В Санкт-Петербургском политехническом университете создали аппаратно-программный модуль сверхраннего детектирования пожаров

Вчера в 11:15

© Сгенерировано ИИ

 Новая разработка позволяет фиксировать присутствие опасных летучих соединений и зарождающийся очаг горения на самых ранних стадиях возникновения возгорания. Исследование проводится при финансовой поддержке Фонда научно-технического развития вуза в рамках реализации программы «Приоритет-2030», сообщает сайт университета.

На сегодняшний день в практике газового анализа доминируют две основные методики. Первая — спектральный и хроматографический анализ — отличается высокой достоверностью, однако сопряжена со значительными затратами. Вторая методика, основанная на применении сенсоров, как правило, нацелена на детекцию одного определённого газа, но при этом нередко даёт ложные срабатывания на посторонние примеси. Помимо этого, действующие системы газоконтроля требуют продолжительного накопления массива опытных данных и с трудом поддаются оперативной перенастройке под изменяющиеся условия.

Разрабатываемый специалистами вуза аппаратно-программный комплекс (АПК) способен распознавать присутствие газа и его разновидность в момент минимальных выбросов — ещё до перехода тления в открытое пламя. Инновационное решение учёных представляет собой самообучающуюся платформу, включающую двухмембранный МЭМС-чувствительный элемент с наноструктурированным оксидным покрытием, прогностическую математическую модель сенсорного отклика, симулятор синтетических обучающих выборок и нейросетевой трансформер.

Двухмембранная конфигурация даёт возможность раздельного термопрофилирования в реальном масштабе времени. Время реакции устройства не превышает 1–3 секунд, а потребляемая мощность — менее 50 мВт. Архитектура системы допускает дальнейшее дообучение, а точность идентификации локализации превышает 90%, благодаря чему период адаптации комплекса к новым условиям займёт всего 1–3 дня — тогда как зарубежные аналоги требуют на это от полугода до года.

По сути, данный проект закладывает национальную базу для интеллектуальной газочувствительной диагностики, снижая зависимость критической инфраструктуры от импортных решений. Аппаратно-программный комплекс не вступает в прямую конкуренцию с серийными дымовыми датчиками, а формирует принципиально новую нишу — предиктивную газоаналитику для объектов, где простои или ущерб от аварий оцениваются десятками миллионов рублей: в энергетическом секторе, на транспортных узлах, в центрах обработки данных и на морских судах.

Как отмечает руководитель проекта, ведущий научный сотрудник лаборатории «Нано- и микросистемная техника» Санкт-Петербургского политехнического университета Анастасия Кондратьева, новая разработка позволяет перейти к использованию предиктивной газовой аналитике на стратегически важных объектах.

Наш проект — это переход от парадигмы накопления данных к парадигме проектирования данных. Мы не просто создали датчик, мы разработали целую экосистему: физическую модель процессов в сенсоре, которая генерирует обучающие данные для ИИ, верифицированный на реальных сигналах генератор обучающих данных и электронную обвязку компонентов. Это позволяет нашей системе учиться на предыдущем опыте и распознавать новые угрозы без полного переобучения. В результате работы ожидается переносимость моделей с реальных данных на смешанные с деградацией точности не более 5 %, что соответствует мировому уровню. Тогда у России появится собственная платформа интеллектуальной газовой сенсорики, которая не уступает, а во многом превосходит зарубежные аналоги.

В новом комплексе реализован механизм zero-shot detection — способность выявлять вещества, с которыми система не сталкивалась ни на этапе обучения, ни при калибровке. По замыслу создателей, опытный образец устройства раннего предупреждения пожаров будет представлен в 2027 году.

Читайте на сайте журнала RUБЕЖ новости о пожарной безопасности.