XiaoMi-AI文件搜索系统
World File Search System光传感器
文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模
摘要：了解从基于智能手机的电化学发光 (ECL) 传感器提取的多模态数据之间的关系对于开发低成本的即时诊断设备至关重要。在这项工作中，使用随机森林 (RF) 和前馈神经网络 (FNN) 等人工智能 (AI) 算法定量研究 Ru(bpy) 3 2+ 发光体浓度与其实验测量的 ECL 和电化学数据之间的关系。使用一次性丝网印刷碳电极开发了一种带有 Ru(bpy) 3 2+ /TPrA 的基于智能手机的 ECL 传感器。在施加 1.2 V 电压后，同时获得 ECL 图像和电流图。通过 RF 和 FNN 算法分析这些多模态数据，从而可以使用多个关键特征预测 Ru(bpy) 3 2+ 浓度。在 0.02 µM 至 2.5 µM 的检测范围内，实际值和预测值之间实现了高相关性（RF 和 FNN 分别为 0.99 和 0.96）。使用 RF 和 FNN 的 AI 方法能够使用易于观察的关键特征直接推断 Ru(bpy) 3 2+ 的浓度。结果表明，数据驱动的 AI 算法在分析多模态 ECL 传感器数据方面非常有效。因此，这些 AI 算法可以成为建模库的重要组成部分，并成功应用于 ECL 传感器数据建模。
使用磁力计和光传感器进行定位
第一种定位技术基于一个或多个磁力计测量磁性物体的感应磁场。这些测量取决于物体的位置和磁特征，可以用从电磁理论中得出的模型来描述。对于这项技术，已经分析了两种应用。第一个应用是交通监控，它对强大的定位系统有很高的需求。通过在车道附近部署一个或多个磁力计，可以检测和分类车辆。这些系统可用于安全目的，例如检测高速公路上的逆行驾驶员，以及通过监测交通流量用于统计目的。第二个应用是室内定位，其中移动磁力仪测量室内环境中磁结构引起的静止磁场。在这项工作中，提出并评估了此类磁环境的模型。
使用磁力仪和光传感器进行定位
第一种定位技术基于一个或多个磁力仪测量磁性物体的感应磁场。这些测量取决于物体的位置和磁特征，可以用从电磁理论推导出的模型来描述。对于这项技术，已经分析了两种应用。第一个应用是交通监控，这需要很高的稳健定位系统。通过在车道附近部署一个或多个磁力仪，可以检测和分类车辆。这些系统可用于安全目的，例如检测高速公路上的逆行驾驶员，也可用于统计目的，通过监测交通流量。第二种应用是室内定位，其中移动磁力仪测量室内环境中磁结构感应的静止磁场。在本文中，提出并评估了此类磁环境的模型。