2次元 (2D) のセンサーネットワークアーキテクチャで,磁気異常の検出のための人工知能モデルを搭載した

科学分野:

• 地質物理学 地質物理学とは地質物理学です.
• センサーネットワーク センサーネットワーク
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• 伝統的な一次元 (1D) マグネトメーター配列は,磁気異常の空間的特徴に制限があります.
• 標的の運動パラメータの正確な推定は,効果的な監視とモニタリングに不可欠です.

研究 の 目的:

• 強化された磁気異常検出のための磁気計の二次元 (2D) ネットワークの開発と評価.
• 異常の空間的特徴化を改善し,ターゲット運動パラメータの信頼性の高い推定を可能にします.
• ディープラーニングを統合して,自動検知と初期ターゲット追跡を行う.

主な方法:

• センサーノードの2Dネットワークの開発,それぞれにカスタム電子システムと,ゼロモードで動作する双軸流量ゲートマグネトメーターが搭載されています.
• 12x12 m^2の領域に 5x5 のノード配列を配置し,移動する鉄磁気シリンダーを使った地上のテストを行いました.
• 情報抽出のための磁気計データを処理するためにディープラーニングモデルの適用.

主要な成果:

• 2次元磁気計のネットワーク構成の実現可能性を実証しました.
• 1Dシステムと比較して,磁気異常の拡張された空間的特徴を披露しました.
• 移動する標的の自動検出と予備追跡の能力を検証しました.

結論:

• 2Dマグネトメーターネットワークは,磁気異常検出の有意な改善を提供します.
• このシステムは,インテリジェントなリアルタイム監視システムに統合するのに適しています.
• 潜在的な用途には,セキュリティと水中モニタリングが含まれます.