ADVENT

においをデータに · GraphAISense by ADVENT

AIは、見る・聞く・読むことを覚えました。次は、においを嗅ぐ番です。

文章や写真、音声はインターネット上にすでに大量にありますが、においはどこにも記録されていません。においのデータは、現場で実際に測ってはじめて手に入ります。ADVENTは、においを測る装置と、そのデータを読み解くAIモデルを一緒に開発し、機械がにおいを嗅ぎ分けられるようにしています。

GraphAISense Mk.2E 그래핀 AI 전자코

嗅覚 ― 機械がまだ持っていない感覚

30 – 38

検知チャネル

2秒以下

全チャネルの測定周期

1秒未満

装置内でのAI判定

1 ppm

検出下限(一部物質は0.1 ppm)

電子ノーズとは?

電子ノーズは、人の鼻と同じように「パターン」でにおいを見分けます。

人の鼻は、においの成分をひとつずつ測っているわけではありません。約400種類の嗅覚受容体が同時に反応し、脳がその反応パターンを覚えることで、においを判別しています。AI電子ノーズも同じしくみです。性質の異なる複数のセンサー素子が空気に同時に反応し、AIがそのパターンから「電線の被覆が焦げるにおい」「下水の漏れ」「いつもと違う原料」といった具体的なにおいを判定します。ガスセンサーが1つだけでは特定のガスの濃度しかわからず、においが混ざると区別できません。

사람의 코, 단일 가스센서, AI 전자코를 비교한 도식

製品

GraphAISense Mk.2E

現在出荷している装置です。グラフェン・マルチセンサーチップが、混ざり合ったにおいを30~38チャネルで一度に読み取り、装置に搭載したモデルパックがその場で解析します。測定から判定、現場での警報まで、すべて装置の中で完結します。

GraphAISense Mk.2E 그래핀 AI 전자코

マルチセンサーチップ

EN-MSC.3E グラフェン・マルチセンサーチップ

検知チャネル

30~38(構成による)

測定周期

全チャネル 2秒以下

AI推論

装置内で1秒未満(GPU・クラウド不要)

検出下限

1 ppm(一部物質は検証条件下で0.1 ppm)

吸気

内蔵ポンプ、0.2~1.5 L/min、ソレノイドバルブによる流量自動制御

使用環境

−5~+50 ℃、湿度20~98 %RH(結露なきこと)

サイズ · 電源

270 × 250 × 90 mm / AC 220 V、75 W以下

通信

Ethernet・Wi-Fi・LTE・USB / MQTT over TLS・REST・OPC UA・Modbus TCP・RTU

警報レベル

NORMAL(正常)・WARNING(警告)・ALARM(警報)、連続判定で確定

2026年カタログ記載の仕様です。性能値は、定められた条件のもとでADVENTが自社で検証した結果であり、公的な試験成績ではありません。

Mk.2Eの全仕様を見る

データができるまで

においがデータになるまで

言語・画像・音声のAIは、すでに蓄積されていた膨大な資料をもとに学習を始めました。においには、そうした資料がありません。使えるにおいデータは、一から自分たちでつくる必要があります。決められた条件で測定し、実際の状況に合わせてラベルを付け、場所や時期が違っても比較できるように管理しなければなりません。

측정, 지문, Model Pack, 장비 내 판단으로 이어지는 데이터셋 흐름도
감지 셀에 가스 분자가 닿는 그래핀 칩 도식
Step 01

測定

グラフェン・マルチセンサーチップが、混ざり合った気体を30~38チャネルで同時に、一定の周期で繰り返し読み取ります。1回の測定で得られるのは1つの数値ではなく、複数の値がまとまったベクトルです。AIの学習はここから始まります。

냄새 혼합물이 다채널 지문으로 바뀌는 도식
Step 02

においの指紋

このベクトルが、においごとに固有の「指紋」になります。温度と湿度の影響を補正するので、生産ロットや現場、季節が違っても同じ基準で比較できます。測定値がぶれるとデータとして使えないため、比較できることが何より大切です。

학습 데이터가 Model Pack으로 장비에 탑재되는 도식
Step 03

モデルパック

集めた指紋をもとに、現場の課題に合わせたモデルパックを学習させ、装置に載せて動かします。GPUもクラウドも必要なく、測定した生データを現場の外に出す必要もありません。

においの指紋

1回の測定で得られるのは、1つの数値ではなく38個の値です。

一般的なガスセンサーがわかるのは、値がしきい値を超えたかどうかだけです。グラフェン・マルチセンサーチップは素子ごとに表面処理が異なるため、同じにおいでもチャネルごとに反応の大きさが変わります。この反応の分布がにおいの指紋であり、混ざったにおいを区別できるのもこのためです。

物質Aのチャネル別応答物質Bの応答パターン

※ 原理を説明するための概念図で、実測データではありません。

CH 01検知チャネルCH 38

認識アルゴリズム

38チャネルの反応から判定まで

1回の測定結果を2つの見方で捉えます。全チャネルの反応の形(極座標グラフ)と、時間にともなう反応の変化(チャネル応答グラフ)です。このデータを補正したうえで、PCAで重要な情報を絞り込み、LDAでにおいの種類ごとの違いを際立たせ、SVMでどのにおいかを判定します。最後に、そのにおいがどれだけ続いているかも考慮して、NORMAL・WARNING・ALARMの3段階で状態を判定します。

38채널 냄새 지문 극좌표 그래프기준선·노출·회복 구간의 채널 반응 그래프
원신호, 전처리, PCA, LDA, SVM, 경보 단계로 이어지는 인식 흐름

原理を説明するための図で、実測データではありません。

においデータが特別な理由

においのデータはネットでは集められません。実際に測ってはじめて蓄積されます。

言語AIはネット上の文章で、画像AIはネット上の写真で学習してきました。しかし、インターネットににおいはありません。いまあるにおいデータはすべて、誰かが現場に装置を設置して実際に測ったものです。だからこそ、このデータは測定している会社にしか蓄積されません。ネットから集めることも、大量に買い付けることも、それらしく合成することもできないのです。

냄새 데이터는 현장에서만 수집된다는 도식

出発点となるデータがない

ダウンロードできる資料も、製品開発に使える公開ベンチマークもなく、誰もがゼロから始めています。差がつくのは、実際の現場の空気をどれだけ長く、正確なラベル付きで集めたか、そしてそのデータを互いに比較できるかどうかです。

設置するほどデータがたまる

一度設置した装置は、季節が変わっても、シフトや工程が変わっても、同じ場所を測り続けます。その記録が最初の実証をモデルパックに育て、さらにほかの現場でも通用するように磨き上げていきます。今日集めたデータが、次の設置コストを下げるのです。

データは現場に残る

AIの判定が装置の中で完結するので、測定の生データを外部に送る必要がなく、データは運用する側が持ち続けます。工場や介護施設、公共インフラのように、データを外に出しにくい現場にも導入できるのはこのためです。

だからADVENTは、センシング材料、センサーチップ、測定装置、AIモデルのすべてを自社で開発しています。この4つは別々の製品ではなく、ひとつにつながったデータの流れです。どれか1つでも外部に任せると、材料とモデルを一緒に改良することができなくなります。

モデルパック

装置は1台、モデルパックは数百。

モデルパックは装置ではなく、ソフトウェアです。新しい物質や故障の種類、新しい現場を検知したいときも、装置を作り直す必要はありません。データを集めてモデルパックを学習させるだけです。活用分野はいくらでも広げられ、分野が増えてもハードウェアのコストは増えません。

같은 하드웨어가 Model Pack 라이브러리로 6개 적용 분야에 쓰이는 도식

検証

検証結果は、試験した条件の範囲内でのみお伝えします。

以下は、定められた条件のもとでADVENTが自社で行った検証の結果です。公的な試験機関による成績ではなく、全体的な精度として一般化することはできません。

2026年1月20日

電線被覆のくすぶり試験

過熱した電線の被覆がくすぶり始めたときに出るガスを対象とし、塩素・エタノール・イソプロピルアルコールを妨害物質として試験しました。この試験セットでは、すべてのケースで対象ガスを正しく検出しました。

2025年第4四半期

臭気のブラインド分類試験

正解を伏せた状態で、化学・排水・下水の臭気を高い精度で分類し、混合試料からも2つの成分をそれぞれ特定しました。

公的機関との実証協力

韓国環境公団(K-eco)

2025년 10월 악취 발생원 추적 시험 도식

2025年10月

住宅地の悪臭苦情の原因追跡

化学・塗装、繊維、し尿処理、下水処理の4種類の原試料と2種類の混合試料を学習させたうえで、出どころを伏せた3件の試料の発生源を追跡しました。

仁川港湾公社

인천항만공사 AI 전자코 실증 — 세오로보틱스 경비로봇

2026 · 実施中

警備ロボット・ESSにAI電子ノーズを搭載

仁川港の旅客ターミナルで、SEO Roboticsの巡回ロボットに電子ノーズを搭載し、蓄電システム(ESS)や太陽光設備には固定型の電子ノーズを設置して実証を進めています。

京畿道

경기도 온디바이스 AI·그래핀 전자코 화재 탐지 실증

2026 · 実施中

グラフェン電子ノーズによるオンデバイスAI火災検知

京畿道の水原・華城・利川などで、電子ノーズをAIカメラやエッジAIと連携させ、工業団地や市場の火災の予兆を検知します。

機関名は実証を行っている場所を示すために記載したもので、各機関による推薦や保証を意味するものではなく、購入・納入実績とも異なります。

検証記録をすべて見る