Технология абсорбционной спектроскопии на основе настраиваемого диодного лазера (TDLAS) имеет значительный потенциал для обнаружения парниковых газов благодаря своим преимуществам бесконтактных измерений в реальном времени. Однако техническое узкое место в виде перекрестных помех в спектрах поглощения газов существенно ограничило разработку и применение этой техники для одновременного измерения многокомпонентных газов.
Нейросетевой алгоритм развязки для спектров с наложением спектров предлагает недорогое и несложное решение этой проблемы. Недавно исследовательская группа под руководством профессора Гао Сяомина из Хэфэйского института физических наук Китайской академии наук разработала интеллектуальный нейросетевой алгоритм, который эффективно решил давнюю проблему перекрестной интерференции в спектрах поглощения газа .
«Этот алгоритм нейронной сети значительно упростил и повысил надежность обнаружения нескольких газов одновременно», — сказал профессор Гао. Результаты исследования были опубликованы в ACS Sensors .
В своем исследовании ученые определили оптимальную глубину модуляции в контролируемых лабораторных условиях и сгенерировали большой набор данных спектров с наложением для обучения нейронной сети. Обширное обучение улучшило способность модели обобщать в различных условиях. Они также собрали экспериментальные данные для точной настройки модели и проверки ее эффективности.
«Прелесть этого нового метода в его простоте», — сказал Гао. «Для него не требуется никакого дополнительного оборудования».
Используя алгоритм развязки на основе нейронной сети, команда смогла разрешить спектральные помехи в существующей системе, снизив как сложность, так и стоимость конструкции. Алгоритм не только развязал многокомпонентные газовые сигналы с высокой точностью и стабильностью, но и хорошо адаптировался к сложным средам благодаря трансферному обучению. Он даже позволил одновременно обнаруживать несколько газов с помощью одного лазера, что сделало процесс более эффективным.
Это исследование выявило большой потенциал нейронных сетей для разделения спектров с наложением спектров, предоставив ценную информацию для внедрения систем обнаружения газов TDLAS в сложных условиях.
