| 研究実績の概要 |
植物生体電位を用いた異常検知センサの開発を行うため、これまで以下の内容を検討・実施した。植物生体電位は、植物周辺の環境に影響を受ける。本研究では、環境が安定している状態を正常な状態と考え、一方、植物周辺で生体電位に影響を与えるような事象が起きている時を以上と捉える。植物生体電位は、人の動きにも影響を受けるため、人の有無を異常として検知できるセンサを実現できると考えた。
本研究では、一定時間内の電圧変化を1件のデータと見なし、電圧変化を図示した振幅画像と、電圧変化から求められる3種のスペクトル画像（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、振幅画像とスペクトル画像を相互変換するDiscoGANに基づいた異常検知モデルを提案した。提案したモデルは通常のDiscoGANとは異なり、識別器を用いずに画像の相互変換を繰り返し、最終的な出力画像が入力画像に近づくように学習する。さらに、正常・異常を識別するための識別器を導入している。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。また、正常状態とは異なるが、異常とは言えないデータについても正しく識別することが可能となり、異常検知モデルの堅牢性も向上したと言える。この成果は、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、さらに、IEEE Sensors Journal ( Volume: 23, Issue: 23, 01 December 2023, DOI: 10.1109/JSEN.2023.3323147)にも採録された。
|
