1. Виявлення та прогнозування несправностей за допомогою машинного інтелекту. Будь-яка система повинна виявляти або передбачати можливі проблеми до того, як вони вийдуть з ладу та призведуть до серйозних наслідків. Наразі не існує точно визначеної моделі аномального стану, а технології виявлення аномалій все ще бракує. Терміново необхідно поєднати інформацію датчиків та знання для покращення інтелекту машини.
2. За нормальних умов фізичні параметри цілі можна вимірювати з високою точністю та високою чутливістю; проте у виявленні аномальних станів та несправностей досягнуто незначного прогресу. Тому існує нагальна потреба у виявленні та прогнозуванні несправностей, які слід активно розвивати та застосовувати.
3. Сучасні технології сенсорного зондування можуть точно визначати фізичні або хімічні величини в одній точці, але важко визначати багатовимірні стани. Наприклад, вимірювання навколишнього середовища, характерні параметри якого широко розподілені та мають просторові та часові кореляції, також є складною проблемою, яку потрібно терміново вирішити. Тому необхідно посилити дослідження та розробки багатовимірного зондування станів.
4. Дистанційне зондування для аналізу цільових компонентів. Аналіз хімічного складу здебільшого базується на зразках речовин, і іноді відбір проб цільових матеріалів є складним. Як і у випадку з вимірюванням рівня озону в стратосфері, дистанційне зондування є незамінним, і поєднання спектрометрії з методами радіолокаційного або лазерного виявлення є одним із можливих підходів. Аналіз без компонентів зразків схильний до перешкод, спричинених різними шумами або середовищами між системою зондування та цільовими компонентами, і очікується, що машинний інтелект системи зондування вирішить цю проблему.
5. Сенсорний інтелект для ефективної переробки ресурсів. Сучасні виробничі системи автоматизували процес виробництва від сировини до продукту, і циклічний процес не є ні ефективним, ні автоматизованим, коли продукт більше не використовується або викидається. Якщо переробка відновлюваних ресурсів може здійснюватися ефективно та автоматично, можна ефективно запобігти забрудненню навколишнього середовища та дефіциту енергії, а також реалізувати управління ресурсами життєвого циклу. Для автоматизованого та ефективного циклічного процесу використання машинного інтелекту для розрізнення цільових компонентів або певних компонентів є дуже важливим завданням інтелектуальних сенсорних систем.
Час публікації: 23 березня 2022 р.