华中科大研发气体特异性定量检测方案：材料-算法协同优化
2025-07-20 08:40:20 来源：麦姆斯咨询 评论：0 点击：
华中科技大学的研究人员提出了一种材料-算法协同优化（MACO）方案，能够实现电子鼻中的甲醛定量检测。MACO方案采用热动力学特征工程来优化数据质量和算法选择，从而减少对数据规模和计算资源的需求。
甲醛（HCHO）是一种有毒的挥发性有机化合物（VOC），国际癌症研究机构将其列为1类致癌物。世界卫生组织建议短期（30分钟）指导限值为0.1 mg/m³，以防止对普通人群产生感官刺激。在过程工业、室内及大气环境防护领域，对快速、准确的甲醛监测需求日益增长。然而，市售的甲醛传感器（例如红外和电化学气体传感器）无法同时兼具高灵敏度、小尺寸、低成本和长寿命。
针对这一未满足的市场需求，仿生嗅觉技术（电子鼻）得到了广泛探索，并在食品工业和农业领域找到了商业应用。基于半导体气体传感器阵列与人工智能（AI）算法，电子鼻能够快速且低成本地识别简单或复杂的气味。从实际应用来看，实现电子鼻中甲醛定量检测的关键挑战是提高其特异性。
电子鼻的研究主要集中于传感器材料和算法以提高特异性。这两个关键方面分别对应电子鼻的气味编码和解码过程。很明显，扩展传感器材料的种类并增加不同传感器的阵列规模可以为机器学习算法提供更多数据，从而提高电子鼻的特异性。此外，采用不同工作原理的传感器数据融合也是电子鼻设计的一种有效策略。
目前，电子鼻中的传感器材料和算法是分别独立设计的。这不可避免地增加了对数据规模和计算资源的需求，同时也导致电子鼻预测模型的解释性不足，从而限制了迭代优化。结果是电子鼻很少用于定量气体检测，电子鼻作为智能电子仪器的优势仍无法全部兑现。
据麦姆斯咨询介绍，在此背景下，华中科技大学的研究人员提出了一种材料-算法协同优化（MACO）方案，能够实现电子鼻中的甲醛定量检测。MACO方案采用热动力学特征工程来优化数据质量和算法选择，从而减少对数据规模和计算资源的需求。该研究成果已于近期以“Materials-Algorithm Co-Optimization for Specific and Quantitative Gas Detection”为题在Interdisciplinary Materials期刊发表。
基于材料-算法协同优化（MACO）方案的电子鼻工作原理
人脑倾向于以最少的资源处理信息。在该团队之前的研究中，基于深度学习的全特征嗅觉算法，揭示了气体传感器热动力学特征在确定电子鼻辨别能力方面的重要作用。研究人员遵循稀疏编码原则，提出了基于热动力学特征工程的MACO方案。并通过利用表面化学对化学活性和电子特性的影响，放大气味-受体相互作用的热动力学特征差异，提高气味编码的特异性。
基于MACO方案的电子鼻工作原理
在这项成果中，研究人员提出利用MACO方案解决甲醛电子鼻的交叉敏感性问题。通过调整合成过程中的钯用量，设计了五种具有不同动力学特征的氧化钴（Co₃O₄）气体传感器。从气体传感器的气体响应曲线中可以提取动力学特征，包括传感器响应、积分面积以及响应/恢复时间。利用单一Co₃O₄纳米材料对不同气体传感器进行联合编码，为甲醛和乙醇生成不同的动力学激活模式。结合利用机器学习降维的动力学特征工程，建立了电子鼻输出与甲醛浓度之间的定量关系，实现了特异性定量检测。
PdO@Co₃O₄气体传感器制备示意图
基于MACO方案的电子鼻采用单一材料策略和简化算法，仅使用了有限数量的传感器，其目的是提高气味编码的效率，并降低制造复杂性。在满足特异性和定量检测要求的同时，由于解码硬件和软件需求的减少，电子鼻的成本和功耗可以进一步降低。这些特性有助于实现电子鼻在高时空分辨率建筑气体监测网络中的应用潜力。结合无人机智能终端，它还可以应用于更广泛的场景，例如流程工业和消费电子，为复杂室内/外动态环境中的甲醛监测提供便捷高效的解决方案。
电子鼻识别算法设计与定量检测研究
结论
在本研究中，研究人员提出了一种利用MACO特征工程方法进行定量气味检测的电子鼻。该电子鼻系统经过简化，仅包含五种Co₃O₄气体传感器。通过掺杂不同量的PdO，放大了对甲醛和乙醇的气体敏感反应动力学差异。电子鼻采用简单的特征识别算法进行气味编码和解码，使其能够区分甲醛和乙醇的混合物。实验结果表明，气味编码逻辑的物理化学机制受决于质量作用定律。MACO特征工程方法在减少材料多样性、减少传感器阵列数量的同时提高了传感器的特异性，同时简化了算法要求和计算需求，提高了电子鼻算法预测模型的可解释性。该研究成果为开发小样本、高特异性的电子鼻提供了一种通用架构。
论文链接：https://doi.org/10.1002/idm2.70001
延伸阅读：