5.2 - Embedded KI für Gassensoren - eine industrielle Perspektive

Event
15. Dresdner Sensor-Symposium 2021
2021-12-06 - 2021-12-08
Online
Band
Vorträge
Chapter
5. Smarte (Gas-)Sensorik
Author(s)
A. Schröter, R. Schreiber, C. Meyer - Renesas Electronics Germany GmbH, Dresden/D, R. Chilumula, C. Kostelecky - Renesas Electronics America, Longmont/USA
Pages
81 - 84
DOI
10.5162/15dss2021/5.2
ISBN
978-3-9819376-5-7
Price
free

Abstract

Die Erkennung der Luftqualität hat in den letzten Jahren viel Aufmerksamkeit erlangt, um eine bessere und gesundere Luftqualität in Innenräumen und öffentlichen Bereichen zu gewährleisten. Typische Anwendungsbeispiele der Luftgüteüberwachung reichen von Luftreinigern, Klimaanlagen- und Lüftungssteuerungen, Konferenzraumausrüstungen, Wearables, Mobiltelefonen bis hin zu Überwachungssystemen für Smart Home und Smart City. Metalloxid-Sensoren (MOx-Sensoren) sind in der Lage, das Vorhandensein vieler gesundheitsschädlicher Gase in Innenräumen und in der Außenluft zu erkennen. Die ersten digitalen MOx-Sensoren zur Erfassung der Luftqualität kamen im letzten Jahrzehnt auf den Markt [1]. Im Vergleich zu früheren analogen Lösungen haben diese wesentliche Vorteile, wie beispielsweise eine höhere Miniaturisierung, einfachere Implementation, bessere Skalierbarkeit für die Massenproduktion, einen geringeren Stromverbrauch und einen niedrigeren Preis. Die meisten MOx-Sensoren, sowohl analog als auch digital, nutzen einen traditionellen Algorithmus basierend auf empirischen Gleichungen zur Berechnung der Gaskonzentration. Ein nächster Schritt in der Entwicklung digitaler Metalloxidsensoren ist die Verwendung von Algorithmen des maschinellen Lernens für die Berechnung der Gaskonzentration. Durch den Einsatz von eingebetteter Künstlicher Intelligenz (KI) können MOx-basierte Gassensoren eine höhere Genauigkeit und eine bessere Präzision von Bauteil zu Bauteil erreichen. Renesas ist das erste Unternehmen, das MOx-basierte Gassensoren mit dieser Technologie auf den Markt brachte.

Download