Информационно - коммуникационные и химические технологии

Том_ 2 № 31 (2026) / 2026-06-30 / Кол. просмотров: 95

РАЗРАБОТКА И ИССЛЕДОВАНИЕ 1D-CNN ДЛЯ ИДЕНТИФИКАЦИИ ГАЗОВЫХ СМЕСЕЙ ПО СПЕКТРАЛЬНЫМ ДАННЫМ МУЛЬТИСПЕКТРАЛЬНОГО ДАТЧИКА

Авторы

Университет «Туран»
https://orcid.org/0000-0001-6506-9007
Карагандинский университет Казпотребсоюза
https://orcid.org/0000-0001-9273-7402
Карагандинский университет Казпотребсоюза
https://orcid.org/0009-0000-3268-867X
Университет «Туран»
https://orcid.org/0009-0006-2594-4341

Ключевые слова

мультиспектральный сенсор, анализ газовых смесей, сверточные нейронные сети, глубокое обучение, спектральный анализ, интеллектуальные сенсорные системы, идентификация газов, обработка сенсорных данных

DOI ссылка:

https://doi.org/10.58805/kazutb.v.2.31-1544

Как цитировать

Муканова, Ж.А., и др. «РАЗРАБОТКА И ИССЛЕДОВАНИЕ 1D-CNN ДЛЯ ИДЕНТИФИКАЦИИ ГАЗОВЫХ СМЕСЕЙ ПО СПЕКТРАЛЬНЫМ ДАННЫМ МУЛЬТИСПЕКТРАЛЬНОГО ДАТЧИКА». Вестник КазУТБ, т. 2, вып. 31, июнь 2026 г., doi:10.58805/kazutb.v.2.31-1544.

Аннотация

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.