综述：基于共振的光学式气体传感器研究进展
2025-07-05 08:04:32 来源： 评论：0 点击：
在现有的传感器技术中，光学式气体传感器因其能够在高风险环境中远程工作且不受电磁干扰的影响而脱颖而出。基于共振的光学式传感器通过对敏感表面的功能化实现目标气体检测。
气体传感器在众多人类活动中起着至关重要的作用。技术进步推动对精准农业和生物工程等应用的需求持续增长，气体传感器在各个领域的必要性也随之不断提高。在现有的传感器技术中，光学式气体传感器因其能够在高风险环境中远程工作且不受电磁干扰的影响而脱颖而出。基于共振的光学式传感器通过对敏感表面的功能化实现目标气体检测。
据麦姆斯咨询报道，近日，西班牙纳瓦拉公立大学（Public University of Navarre）的研究团队在IEEE Sensors Reviews期刊上发表了题为“Resonance-Based Optical Gas Sensors”的综述论文，概述了基于共振的光学式气体传感器（ROGS）的研究进展，探讨了其基本原理、制造工艺、波导设计以及用于共振产生和敏感涂层的材料方面的最新进展。此外，该综述还分析了已实现的灵敏度、新兴应用以及该领域的关键进展，包括通过人工智能（AI）技术提高ROGS性能的努力。该综述涵盖了利用表面等离子体共振（SPR）、损耗模式共振（LMR）和双曲模式共振（HMR）的光学式传感器，其中双曲模式共振代表了近年来布洛赫表面波（BSW）的一个显著突破。
图1 基于表面等离子体共振和损耗模式共振/双曲模式共振的光学式气体传感器
基于共振的光学式气体传感器（ROGS）
ROGS主要基于表面等离子体共振、损耗模式共振以及布洛赫表面波/双曲模式共振。它们的共同点在于光与换能材料发生相互作用，但其所依赖的物理机制却完全不同。
表面等离子体共振
当光以特定的入射角照射到金属层（通常是金或银）时，会激发该金属层中的电子，从而产生表面等离子体共振。
在实验设置方面，表面等离子体共振现象最传统且最常用的实现方式是Kretschmann-Raether构型（图2a）。此外，还有其它被广泛使用的实现方式，例如Otto构型（图2b）。除上述示例外，还有一种替代方案是基于光纤的表面等离子体共振（图2c），该方案具有设计简单灵活、传感器系统微型化以及可实现远程探测等多项优势。
图2 不同构型的表面等离子体共振实验设置
损耗模式共振
当波导表面被涂覆一层折射率高于波导本身的薄膜时，会产生损耗模式共振。由于薄膜中引导的模式与波导中的模式发生相位匹配，导致在特定波长范围内光的传输效率降低。
基于损耗模式共振的光学式传感器已通过多种构型成功实现，例如圆柱形波导（通常是光纤）（图3a），或平面波导，其中光以侧向入射方式照射（见图3b）。
图3 基于圆柱形波导和平面波导的损耗模式共振
布洛赫表面波/双曲模式共振
布洛赫表面波是限制在一维（1D）光子晶体或介电周期性结构界面上的电磁模式。它们是由于光子带隙的存在而产生的，光子带隙阻止了某些模式在晶体内的传播，从而允许界面处存在局部表面态。
最近，有研究通过在平面波导上沉积一层金属/介电组合的双层结构，演示了一种对双曲布洛赫表面波（Hyperbolic BSW）的简化实现形式，这被称为双曲模式共振。有学者将这一概念解释为基于表面等离子体共振和损耗模式共振的传感器的混合优化。双曲模式共振现象已成功应用于由金属层（金）和介电层（二氧化锡）组成的双曲超构材料结构中的气体检测。
ROGS的最新研究进展
根据分析或应用的具体场景，目标气体种类繁多。本综述重点关注文献中最常研究的气体或气态有机化合物（GOC），特别是那些通过ROGS检测到的气体。
湿度传感器对于监测和控制各种应用中的湿度水平至关重要，例如在农业领域，它们能够实现灌溉和用水过程的优化。与其它类型的传感器相比，ROGS的一些最重要的优势包括与极端环境的兼容性、耐腐蚀性和对电磁干扰的较低敏感性。另一方面，ROGS在这一领域的主要缺点是与温度的交叉敏感性。
利用ROGS测量相对湿度的典型实验设置包括将待测设备（DUT）放置在密封腔体内，如图4所示，其中使用了气候试验箱。用于测量其他气体的实验设置还包括进气口和出气口，通过气体流量控制器使气体进入密封腔体。
图4 用于湿度测量的ROGS实验设置
研究人员总结了用于相对湿度（RH）测量的ROGS的特性，其中，基于损耗模式共振的传感器实现了最高灵敏度，该传感器在45-90%相对湿度的工作范围内实现了11.2 nm/%R.H.的最大灵敏度，几乎是最佳表面等离子体共振传感器所实现灵敏度的两倍。
氨（NH₃）是一种无色有毒气体，具有独特的气味。NH₃传感器在工业中有许多应用，例如肥料和制冷剂的生产，以及生物医学领域的其他应用。
图5显示了用于测量NH₃的基于损耗模式共振的光学式传感器的实验设置。该传感器使用Cr₂O₃涂层作为共振产生材料和光谱可见光区域的敏感涂层。在这种情况下，传感器达到的检出限（LOD）为10 ppb，这使其适用于生物医学应用。
图5 用于氨气测量的基于损耗模式共振的光学式传感器的实验设置
接着，研究人员还介绍了用于测量硫化氢（H₂S）、氧化氮（NOx）等气体的光学式传感器的最新研究进展。
AI助力ROGS
机器学习（ML）是人工智能（AI）的一个分支，使计算机系统能够从数据中获取知识，并在无需明确指令的情况下优化其在特定任务中的性能。应用于传感器数据处理的机器学习技术包括：人工神经网络（ANN）、支持向量机（SVM）、决策树算法和随机森林，以及循环神经网络（RNN）和长短期记忆（LSTM）。研究人员介绍了一些关于机器学习在提升传感器性能方面的应用实例，并总结了必须考虑的局限性。
小结
基于共振的光学式气体传感器（ROGS）已从传统的表面等离子体共振平台发展到结合多种光学现象的混合架构。这一进展使得气体传感器实现了前所未有的高灵敏度，纳米材料（纳米管、金属有机框架（MOF））和精密制造技术（原子层沉积（ALD）、逐层自组装（LbL））的集成是实现这些成果的关键。
尽管取得了这些进展，ROGS在可重复性和规模化方面仍面临挑战。层厚度的变化以及敏感材料的降解限制了气体传感器的使用寿命。此外，对贵金属的依赖也增加了成本，降低了可持续性。未来的发展应优先考虑使用丰富易得的材料和可扩展的沉积技术，例如涂层的3D打印。
机器学习已被证明是补偿温度漂移、提高选择性的有效工具。然而，目前的实现多依赖“黑箱”模型，难以进行物理解释。可解释人工智能（XAI）和混合（物理-统计）模型的进展有望弥合这一差距，使基于量子或热力学机制的优化成为可能。
ROGS在医疗健康（无创诊断）、能源（氢气监测）和精准农业等关键领域具有巨大潜力。然而，要实现产业化应用，还需克服读出系统的微型化及在真实环境下的验证等障碍。因此，与产业界合作开发商业化原型尤为重要。
论文信息：DOI: 10.1109/SR.2025.3584750
延伸阅读：
相关热词搜索：气体传感器
上一篇：综述：化学电阻式气体传感器的选择性策略与挑战
下一篇：最后一页