氣味感測
瑞薩AI氣味感測技術強化IAQ監控平台
瑞薩電子(Renesas)以嵌入式人工智慧(e-AI)的能力,擴充其廣受歡迎的ZMOD4410室內空氣品質(IAQ)感測器平台,進而為通風系統、浴室監測與控制,以及空氣品質監測器實現智慧化氣味感測。
該強化平台在各式各樣的微控制器(MCU)上(諸如瑞薩RL78 MCU等),結合經過神經網路訓練的韌體提供解析度更高的量測結果。憑藉這些新功能,ZMOD4410平台不僅能夠以更高的準確性和改善的零件之間偏差(part-to-part deviation)來偵測指示小型密閉房間中存在氣味的氣體,還可以區分基於硫和乙醇的氣味。這些更新是瑞薩基於e-AI韌體解決方案系列中的首項。
瑞薩物聯網和基礎建設事業本部感測器解決方案資深總監Uwe Guenther表示,室內空氣品質 (IAQ)市場的特殊應用,對更高精確度,更強性能,更大彈性的要求不斷成長;同時,零件之間的一致性也成為客戶優先考慮的因素。我們的多維感測器方法,藉由將人工智慧的功能應用在智慧化感測上,使更新後的ZMOD4410平台更精確,更具選擇性,進而為客戶提供客製化通風和氣味監控系統所需的高精度、高彈性選項,並為消費者提供更愉悅的環境。
瑞薩獨特的軟體配置ZMOD平台,為智慧化感測系統提供了更大的設計彈性,可以現場進行韌體更新,以實現全新的、特殊應用的功能,譬如選擇性量測,以檢測揮發性有機化合物(volatile organic compound,VOC)。全新的韌體更新,讓IAQ的量測符合國際準則,進而讓客戶能夠在低百萬分率(ppm)下測量TVOC(總揮發性有機物)和IAQ。更高的準確性和一致性可提供改良的估計二氧化碳(eCO2)水準。ZMOD4410 AI韌體在Renesas RL78 MCU上已可實作,也可以在任何瑞薩的MCU(包括RE、RA或RX晶片),或其他泛用型MCU上實作。
ZMOD4410結合了可程式性,同級產品中最佳的穩定性,以及測量VOC的靈敏度,使其成為各式各樣IAQ應用(包括智慧型HVAC系統、通風機風扇、浴室照明燈和開關)的出色解決方案。 ZMOD4410是以成熟的金屬氧化物(MOx)材料為基礎,而且每個感測器都經過電氣和化學測試,以確保批次之間的一致性,這對於量產週期長的製造商來說是一項重要的優勢。ZMOD4410元件還具有高度耐矽氧烷(siloxane)性能,可在嚴苛的應用中提供出色的可靠度。
神經型態晶片成功辨識氣味 機器嗅覺取得重要突破
英特爾(Intel)實驗室和康乃爾大學的研究人員在《自然機器智慧》(Nature Machine Intelligence)期刊上共同發表的一篇論文中,展示英特爾神經形態研究晶片「Loihi」,該晶片具有在明顯的干擾和阻絕情況下,學習和辨識有害化學物質的能力。Loihi僅透過單一樣本就學會各種氣味,同時不會破壞先前所習得的氣味記憶。與包括深度學習解決方案在內的傳統先進辨識方法相比,Loihi展現出更高的識別準確率,傳統先進辨識方法的解決方案需要增加3,000倍的訓練樣本才能達到相同的分類精準度等級。
英特爾神經形態運算實驗室資深研究科學家Nabil Imam表示,英特爾正在Loihi上開發神經演算法,模仿人們在聞到氣味後的大腦運作模式。這項工作是神經科學和人工智慧交會的當代研究典範,並證明Loihi具備提供重要感測功能的潛力,可望使各個產業受惠。
圖 英特爾神經形態運算實驗室資深研究科學家Nabil Imam與他手上搭載Loihi晶片的電路模組。
英特爾和康乃爾大學的研究人員使用一種從大腦嗅覺迴路的架構和動力學所得出的神經演算法,對英特爾Loihi神經形態研究晶片進行訓練,以學習和辨識10種有害化學物質的氣味。
Imam和研究團隊採用了由72個化學感測器的活動所組成的資料集,以對應風洞(wind tunnel)中循環的10種氣態物質(氣味)。感測器對每種氣味的反應會被傳送到Loihi,讓晶片電路模仿以嗅覺為基礎的大腦電路。Loihi晶片可以快速學習10種氣味(包括丙酮、氨和甲烷)中每種氣味的神經表徵,即使在背景受到強烈干擾的情況下也能順利辨識。
目前許多人家中的煙霧和一氧化碳探測器,也使用感測器來檢測氣味,但是它們無法區分不同的氣味;當它們檢測到空氣中的有害分子時會發出蜂鳴聲,但無法以智慧的方式對這些氣味分子進行分類。
Imam表示,化學感測領域多年來一直在尋找聰明、可靠和快速回應的化學感測處理系統,也就是所謂的「電子鼻系統(Electronic Nose Systems)」。他認為配備神經形態晶片的機器人在環境監測和有害物質檢測或工廠品質控制方面極具潛力。它們可用於會散發出特殊氣味之疾病的醫學診斷。另一個例子是配備神經形態晶片的機器人可以更清楚地辨別機場安全線中的有害物質。
研究團隊下一步打算將這種方法應用在更廣泛的問題上,從感官場景分析(了解觀察到的物體之間的關係)到像是計劃和決策等抽象問題。了解大腦的神經迴路如何解決這些複雜的運算問題,將為設計高效而強大的機器智慧提供重要線索。
但Imam也指出,目前在機器嗅覺感測方面,仍存在挑戰。舉例來說,當人們走進雜貨店時,可能會聞到草莓的味道,但其氣味可能類似於藍莓或香蕉的氣味,因為它們在大腦中誘發非常相似的神經活動模式。有時人類甚至很難分辨出一種水果還是多種水果混合的香味。當系統聞到來自義大利的草莓和來自加州的草莓時,有可能會出錯,因為兩者可能具有不同的香氣,但卻需要歸為同一類。
這些是研究團隊正在努力解決的嗅覺信號辨識問題,希望在未來幾年內解決這類挑戰,打造能夠解決實際問題的產品,而不僅是解決在實驗室中演示的實驗性問題。