TinyML-Based Real-Time Drift Compensation for Gas Sensors Using Spectral–Temporal Neural Networks

The implementation of low-cost sensitive and selective gas sensors for monitoring fruit ripening and quality strongly depends on their long-term stability. Gas sensor drift undermines the long-term reliability of low-cost sensing platforms, particularly in precision agriculture. We present a real-ti...

وصف كامل

التفاصيل البيبلوغرافية

المؤلفون الرئيسيون:	Adir Krayden, M. Avraham, H. Ashkar, T. Blank, S. Stolyarova, Yael Nemirovsky
التنسيق:	Artigo
اللغة:	Inglês
منشور في:	MDPI AG 2025-06-01
سلاسل:	Chemosensors
الموضوعات:	gas sensor drift TinyML convolutional neural networks spectral filtering hadamard transform real-time signal processing
الوصول للمادة أونلاين:	https://www.mdpi.com/2227-9040/13/7/223
الوسوم:	إضافة وسم لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!