Gaz sensörlerinde çok değişkenli kalibrasyon yöntemlerinin incelenmesi
Özet
Gaz sensörlerinin uzun süreli kullanıldığı elektronik burun (e-nose) uygulamalarında, sensörler üzerinde istenmeyen bir sapma (drift) etkisi meydana gelir. Bu etki verilerin analizinde çok etkin olup ölçüm sonuçlarının doğru analizini de engellemektedir. Gaz sensör dizilerinden oluşan farklı cihazlar arasında da benzer sapma sorunları meydana gelmektedir. Bu etkilerin azaltılması, yani gelecek verilerin daha iyi tahmin edilmesi, amacı ile kalibrasyon yöntemi geliştirerek sensörden gelecek yeni verilere karşı iyi bir tahmin performansı elde etmek mümkün olabilir.
Bu çalışma kapsamında, çevrimiçi olarak erişilebilen öznitelikleri çıkarılmış hazır bir veri seti üzerinde çok değişkenli kalibrasyon yöntemlerinden olan doğrudan standartlaştırma (direct standardization-DS), ortogonal sinyal düzeltimi (orthogonal signal correction-OSC) ile parçalı doğrudan standartlaştırma (piecewise direct standardization-PDS) yöntemleri uygulanmıştır. Ayrıca yine bu yöntemler; aynı veri setinin öznitelik seçimi yapılmış haline uygulanmış ve sonuçların tümü karşılaştırılarak en başarılı yöntem, sınıflandırma başarı oranlarına bakılarak bulunmaya çalışılmıştır.
Sonuçlara göre; öznitelik seçimi yapılan veri setine uygulanan kalibrasyon yöntemleri, ham veri setine oranla daha başarılı olmuştur. Böylece daha az veri ile kalibrasyonun başarılı bir şekilde gerçekleşebileceği gözlemlenmiştir. Bu çıktının gelecek çalışmalarda yeni bir perspektif yaratacağı düşünülmektedir.
In many electronic nose applications where gas sensors utilizing for a long time, there is an undesirable drift effect on the sensors, which affects the classification quality negatively. Although the sensor drift is inevitable, it is possible to reduce this effect with the calibration transfer methods. This paper presents a comparison study of various multivariate standardization methods to facilitate an effective calibration way on a comprehensive dataset, which is reachable on-line. In this study, three methods applied: direct standardization (DS), orthogonal signal correction (OSC) and piecewise direct standardization (PDS). In addition, these three methods are applied the data, which consisted of selected features.
The results have shown that the classification success has increased with multivariate calibration technique applied to the selected features. The results also demonstrate that using the best features in the signal processing part can play an important role for the calibration success. This outcome may lead to a new perspective for the future works.