在室温下实时气体识别,使用UV调制的Sb化SnO传感器通过机器学习
Yan-Fong Lin1, Yu-Chen Chi1, Sheng-Hong Tseng2
1Photonics Group, Department of Engineering Science and Ocean Engineering, National Taiwan University, Taipei 10660, Taiwan.
ACS sensors
|July 2, 2025
概括
这项研究引入了使用UV调节的反氧化 (Sb-doped SnO) 传感器和机器学习的实时气体识别. 这种新方法仅使用气体反应 (R) 来准确,即时检测各种气体.
科学领域:
- 材料科学 材料科学 材料科学
- 化学传感器 化学传感器
- 机器学习 机器学习
背景情况:
- 传统的气体传感器通常需要响应和恢复时间等多个参数,限制实时应用.
- 热激活传感器在连续监控的速度和能效方面存在固有的局限性.
研究的目的:
- 开发一种新的,实时的室温气体识别方法.
- 为了利用UV调节的Sb-doped SnO2传感器和机器学习,仅依赖气体反应 (R).
主要方法:
- 采用UV调节的Sb化SnO传感器,具有五种不同的紫外线强度级别 (5-30mW/cm2).
- 在不同的紫外线照明下,基于气体反应 (R) 生成五维光学指纹.
- 应用机器学习算法,包括支持矢量机 (SVM) 和K-Nearest Neighbors (KNN),用于气体歧视.
主要成果:
- 在氧化 (O3,NO2) 和减少 (NH3,H2) 气体之间的区分方面实现了近100%的准确性.
- 证明了使用气体反应 (R) 作为分类的唯一指标的有效性.
- 验证了该方法用于即时响应检测的能力.
结论:
- 拟议的方法可以实时识别气体,而不依赖于时间依赖的传感器参数.
- 这种方法简化了传感器操作,提高了检测速度,这对于快速监控系统至关重要.
- 为先进,高效的气体传感技术铺平了道路.
更多相关视频
07:57Quantitative Detection of Trace Explosive Vapors by Programmed Temperature Desorption Gas Chromatography-Electron Capture Detector
Published on: July 25, 2014
20.1K
04:09Demonstrating the Simplicity and In Situ Temperature Monitoring of the Mechanochemical Synthesis of Metal Chalcogenides Suitable for Thermoelectrics
Published on: August 30, 2024
446
