The use of LSTM with self-attention layer for monitoring industrial reactors using impedance and capacitance tomography

• Autorzy: Kłosowski Grzegorz , Oleszek Michał , Wójcik Dariusz , Niderla Konrad

Identyfikatory

DOI

10.15199/48.2025.02.16

Warianty tytułu

PL

Zastosowanie LSTM z warstwą samouwagi do monitorowania reaktorów przemysłowych za pomocą tomografii impedancyjnej i pojemnościowej

• Języki publikacji: EN

Abstrakty

EN

The study aimed to develop a method to improve imaging resolution in industrial electrical tomography. For this purpose, an algorithmic model of a neural network based on LSTM layers was developed, with two input sequences and a self-attention layer as characteristic features. Electrical impedance tomography measures voltage, and electrical capacitance measures capacitance. In the proposed solution, the LSTM network turns measurements into images using both types of measurements. The hybrid approach reduces the underdetermination of the inverse problem, improving imaging quality. To objectively evaluate the proposed solution, the new model was compared with the classical model, using only EIT measurements. Four quantitative criteria were used, in the form of popular indicators used to measure image quality. The results confirmed the advantage of the proposed approach over the classical model.

PL

Celem badań było opracowanie metody poprawiającej rozdzielczość obrazowania w przemysłowej tomografii elektrycznej. W tym celu opracowano model algorytmiczny sieci neuronowej opartej o warstwy LSTM, której cechą charakterystyczną były dwie sekwencje wejściowe oraz zastosowanie warstwy samouwagi. W proponowanym rozwiązaniu, sieć LSTM transformująca pomiary na obrazy wykorzystuje zarówno pomiary napięć, charakterystyczne dla elektrycznej tomografii impedancyjnej, jak również pomiary pojemności elektrycznej. Podejście hybrydowe redukuje niedookreśloność problemu odwrotnego, co poprawia jakość obrazowania. W celu obiektywnej oceny proponowanego rozwiązania porównano nowy model z modelem klasycznym, wykorzystującym jedynie pomiary EIT. Zastosowano cztery kryteria ilościowe, w postaci popularnych wskaźników wykorzystanych jako miary jakości obrazów. Rezultaty potwierdziły przewagę proponowanego podejścia nad modelem klasycznym.

Słowa kluczowe

EN

electrical tomography; machine learning; industrial tomography; LSTM networks

PL

tomografia elektryczna; uczenie maszynowe; tomografia przemysłowa; sieć LSTM

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2025
• Tom: R. 101, nr 2
• Strony: 64--67
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Kłosowski Grzegorz

• Lublin University of Technology

• https://orcid.org/0000-0002-4678-4512

autor

Oleszek Michał

• WSEI University
• Research & Development Center Netrix S.A.

• https://orcid.org/0000-0002-0114-2794

autor

Wójcik Dariusz

• WSEI University
• Research & Development Center Netrix S.A.

• https://orcid.org/0000-0002-4200-3432

autor

Niderla Konrad

• WSEI University

• https://orcid.org/0000-0003-1280-0622

Bibliografia

• [1] Krawczyk A.,Korzeniewska E.: Metaphysical and Medical Aspects of Electromagnetism. Przeglad Elektrotechniczny. 99 (2023), No.3, 124-127
• [2] Pawłowski S., Plewako J., Korzeniewska E.: Influence of Structural Defects on the Resistivity and Current Flow Field in Conductive Thin Layers, Electronics, 9 (2020), 2164
• [3] Kulisz M., Kłosowski G., Rymarczyk T., Hoła A., Niderla K., Sikora J.: The use of the multi-sequential LSTM in electrical tomography for masonry wall moisture detection, Measurement, 234 (2024) 114860.
• [4] Baran B., Kozłowski E., Majerek D., Rymarczyk T., Soleimani M., Wójcik D.: Application of Machine Learning Algorithms to the Discretization Problem in Wearable Electrical Tomography Imaging for Bladder Tracking, Sensors, 23 (2023); No. 3,1553
• [5] Przysucha B., Wójcik D., Rymarczyk T., Król K., Kozłowski E., Gąsior M.: Analysis of Reconstruction Energy Efficiency in EIT and ECT 3D Tomography Based on Elastic Net. Energies, 16 (2023); No. 3, 1490
• [6] Kłosowski G., Rymarczyk T., Niderla K., Kulisz M., Skowron Ł., Soleimani M.: Using an LSTM network to monitor industrial reactors using electrical capacitance and impedance tomography – a hybrid approach, Eksploatacja i Niezawodnosc – Maintenance and Reliability, 25 (2023). No.1
• [7] Rybak G., Kozłowski E., Król K., Rymarczyk T., Sulimierska A., Dmowski A., Bednarczuk P.: Algorithms for Optimizing Energy Consumption for Fermentation Processes in Biogas Production. Energies, 16 (2023); No. 24, 7972
• [8] Kozłowski E., Borucka A., Oleszczuk P., Jałowiec T.: Evaluation of the maintenance system readiness using the semi-Markov model taking into account hidden factors, Eksploatacja i Niezawodność – Maintenance and Reliability, 25 (2023); No. 4, 172857
• [9] Soleimani M., Rymarczyk T., Kłosowski G.: Ultrasound Brain Tomography: Comparison of Deep Learning and Deterministic Methods, IEEE Transactions on Instrumentation and Measurement, 73 (2024), 4500812
• [10] Król K., Rymarczyk T., Niderla K. & Kozłowski E.: Sensor platform of industrial tomography for diagnostics and control of technological processes. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 13 (2023), No.1, 33–37