Abstract
В статье рассматривается задача автоматической идентификации состава газовых смесей на основе данных мультиспектрального сенсора. Анализ газовых сред является важной задачей для промышленной безопасности, экологического мониторинга, медицинской диагностики и интеллектуальных сенсорных систем. Традиционные методы газового анализа, основанные на спектроскопии, обеспечивают высокую точность измерений, однако требуют сложного оборудования и трудоемкой обработки данных. В связи с этим актуальным направлением является применение методов искусственного интеллекта для обработки спектральных сигналов. Целью данной работы является разработка и исследование модели сверточной нейронной сети для идентификации газовых смесей по спектральным данным мультиспектрального датчика AS7265x. Для проведения экспериментов была создана лабораторная установка, включающая мультиспектральный сенсор и систему контроля условий эксперимента на основе датчика температуры и давления. В качестве входных данных использовались спектральные векторы, содержащие 18 каналов интенсивности, соответствующих различным длинам волн. Для обработки спектральных данных была разработана архитектура одномерной сверточной нейронной сети (1D-CNN), способная выявлять характерные спектральные признаки различных газов. Модель была обучена и протестирована на экспериментальном наборе данных, содержащем измерения воздуха, углекислого газа и смеси кислорода с азотом. Экспериментальные результаты показали высокую точность классификации, достигшую 100% на тестовой выборке. Полученные результаты подтверждают эффективность применения методов глубокого обучения для анализа спектральных данных и демонстрируют перспективность использования компактных мультиспектральных сенсоров в интеллектуальных системах газоанализа.