1. Otkrivanje i predviđanje grešaka korištenjem strojne inteligencije. Svaki sustav mora otkriti ili predvidjeti moguće probleme prije nego što krenu po zlu i dovedu do ozbiljnih posljedica. Trenutno ne postoji točno definiran model abnormalnog stanja, a tehnologija za otkrivanje abnormalnosti još uvijek nedostaje. Hitno je kombinirati informacije i znanje senzora kako bi se poboljšala inteligencija stroja.
2. U normalnim uvjetima, fizički parametri cilja mogu se osjetiti s visokom preciznošću i visokom osjetljivošću; međutim, postignut je mali napredak u otkrivanju abnormalnih stanja i kvarova. Stoga postoji hitna potreba za otkrivanjem i predviđanjem kvarova, što treba snažno razvijati i primjenjivati.
3. Trenutna tehnologija očitavanja može točno osjetiti fizičke ili kemijske veličine u jednoj točki, ali je teško osjetiti višedimenzionalna stanja. Na primjer, mjerenje okoliša, čiji su karakteristični parametri široko raspršeni i imaju prostorne i vremenske korelacije, također je vrsta teškog problema koji treba hitno riješiti. Stoga je potrebno ojačati istraživanje i razvoj višedimenzionalnog očitavanja stanja.
4. Daljinsko istraživanje za analizu ciljnih komponenti. Analiza kemijskog sastava uglavnom se temelji na uzorcima tvari, a ponekad je uzorkovanje ciljnih materijala teško. Kao i kod mjerenja razine ozona u stratosferi, daljinsko istraživanje je neophodno, a kombinacija spektrometrije s radarskim ili laserskim tehnikama detekcije jedan je od mogućih pristupa. Analiza bez uzorka komponenti osjetljiva je na interferenciju uzrokovanu raznim šumovima ili medijima između sustava za mjerenje i ciljnih komponenti, a očekuje se da će strojna inteligencija sustava za mjerenje riješiti taj problem.
5. Inteligencija senzora za učinkovito recikliranje resursa. Moderni proizvodni sustavi automatizirali su proces proizvodnje od sirovine do proizvoda, a kružni proces nije ni učinkovit ni automatiziran kada se proizvod više ne koristi ili odbacuje. Ako se recikliranje obnovljivih resursa može provesti učinkovito i automatski, može se učinkovito spriječiti onečišćenje okoliša i nestašica energije, a može se ostvariti i upravljanje resursima životnog ciklusa. Za automatizirani i učinkovit proces ciklusa, korištenje strojne inteligencije za razlikovanje ciljnih komponenti ili određenih komponenti vrlo je važan zadatak za inteligentne senzorske sustave.
Vrijeme objave: 23. ožujka 2022.