產(chǎn)品中心 應(yīng)用方案 技術(shù)文摘質(zhì)量保證產(chǎn)品選型 下載中心業(yè)內(nèi)動(dòng)態(tài) 選型幫助 品牌介紹 產(chǎn)品一覽 聯(lián)系我們
- 清華大學(xué)基于單氣體傳感器實(shí)現(xiàn)混合物多組分智能檢測(cè)
- 來(lái)源：互聯(lián)網(wǎng) 發(fā)表于 2023/3/28
近日，清華大學(xué)機(jī)械系在智能氣體傳感器研究中取得新進(jìn)展，基于單氣體傳感器實(shí)現(xiàn)了混合物多組分智能檢測(cè)。
圖1.該研究被選為《先進(jìn)智能系統(tǒng)》（Advanced Intelligent Systems）期刊封底文章
混合物中的多組分檢測(cè)，在現(xiàn)代生物醫(yī)學(xué)及化學(xué)研究中有著不可或缺的重要地位。由于傳感單元響應(yīng)選擇性往往不盡如人意，不同組分在同一傳感器上產(chǎn)生的響應(yīng)信號(hào)會(huì)不可避免地發(fā)生重疊。然而，現(xiàn)有手段難以直接通過(guò)單個(gè)傳感器對(duì)混合物直接進(jìn)行組分區(qū)分檢測(cè)，因而不得不引入分離裝置以實(shí)現(xiàn)重疊信號(hào)的分離。這導(dǎo)致現(xiàn)有檢測(cè)手段仍需面對(duì)成本較高、操作流程冗長(zhǎng)、需要專業(yè)人員操作等問(wèn)題。
近年來(lái)，人工智能的發(fā)展為傳感器信號(hào)處理與特征提取提供了新思路。針對(duì)上述問(wèn)題，該研究針對(duì)混合物組分在同一傳感器上的重疊響應(yīng)信號(hào)，探索出了低成本、高準(zhǔn)確率、自動(dòng)化的多組分智能檢測(cè)方法。基于GRU（Gated Recurrent Unit）神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)方法，實(shí)現(xiàn)了直接從單個(gè)氣體傳感器的重疊信號(hào)中提取混合物中各個(gè)組分信息，無(wú)需預(yù)分離，簡(jiǎn)單快速地完成了混合物組分檢測(cè)工作。同時(shí)借助數(shù)學(xué)模型和仿真技術(shù)為實(shí)驗(yàn)研究提供理論支撐，具有較好的理論意義和應(yīng)用價(jià)值。
圖2.現(xiàn)有混合物組分檢測(cè)方法（a、b）與本文方法（c）的比較
團(tuán)隊(duì)以單個(gè)催化化學(xué)發(fā)光傳感器對(duì)乙烯-乙炔二元?dú)怏w的檢測(cè)為例，提出基于GRU（Gated Recurrent Unit）神經(jīng)網(wǎng)絡(luò)的混合物多組分智能檢測(cè)方法。該方法通過(guò)循環(huán)迭代的方式，能夠提取氣體傳感器的信號(hào)時(shí)序特征。該研究中，針對(duì)18種不同濃度配比的乙烯-乙炔二元?dú)怏w混合物，可直接根據(jù)傳感器響應(yīng)信號(hào)預(yù)測(cè)各組樣品的組分含量，在5折交叉驗(yàn)證測(cè)試中，成功識(shí)別了這18種二元?dú)怏w樣本，準(zhǔn)確率達(dá)99.9%以上。
圖3.基于GRU神經(jīng)網(wǎng)絡(luò)的混合物多組分智能檢測(cè)方法及其驗(yàn)證
針對(duì)該傳感器的響應(yīng)信號(hào)重疊現(xiàn)象，團(tuán)隊(duì)進(jìn)一步提出了一種氣體雙擴(kuò)散模型，能夠同時(shí)考慮被測(cè)氣體混合物分子與載流氣體分子雙向擴(kuò)散，并討論了混合物響應(yīng)信號(hào)的時(shí)序特性與混合物成分之間的固有關(guān)系。基于該模型的仿真結(jié)果與實(shí)際重疊響應(yīng)信號(hào)具有良好的一致性，這也為該研究所提的多組分智能檢測(cè)方法提供了明確的理論依據(jù)。
圖4.氣體雙擴(kuò)散模型及其仿真驗(yàn)證
該研究所提出的混合物多組分智能檢測(cè)方法，可以大幅降低傳感單元選擇性對(duì)復(fù)雜組分檢測(cè)的影響，減小傳感材料構(gòu)建的壓力，為進(jìn)一步推動(dòng)機(jī)器嗅覺(jué)電子鼻的普適化檢測(cè)應(yīng)用拓寬了道路。該技術(shù)有望在各種自動(dòng)化檢測(cè)場(chǎng)景中發(fā)揮重要作用，例如醫(yī)療領(lǐng)域中對(duì)呼吸氣揮發(fā)性疾病標(biāo)志物的實(shí)時(shí)檢測(cè)、石油工業(yè)中對(duì)多種烷烴的同時(shí)監(jiān)測(cè)、食品工業(yè)中對(duì)多類型產(chǎn)品的品質(zhì)鑒定等。
相關(guān)研究成果以“無(wú)選擇性單一傳感器也能實(shí)現(xiàn)混合物高選擇性檢測(cè)——機(jī)器學(xué)習(xí)讓不可能變?yōu)榭赡堋保⊿elective Detection of Mixtures via a Single Nonselective Sensor—Making the Unworkable Sensor Workable by Machine Learning）為題發(fā)表在《先進(jìn)智能系統(tǒng)》期刊（Advanced Intelligent Systems），被選為當(dāng)期封底文章。
清華大學(xué)機(jī)械系胡楚雄副教授、北京師范大學(xué)化學(xué)學(xué)院那娜教授為論文共同通訊作者，清華大學(xué)機(jī)械系2019級(jí)博士生劉路正、胡楚雄副教授為論文共同作者。研究得到國(guó)家自然科學(xué)基金、北京市自然科學(xué)基金、摩擦學(xué)國(guó)家實(shí)驗(yàn)室等的支持。
來(lái)源：清華大學(xué)
論文鏈接：
https://onlinelibrary.wiley.com/doi/full/10.1002/aisy.202200136
- 如果本文收錄的圖片文字侵犯了您的權(quán)益，請(qǐng)及時(shí)與我們聯(lián)系，我們將在24內(nèi)核實(shí)刪除，謝謝！
