MOS气体传感器阵列+深度学习算法，实现智能电子鼻

MEMS 2022-05-18 00:00 Posted on 上海

嗅觉对于动物生存的重要性不言而喻，电子鼻利用气体传感器模拟哺乳动物嗅觉感受器细胞，通过传感器阵列化并结合模式识别算法，快速精准识别气味。由于可识别无味、有毒、刺激性和低浓度气体，电子鼻为扩大人类嗅觉边界提供了巨大潜力。当前，虽然电子鼻已在多个行业应用中落地，包括农业工程、环境监测、食品加工、爆炸物检测等，但还存在一些不足之处，例如：（1）与人类嗅觉细胞相比，电子鼻常采用的金属氧化物半导体（MOS）气体传感器缺乏“特异性”，对于多种气味具有交叉敏感性；（2）电子鼻集成的传感器阵列规模远少于人类嗅觉器官，制约着电子鼻对复杂气味信息的处理能力和识别效果；（3）气体传感器输出为模拟信号，现有的电子鼻气味识别算法基于有限特征，在特征提取过程未能充分挖掘传感器信号蕴含的特征信息而限制了电子鼻的性能。

电子鼻人工嗅觉系统（a） vs. 人类嗅觉系统（b）

学习借鉴并超越人类感觉器官是业界孜孜不倦追求的方向。据麦姆斯咨询报道，近期，华中科技大学刘欢教授课题组通过合作研发智能电子鼻新技术，从气敏材料与识别算法两个层面联合攻关，提出了一种基于半导体传感器气敏响应全过程特征的嗅觉算法（All-Feature Olfactory Algorithm，AFOA），构建出高灵敏度、高可靠性、便携式智能电子鼻，成功提高了对复杂气味的识别准确率。相关研究成果以“Smart Electronic Nose Enabled by an All-Feature Olfactory Algorithm”为题发表于Wiley出版社旗下智能系统领域旗舰刊Advanced Intelligent Systems期刊。

该团队利用自主研发的多种MOS气敏材料作为人工气味受体，通过MOS气体传感器单元模拟不同类型的嗅觉感受器细胞，将气-固界面反应引起的电荷转移转变为电阻值变化输出。此次研发的电子鼻采用六个非特异性的MOS气体传感器形成阵列，为后续的识别算法提供更多可学习的特征。这些MOS气体传感器采用的气敏材料为SnO2量子点、SnO2纳米线、SnO2纳米颗粒、In2O3量子点、NiO纳米颗粒和WO3量子点。

集成MOS气体传感器阵列的电子鼻及检测空气和五种中国白酒的原始响应数据

由于MOS气体传感器对多种气味具有交叉敏感性，因此先进的气味识别算法对于电子鼻的性能提升和应用拓展至关重要。受人类嗅觉的启发，该团队利用人工神经网络模拟嗅球、大脑嗅觉皮层以及它们之间的复杂连接，自主研发的AFOA实现了MOS气体传感器阵列与多种气味分子响应恢复过程中完整信息的提取与分析。基于这一技术，集成MOS气体传感器阵列的智能电子鼻可以高准确度（94.1%）、快速（2分钟以内）识别出五种气味相近的中国白酒（CGJ、BYBJX、BYBNX、STJ、MTWZ）。

分类结果：基于特征的算法 vs. 基于深度学习的算法（AFOA）

与基于特征的算法相比，该论文提出的AFOA在气味识别性能和鲁棒性方面得到大幅度提升。由于MOS气体传感器阵列响应曲线多通道间的空间无关性，相对于基于二维卷积的深度学习方法，一维卷积在减少计算量的同时还能提升性能。该团队进一步研究发现，随着气体传感器种类与数量的提高，可以丰富输入数据在时间和通道维度上的特征表达，这些特征表达与气体分子和敏感材料的反应动力学有关。未来研究工作中，AFOA还可以用于构建气味地图，从而探索可能存在的嗅觉信息编码策略。

本论文提出的AFOA整体架构

总之，该项研究工作展示了一种基于六个MOS气体传感器的智能电子鼻——内建了一种基于深度学习的气味识别算法：AFOA，能够在复杂环境中识别目标气味；同时，还展现了低成本、便携式、可进化的电子鼻协同设计和制造方案，应用前景广阔。目前，刘欢教授课题组正在开展基于该技术的人体呼出气疾病标志物检测原理样机研究，以期将智能电子鼻技术应用于临床检验和居家自检，实现人类疾病的早期筛查。展望未来，气体传感器阵列和智能算法的协同设计与高度集成，将使电子鼻超越生物鼻！

华中科技大学光学与电子信息学院刘欢教授、人工智能与自动化学院白翔教授为该文共同通讯作者，电信学院博士研究生方聪和光电信息学院李华曜副研究员为共同第一作者，该研究得到光电信息学院唐江教授的技术支持。刘欢教授在国家自然科学基金优秀青年基金、华中科技大学学术前沿青年团队、武汉国家光电研究中心创新基金立项资助下带领团队开展上述工作。项目相关技术已获得国家发明专利授权。

论文信息与链接：
Cong Fang, et al., Smart electronic nose enabled by an all-feature olfactory algorithm (AFOA), Advanced Intelligent Systems (2022). DOI: 10.1002/aisy.202200074

https://onlinelibrary.wiley.com/doi/10.1002/aisy.202200074