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

点击翻译按钮获取中文摘要

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。