Study and selection of several artificial intelligence algorithms for gas detection in systems with scarce resources

Abstract

The main contribution of this thesis is the study and selection of several artificial intelligence algorithms for gas detection developed to be used with BME688 gas sensor, in IoT (Internet-of-Things) end device. The proposed gas monitoring process provides the IoT end devices with gas leak detection, measuring the air quality and ensuring the correct gas concentration for some environments. Nowadays, with the development of the IoT technology, gas monitoring has been integrated into people’s lives and the industry. One of the problems in gas monitoring is the lack of cross-sensitivity and low selectivity of the gas sensors. So, as a way to solve these problems, the idea of implementing artificial intelligence algorithms capable of overcoming such issues has arisen. Most artificial intelligence algorithms require a large processing capacity by the systems in which they are running, leading to mass energy consumption. This high energy consumption brings disadvantages, since not all systems have a significant number of resources to handle it. The operation time of a gas monitoring device without requiring maintenance is another crucial aspect. To achieve such a goal, the devices must consume little energy. Therefore, this thesis’s goal is the selection of an artificial intelligence algorithm that is best suited for resource-scarce systems.

O principal contributo desta dissertação é o estudo e seleção de vários algoritmos de inteligência artificial para a deteção de gases em sistemas com recursos escassos. A monitorização de gases é um processo bastante importante em alguns sistemas, pois permite detetar fugas de gases que possam ocorrer, medir a qualidade do ar e garantir uma correta concentração de gases em determinados sistemas. Atualmente com o desenvolvimento da tecnologia Internet-of-Things (IoT), a monitorização de gases, tem sido integrada na vida das pessoas e na indústria. Um dos problemas que reside na monitorização de gases é a falta de sensibilidade cruzada e a baixa seletividade por parte dos sensores de gases, existindo atualmente em funcionamento. Assim, como forma de resolver estes problemas surgiu a ideia de implementar algoritmos de inteligência artificial que possam colmatar tais problemas. A maioria dos algoritmos de inteligência artificial requerem grande capacidade de processamento por parte dos sistemas nos quais estão inseridos, levando a um grande consumo de energia dos mesmos. Este elevado consumo de energia traz grandes desvantagens, pois nem todos os sistemas possuem um número elevado de recursos. Outro aspeto também importante a ter em consideração é o tempo de operação de um dispositivo de monitorização de gases sem necessitar de manutenção, este objetivo só é atingido se o consumo de energia for baixo. Por conseguinte, o objetivo desta dissertação é selecionar um algoritmo de inteligência artificial que melhor se adequa a sistemas de recursos escassos.