Development of an Indoor Anomaly Detection System using Plant Sensors with Deep Learning

使用植物传感器和深度学习开发室内异常检测系统

基本信息

批准号：
21K12795
负责人：
南保英孝
金额：
$ 2.16万
依托单位：
Kanazawa University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

植物生体電位を用いた異常検知センサの開発のため、昨年度に引き続き、以下の内容を検討・実施した。植物の周囲の環境が安定している平常状態を正常な状態と考え、平常状態の生体電位を約6時間測定した正常データを収集した。収集したデータを一定の幅で分割したデータを1件のデータと考え、データから電位振幅画像と3種類のスペクトル画像(位相、振幅、周波数)を合成したスペクトル合成画像を生成した。これらの画像を相互変換できるように新たに考案したDiscoGANに基づくネットワークを構成した。このとき、通常のDiscoGANとは異なり、識別器を用いずに相互変換を繰り返した後の出力結果が入力に近づくように学習を行うように変更した。また、従来は入力と出力の差分により異常検知を行っていたところに識別器を導入した。結果として、異常検知の精度が向上し、正常データの識別率が約80%、異常データの識別率が約86%と向上した。本成果は2022年度センサシンポジウムにおいてポスターセッションで発表した。さらに、学習時にノイズを加えることでさらに精度が向上する手法を考案し、現在論文誌に投稿（査読中）している。検知アルゴリズムの検討に加え、今年度は一般的な家庭において、リビングに植物を設置し通常の生活を行う中で植物生体電位の経時的な測定を行い、より現実的なデータを収集した。データ量は約1週間分であり、次年度はこのデータを用いて構築したアルゴリズムの検証を行い、異常検知センサの完成を目指す。

为了开发利用植物生物电位的异常检测传感器，我们从去年开始继续考虑并实施以下项目。植物周围环境稳定的正常状态被认为是正常状态，并且通过在正常状态下测量约6小时的生物电势来收集正常数据。我们将采集到的数据按一定宽度划分得到的数据视为一个数据，并通过将数据中的电位幅度图像和三种类型的频谱图像（相位、幅度和频率）组合起来生成频谱合成图像。我们基于新设计的 DiscoGAN 构建了一个网络，可以相互转换这些图像。此时，与常规DiscoGAN不同，我们改变了学习方法，使得在不使用分类器的情况下重复相互转换后的输出结果更接近输入。此外，还引入了鉴别器，根据输入和输出之间的差异预先检测到异常。异常检测准确率提高，正常数据识别率提高到80%左右，异常数据识别率提高到86%左右。这一结果在 2022 年传感器研讨会的海报会议上公布。此外，他们设计了一种通过在训练期间添加噪声来进一步提高准确性的方法，目前正在将其提交给期刊（正在同行评审中）。除了检查检测算法之外，今年我们还通过在普通家庭的客厅中安装植物并测量植物在日常生活中随时间变化的生物电势来收集更真实的数据。数据量大约是一周的量，明年我们将使用这些数据来验证我们构建的算法，目标是完成一个异常检测传感器。