WO2026017524 - METHOD AND SYSTEM FOR CONSTRUCTING MULTI-DIMENSIONAL VOC DETECTION DATASET, AND COMPUTER PROGRAM PRODUCT
National phase entry is expected:
Publication Number
WO/2026/017524
Publication Date
22.01.2026
International Application No.
PCT/EP2025/069680
International Filing Date
10.07.2025
Title **
[English]
METHOD AND SYSTEM FOR CONSTRUCTING MULTI-DIMENSIONAL VOC DETECTION DATASET, AND COMPUTER PROGRAM PRODUCT
[French]
PROCÉDÉ ET SYSTÈME DE CONSTRUCTION D'ENSEMBLE DE DONNÉES DE DÉTECTION VOC MULTIDIMENSIONNEL, ET PRODUIT PROGRAMME D'ORDINATEUR
Applicants **
BSH HAUSGERÄTE GMBH
Inventors
QU, Dean
HE, Ziyue
PANG, Zhipeng
JU, Wangkou
Priority Data
202410944119.8
15.07.2024
CN
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 1998 | |
| EPO | Filing, Examination, Granting | 8131 | |
| Japan | Filing, Examination, Granting | 2130 | |
| South Korea | Filing, Examination, Granting | 1994 | |
| USA | Filing, Examination, Granting | 4740 |
Total:
18,993
Contact Us
Abstract[English]
This application relates to a method for constructing a multi-dimensional VOC detection dataset. The method includes: merging VOC detection data obtained by one semiconductor gas sensor among a plurality of semiconductor gas sensors into VOC detection data of a dimension assigned to the semiconductor gas sensor, to construct a multi-dimensional VOC detection dataset (S1). This application further relates to a system for constructing a multi-dimensional VOC detection dataset and a computer program product. According to this application, VOC detection data obtained by a same semiconductor gas sensor is merged into one-dimensional VOC detection data. Therefore, a multi-dimensional VOC detection dataset is constructed, thereby improving richness of information included in the VOC detection dataset, laying a foundation for training of a deep learning model for executing different identification tasks and identification of a VOC component, and effectively improving an identification capability and prediction accuracy of the deep learning model about a VOC gas component.[French]
La présente demande concerne un procédé de construction d'un ensemble de données de détection VOC multidimensionnel. Le procédé comprend : la fusion des données de détection VOC obtenues par un capteur de gaz à semi-conducteur parmi une pluralité de capteurs de gaz à semi-conducteur dans les données de détection VOC d'une dimension attribuée au capteur de gaz à semi-conducteur, pour construire un ensemble de données de détection VOC multidimensionnel (S1). La présente demande concerne en outre un système de construction d'un ensemble de données de détection VOC multidimensionnel et un produit programme d'ordinateur. Selon cette demande, des données de détection VOC obtenues par un même capteur de gaz à semi-conducteur sont fusionnées en données de détection VOC unidimensionnelles. Par conséquent, un ensemble de données de détection VOC multidimensionnel est construit, ce qui permet d'améliorer la richesse des informations incluses dans l'ensemble de données de détection VOC, de jeter les bases de la formation d'un modèle d'apprentissage profond pour l'exécution de différentes tâches d'identification et l'identification d'un composant VOC, et d'améliorer efficacement la capacité d'identification et la précision de prédiction du modèle d'apprentissage profond concernant un composant gazeux VOC.