通过基于金属氧化物的MEMS传感器阵列优化和为药物分类进行特征对齐来提高E-鼻子性能
Ruiwen Kong1,2, Wenfeng Shen2,3,4,5, Yang Gao5,6
1Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China.
Sensors (Basel, Switzerland)
|March 18, 2025
概括
这项研究通过优化传感器阵列和使用特征对齐来提高电子鼻子 (e-nose) 的准确性,以实现可靠的药物分类. 这种方法克服了设备的不一致性,使得电子鼻子系统能够更好地识别气味和共享模型.
科学领域:
- 材料科学 材料科学 材料科学
- 传感器技术 传感器技术
- 机器学习 机器学习
背景情况:
- 电子鼻子 (e-noses) 由于传感器阵列的变化和特征差异,在分类准确性方面面临挑战.
- 在电子鼻子设备之间转移分类模型受到硬件不一致的阻碍,限制了实际应用,特别是在药物分类中.
研究的目的:
- 开发一种新的方法来提高电子鼻子分类的准确性.
- 优化传感器阵列选择和实现功能对齐,以提高气味识别和模型共享.
- 用电子鼻子解决材料选择和药物分类模型转移方面的挑战.
主要方法:
- 通过物理蒸汽沉积制造六个基于二氧化 (SnO2) 的微电机系统 (MEMS) 气体传感器.
- 利用ReliefF算法进行传感器排名和最佳传感器阵列选择,用于药物分类.
- 应用了转移学习的特征对齐技术,使三种不一致的电子鼻子设备能够共享模型.
主要成果:
- 通过ReliefF算法分析确定了用于药物分类的最佳传感器阵列组成.
- 通过使用功能对齐,成功增强了不同电子鼻子设备之间的模型共享功能.
- 展示了一种方法来克服批量生产的电子鼻子固有的硬件不一致性.
结论:
- 开发的方法显著提高了电子鼻子分类的准确性和可靠性.
- 功能对齐有效地解决了差异,使得 robust 模型转移和解决批量生产的硬件不一致性.
- 这项研究为大规模生产和广泛采用一致和可靠的电子鼻子系统铺平了道路.
