| 基于嵌入式端的动态气体轻量化分析方法研究 |
| |
| 引用本文： | 贾颖淼,李紫蕊,范书瑞,张艳. 基于嵌入式端的动态气体轻量化分析方法研究[J]. 传感技术学报, 2021, 34(7): 904-910. DOI: 10.3969/j.issn.1004-1699.2021.07.009 |
| |
| 作者姓名： | 贾颖淼 李紫蕊 范书瑞 张艳 |
| |
| 作者单位： | 河北工业大学电子信息工程学院,天津300401 |
| |
| 基金项目： | 国家自然科学基金面上项目(No.42075129);河北省重点研发计划项目(No.19210404D)；河北省重点研发计划项目(No.20351802D)；河北省高等学校科学技术研究重点项目（No.ZD2019010）；河北省研究生创新资助项目（?No. CXZZSS2020031） |
| |
| 摘 要： | 为了解决复杂的动态环境下,计算机端动态气体分析模型参数多,训练缓慢等问题,提出了一种新的适用于复杂环境下的轻量级卷积神经网络架构,将模型部署到EAIDK-310智能板上,可以实现嵌入式端高效率的混合动态气体分析.与GasNet模型相比,提出模型的训练参数量减少约一半,训练模型消耗时间减少4倍,预测时间减少16倍,而预测准确度相当;与Improved LeNet5相比,分类性能明显较好,准确率达到了0.978,且输入数据长度更短,更适用于快速检测.将模型部署在嵌入式端后,利用样本数据对模型的有效性进行验证,实验结果表明,可以准确识别气体类别,每个样本的识别时间均在13ms以下;浓度预测误差在6×10-6以下,每个样本的平均识别时间在1ms以下.此模型可以实现在嵌入式端高准确,高效率的动态气体分析.
|
| 关 键 词： | 嵌入式 动态气体分析 轻量级 卷积神经网络 Tengine |
| 收稿时间： | 2021-03-31 |
| 修稿时间： | 2021-06-01 |
Research on Dynamic Gas Lightweight Analysis Method Based on Embedded Terminal |
| |
| JIA Yingmiao,LI Zirui,FAN Shurui,ZHANG Yan. Research on Dynamic Gas Lightweight Analysis Method Based on Embedded Terminal[J]. Journal of Transduction Technology, 2021, 34(7): 904-910. DOI: 10.3969/j.issn.1004-1699.2021.07.009 |
| |
| Authors: | JIA Yingmiao LI Zirui FAN Shurui ZHANG Yan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
