用亚,乙醇和甲醇印制的血纳米材料的合成和表征,用于基于AI的物联网气体传感器阵列
Rana M Abdelghani1,2, Abd El-Hady B Kashyout3, Iman Morsi4
1Department of Electronics and Electrical Communications Engineering, Faculty of Electronic Engineering, Menoufia University, Menouf, 32952, Egypt.
Scientific reports
|August 14, 2025
概括
这项研究引入了一种先进的电子鼻子系统,使用金属氧化物传感器和人工智能实时检测室内空气污染物,如乙,乙醇和甲醇. 该系统在识别气体类型和条件方面实现了100%的准确性,提供了高效的空气质量监测.
科学领域:
- 材料科学与工程 材料科学与工程
- 环境科学 环境科学
- 传感器技术 传感器技术
背景情况:
- 由于乙,乙醇和甲醇等挥发性有机化合物 (VOC) 造成的室内空气污染对健康构成风险.
- 传统的气体传感器通常需要高温,缺乏多气体检测能力.
- 需要有效的实时监控解决方案来管理室内空气质量.
研究的目的:
- 开发和评估一种先进的电子鼻子 (E-nose) 系统,用于在低工作温度下同时检测乙,乙醇和甲醇.
- 将E-nose系统与物联网和云平台集成,用于实时监控和分析.
- 利用人工智能 (AI) 进行准确的气体度分析和发出警报.
主要方法:
- 通过水热方法合成血纳米材料,其特点是SEM,XRD,PL和TGA.
- 开发一组气体传感器阵列,其中包括三个金属氧化物传感器 (SM10,SE10,Sp),用于VOC检测.
- 混合机器学习模型 (CNN-LSTM,PCA-CNN-LSTM,PCA-XGBoost,RF,RF-GB,RF-GB-NN,KNN) 的应用用于数据分析.
主要成果:
- 射频,射频-GB和射频-GB-NN模型在分类气体类型和状态方面实现了100%的准确性.
- 在回归分析中,RF-GB模型显示了所有三种气体的完美确定系数 (R2=1).
- 开发的系统确定了/乙醇的500ppm和甲醇的200ppm的检测值,RF-GB显示了最低检测极限 (LOD).
结论:
- 开发的传感器阵列和人工智能驱动的分析有效地分类和量化室内VOC度.
- 集成的E-nose系统为实时,低温室内空气质量监测提供了一个有前途的解决方案.
- 该研究验证了先进纳米材料和机器学习用于增强气体传感应用的使用.
