においをデータに · GraphAISense by ADVENT
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。

嗅覚 ― 機械がまだ持っていない感覚
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
検出下限(一部物質は0.1 ppm)
電子ノーズとは?
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。

製品
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。

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
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。


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。

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。

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
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。
※ 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。
認識アルゴリズム
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。



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
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。

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。
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。
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
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。


電気火災の予兆、ケーブル被覆が過熱したときに出るガス、リチウム電池やESS(蓄電システム)の熱暴走ガスを検知します。煙や温度の変化よりも先に、においが現れます。

工業団地や下水・排水処理施設の臭気、排出ガスを監視し、悪臭の苦情対応に役立てます。

生産ロット間の品質比較、工程変化の検知、原料や製品の検査に活用します。

畜舎や養鶏場のアンモニア・臭気、火災の予兆、飼育環境の異常をいち早く知らせます。

体臭を利用した健康スクリーニングや、介護環境に関する研究を進めています。
研究段階 · 診断用製品ではありません

移動ロボットが、においで場所を把握したり物質を見分けたりできるようにします。
検証
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
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
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。

韓国環境公団(K-eco)
2025年10月
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

2026 · 実施中
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

2026 · 実施中
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