基于改进型结构重参数化卷积神经网络的气体传感器数据分析

刘元振; 隋成明; 刘子琪; 刘凤敏

doi:10.19292/j.cnki.jdxxp.2025.03.013

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (03) : 504 -510. DOI: 10.19292/j.cnki.jdxxp.2025.03.013

基于改进型结构重参数化卷积神经网络的气体传感器数据分析

刘元振, 隋成明, 刘子琪, 刘凤敏

作者信息 +

Author information +

文章历史 +

摘要

为弥补单一气体传感器面对多种气体选择性的不足，使其能更精准识别多种气体，提出了一种基于结构重参数化技术及深度可分离卷积技术的改进型卷积神经网络，将模型训练时的多分支卷积结构集成到推理时的单分支简单卷积层中。在简化推理模型复杂性的同时，大大增强了模型对气体响应数据的特征提取能力。将该方法应用于含有10种常见VOCs的气体传感器阵列公共数据集，识别准确率达到96.46%,调整模型复杂度增加卷积层后，准确率可达97.44%。