 후 다른 임의의 방향으로 이동하게 된다. 이 방법은 간단하고 효율적이지만, 경로의 길이는 매우 다양하고 오차는 근원에 근접할수록 증가한다.^{[further explanation needed]}

16진법 알고리즘과 도데카헤드론 알고리즘

확산 모델에 기초한 또 다른 방법은 R에 의해 개발된 16진법 알고리즘이다. 앤드류 러셀은^[12] 로봇 조작기에 의해 제어되는 매립형 탐침으로 지하 화학적 냄새의 국산화 작업을 담당했다.^[12][13] 프로브는 밀접하게 포장된 육각 격자의 가장자리를 따라 일정한 깊이에서 이동한다. 각 주 접점에는 선택할 수 있는 두 가지 경로(왼쪽과 오른쪽)가 있으며, 로봇은 이전의 두 접점 상태 냄새 농도 정보 -1, -2에 근거하여 냄새 농도를 높이는 경로를 택하게 된다. 16진법 알고리즘의 3D 버전인 도데카헤드론 알고리즘에서 프로브는 밀접하게 포장된 도데카헤드라에 해당하는 경로로 이동하므로 각 상태 지점에서 가능한 세 가지 경로 선택이 있다.

난류 중심 유체 흐름

난류 중심 유체 흐름에서 국산화 방법은 난류 중단으로 배경 유체(바람 또는 물) 유량을 다루도록 설계된다. 이 범주에 속하는 대부분의 알고리즘은 플룸 모델링에 기초한다(그림 1).^[14]

플룸 역학(Plume dynamics)은 나비에르를 기반으로 한 가우스 모델을 기반으로 한다.-스토크 방정식. 가우스 기반 모델의 단순화된 경계 조건은 다음과 같다.

${\displaystyle {\frac {\partial C}{\partial t}}=D_{x}{\frac {\partial ^{2}C}{\partial x^{2}}}+D_{y}{\frac {\partial ^{2}C}{\partial y^{2}}}+\alpha {\frac {\partial C}{\partial x}}+\beta {\frac {\partial C}{\partial x}}}$

α ${\$displaystyle $\display$}은(는) 방향의 $선형$ 풍속$$$,$ β ${\$displaystyle $\beta}$은 방향의 선형 풍속이다$$. 또한 환경이 균일하고 플룸 소스가 일정하다고 가정할 때 각 감지 시점의 각 로봇 센서에서 악취 감지를 위한 방정식은 다음과 같다.th

${\displaystyle R_{i}=\gamma _{i}\sum _{k=1}{K}{\frac {C_{k}}{\rho_{k}-r_{k}}\{\lapa }}+\i}}}}}}}}}}{i}}}}}}}}}}}}}}}:{i}}}$

i−th 센서의 어디 R나는}{\displaystyle R_{나는}은t−th 샘플, γ 나는{\displaystyle \gamma_{나는}}은을 찌우인자, Ck{\displaystyle C_{km그리고 4.9초 만}}은k−th원 강도,ρ k{\displaystyle \rho_{k}}k−th원의 위치는,α{\displaystyle \alpha}은 연기의 감쇠 매개 변수, ω.나는{\di$splaystyle \omega_{i}$는 $N{\displaystyle (\mu ,}$ ${\displaystyle {}^{}}$, ${\displaystyle {\sigma \mathrm{}}^{}}$ 2${\displaystyle {}^{}}$)을 만족시키는 배경 잡음이다${\displaystyle N(\mu,\sigma ^{2}).$플룸 모델링 하에서는 냄새 발생원의 국소화에 다른 알고리즘을 사용할 수 있다.

삼각 알고리즘

위치추정에 사용할 수 있는 간단한 알고리즘은 삼각측량법(그림 2)이다. 위의 악취 감지 방정식을 생각해 보면, 방정식의 한쪽에 센서 거리를 구성하고 소음을 무시하면 악취 발생원의 위치를 추정할 수 있다. 선원 위치는 다음 방정식을 사용하여 추정할 수 있다.

${\displaystyle (x_{1}-x_{s}^{2}+(y_{1}-y_{s})^{2}=R_{1}/(\gamma _{1}C)}$

${\displaystyle (x_{2}-x_{s}^{2}+(y_{2}-y_{s})^{2}=R_{2}/(\gamma _{2}C)}$

${\displaystyle (x_{3}-x_{s}^{2}+(y_{3}-y_{s})^{2}=R_{3}/(\감마 _{3}C)}$

최소 제곱법(LSM)

최소 제곱법(LSM)은 냄새 국산화 알고리즘이 약간 복잡한 것이다. 악취 추적 모델의 LSM 버전은 다음을 통해 제공된다.

${\displaystyle R_{i},_{t}=\gamma _{i}{{i}{\rho_{{{k}-r_{i}\^2}}+{i}}\ma _{i}{d^}}}{d^}}}+{i}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}$

여기서 d ${\displaystyle i_{}}$ ${\$는 센서 노드와 플룸 소스 사이의 유클리드 거리로서$$, 다음과 같이 주어진다.

${\displaystyle d_{i}={\sqrt {(x_{i}-x-s)^{2}+(y_{i}+y_{s}}^{2}}:$

LSM 알고리즘과 직삼각형 방법의 주요 차이점은 노이즈다. LSM에서는 소음을 고려하며, 오차의 제곱을 최소화하여 악취 발생원 위치를 추정한다. 비선형 최소 제곱 문제는 다음을 통해 주어진다.

${\displaystyle J=\sum _{i=1}^{N}{\frac {C}{\sqrt{(x_{i}-{x_{s}}}}})^{2}(y_{i}-{\widehat {y_{s}}}}}^{2}}-{{{{z_}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}$

여기서${\displaystyle }$( ${\displaystyle x\stackrel{}{{}_{}}}$ ${\displaystyle \stackrel{}{s_{}}}$ ${\displaystyle \stackrel{}{{}_{}}}$, y ${\displaystyle \stackrel{}{s_{}}}$ ${\displaystyle \stackrel{}{{}_{}}}$) ${\displaystyle({\widehat {x_{s}}},{\widehat {y_{s}}}}}}$은(는) 추정 소스 위치이고$$ $z{\displaystyle \stackrel{}{{}_{}}}$ ${\$은 센서에서 여러 측정의 평균값이며, 다음과 같은 값이 평균:

${\displaystyle {\overline {z_{l}}={\frac {1}{M}\sum _{i=1}^{M}{z_{i}}}}}}}$

최대우도 추정(MLE)

플룸 모델링을 기반으로 한 또 다른 방법은 최대우도 추정(MLE)이다. 이 냄새 국소화 방법에서 몇 가지 행렬은 다음과 같이 정의된다.

${\displaystyle Z=[{\frac {R_{1}-\mu _{1}{1}{1}{1}{1}{1}{1}{\sigma _{1},{\frac {R_{2}-\mu _{2}}:{\sigma _{2},}}}},...{\frac {R_{N}-\mu _{{N}}{{N}}}$

${\displaystyle G=diag[{\frac {\gamma _{1}{1}{1},{\frac {\sigma _{2}}:}, ...{\frac {\gamma _{N}{{N}}{\{\sigma _{N}}}$

${\displaystyle D=[{\frac {1}{d_{1}^{2}},{\frac {1}{1}{d_{2}^{2}}, ...{\frac {1}{d_{N}^{2}}]}$

$\\displaystyle \zeta =[\zeta _{1},\zeta _{2},...\zeta _{N}}}$

${\displaystyle \zeta _{i}=(\omega _{i}-\mu _{i}/\sigma _{i}\sim N(0,1)}$

${\displaystyle {\frac {R_{i}-\mu _{i}{\sigma _{i}{\frac {d_{i}}{sigma _{i}}{\frac {c}{d_{i}^{2}},1)}}$

이러한 행렬로 플룸 기반 악취 감지 모델은 다음과 같은 방정식으로 표현할 수 있다.

$(\displaystyle Z=)GDC+\제타 }$

그런 다음 MLE를 모델링에 적용하여 확률밀도함수를 형성할 수 있다.

${\displaystyle f(Z,\theta )=2\pi^{-(N/2)}e^{-{\frac {1}{1}:{2}}(Z-GDC)^{T}(Z-GDC)}}}}}}}$

여기서 $\theta {\displaystyle }$ ${\displaystyle \theta}$은(는) 악취 발생원 추정 위치이며 로그우도 함수는

${\displaystyle L(\theta )\sim {\frac {1}{2}}\sum _{i=1}^{N}{\ Z_{i}-\gamma _{i}{\frac {c}{d_{i}^{2}}}\ }={\frac {1}{2}}\sum _{i=1}^{N}{({\frac {Ri-\mu _{i}}{\sigma _{i}}}-\gamma _{i}{\frac {c}{d_{i}^{2}}})^{2}}}$

$\theta {\displaystyle }$ ${\displaystyle \theta}$의 최대우도 모수 추정치는 최소화를 통해 계산할 수 있다$$.

${\displaystyle I(\theta )=\sum _{i=1}^{N}{{n}{\frac {Ri-\mu _{i}}{i}}-\gamma _{i}{\frac {d}{i}^{2}}}}}}}}}}}^{2}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}$

그리고 악취 발생원의 정확한 위치는 다음을 해결함으로써 추정할 수 있다.

${\displaystyle {\frac {\partial {I(\theta )}}{\partial (x)}=0,{\partial {I(\theta )}}{\partial (y)}=0}$

참고 항목

• 디지털향기기술
• 피도 폭발물 탐지기
• 후각계

참조

외부 링크

• 영국 Scarcy Technologies Ltd의 전자 코 기술
• T. C. Pearce, S. Schiffman, H. T. Nagle, J. W. Gardner(편집자), Handbook of Machine Olfaction: 전자 노즈 테크놀로지, Wiley-VCH, Weinheim, 2002. PDF 내용: [1]
• 인공 후각 감지(NOES) 아카이브의 네트워크
• 인공 코 – 냄새를 상상해보아라, nature.com