用于BTEX检测的光学传感器:集成机器学习来增强传感
Mary Hashemitaheri1, Ebrahim Ebrahimi1, Geethanga de Silva2
1Department of Mechanical and Materials Engineering, Wright State University, Dayton, 45431, OH, USA.
Advanced sensor and energy materials
|April 14, 2025
概括
这项研究引入了一种机器学习模型,使用光学传感器实时精确测量,,乙和 (BTEX). 该模型准确地识别混合物中的气体度,这对环境和工业安全至关重要.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 机器学习 机器学习
背景情况:
- 光学传感器可快速检测挥发性有机化合物 (VOC),如BTEX,用于环境监测和工业安全.
- 准确量化BTEX混合物中的单个气体是一个重要的分析挑战,特别是对于类等低度物种.
研究的目的:
- 开发和验证一种机器学习模型,用于同时精确量化气体混合物中BTEX度.
- 为了克服在复杂混合物中检测低吸收性气体 (如) 的挑战.
主要方法:
- 使用吸收光谱气体传感系统与卷积神经网络 (CNN) 集成.
- 通过基于物理的模拟生成合成数据集,包括各种BTEX混合物成分和相对于允许暴露限值 (PEL) 的度.
- 实施了一种新的三阶段方法,以加强BTEX单个组件之间的歧视.
主要成果:
- 实现了高预测准确度,R平方值> 0.99对于烯,乙和o-烯.
- 在检测方面表现出强大的性能,R平方值>0.96,尽管吸收率低.
- 该模型准确地预测了各种混合方案中的BTEX度.
结论:
- 开发的基于CNN的模型精确地从吸收光谱中量化了同时发生的BTEX度.
- 三级解决方案有效地解决了检测低吸收气体的挑战,如.
- 这种方法显著提高了环境和工业应用的实时BTEX监控能力.
更多相关视频
10:23Author Spotlight: A Machine-Vision Approach to Transmission Electron Microscopy Workflows, Results Analysis and Data Management
Published on: June 23, 2023
2.2K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.5K
