电子鼻及其在各领域的最新研究进展

电子鼻是由多个性能彼此重叠的气敏传感器和适当的模式识别算法组成的具有识别单一和复杂气体能力的装置。本文介绍了电子鼻的基本原理及主要组成部分;综述了电子鼻近年来在食品、环境、农业、医学、公共安全等领域的研究进展;最后展望了其未来发展趋势。     

手持式电子鼻的实现

本文介绍了电子鼻的概念、应用及其发展历史,在电子鼻系统原理的基础上阐述了如何设计实现手持式电子鼻,并详细阐述了手持式电子鼻的各个组成部分及其实现的关键技术,最后总结了一些设计的原则,手持式电子鼻由于其成本低、易携带、通用性好、能现场即时检测等特点在市场上将会有广阔的应用前景.     

基于模糊神经网络生物嗅觉的智能电子鼻的研究

通过研究鼻道结构对生物嗅觉的影响,构造了装有传感器阵列的电子鼻流道和控制装置,实现了嗅觉区域气体流量和气味分子浓度的主动控制,提高了嗅觉灵敏度;根据生物嗅觉系统的模糊性质在嗅觉感知中所起的关键作用,构建了更接近生物嗅觉的模糊优化神经网络算法,使电子鼻系统更具仿生特性,实现了电子鼻动态检测的目标;实验结果表明,该电子鼻不仅具有辨识的快速性,还提高了自适应辨识精度,从而能够准确做出预报。     

电子鼻在食品工业中的应用研究进展

电子鼻是一种新颖的模拟人的嗅觉来分析、识别和检测复杂嗅味和挥发性成分的仪器。电子鼻由气体传感器、信号处理和模式识别系统等组成。介绍了电子鼻的组成和工作原理,综述了电子鼻在食品原料、加工、质量监测、成份检验以及农产品贮藏中的应用研究进展,并指出了电子鼻目前存在的主要问题。     

基于电子鼻的气敏传感器及其阵列

电子鼻是模拟动物的嗅觉系统设计研制的一种智能电子仪器,是利用气敏传感器阵列的响应图谱来识别气味的电子系统。本文从应用的角度出发,对电子鼻系统中常用气敏传感器的工作原理、适用范围和优、缺点进行了比较,指出了电子鼻系统中选择气敏传感器及其阵列的一些注意事项,为电子鼻特别是便携式电子鼻的研制提供参考。     

发展中的电子鼻技术

介绍了电子鼻的概念和研究意义,详细地阐述了电子鼻的系统组成及其关键技术,最后对电子鼻的应用和前景做了总结。     

电子鼻技术应用研究进展

综述了电子鼻技术在烟草行业、食品工业、精细化工、医疗诊断、环境监测等领域中的应用研究进展.表明,电子鼻技术具有广阔的应用前景,体积小、价格低的便携式电子鼻系统的研究开发应该受到重视.     

医用电子鼻传感器系统的发展

医用电子鼻是一种特殊的电子鼻系统,与通用电子鼻一样,传感器系统是它的核心。现有的气体传感器主要有金属氧化物半导体型、电化学型、导电聚合物型、石英微天平等几种,但将它们用于医用电子鼻都还有不足,因为医用电子鼻对传感器系统有更高的要求,它要求气体传感器谱度更广、检测限更低、灵敏度和稳定性更好。     

电子鼻及其在食品领域的应用

介绍了电子鼻的基本原理和组成,不同种类的电子鼻由不同的传感器阵列组成。并在应用方面可以对不同酒类的气味进行鉴别判断;对肉类进行微生物分析;对奶制品进行在线控制;还能够检测饮用水和饮料中不同微生物和重金属的含量;对不同品质的茶类能够迅速识别。     

一种基于电子鼻的食醋识别新方法

采用6只掺杂纳米ZnO厚膜传感器构成的电子鼻对15种商业食醋进行了测量,采用主元分析法(PCA)对电子鼻信号与食醋种类、配料、发酵方式和产地之间的关系进行了分析,电子鼻信号在上述食醋特征上表现出很强的聚类特性。针对上述特征,结合人工神经网络(ANN)、K近邻法(KNN)对15种食醋进行了识别,识别率为98.3%。研究表明:采用特征识别的电子鼻具有良好的灵活性和强健性。     

仿生气体测量系统——电子鼻

电子鼻是仿照生物的嗅觉系统所设计出来的一个用于测量气体中的化学成分的系统。同以往由单个气体传感器所构成的气体测量系统相比,它从结构上、信号处理的方法上以及使用上都有许多不同的特点。主要介绍了电子鼻的应用、结构以及同传统的气体测量系统的不同点。     

电子鼻技术新进展及其应用前景

详细阐述了电子鼻技术的基本原理 ,介绍了它的研究历史、应用现状与发展趋势 ,指出了这门信息新技术实现过程中需要解决的问题 ,重点展望了它在香料香精、卷烟、酒等轻工业品香气质量定性评定中的广阔应用前景     

Object recognition: A new application for smelling robots

Olfaction is a challenging new sensing modality for intelligent systems. With the emergence of electronic noses, it is now possible to detect and recognize a range of different odours for a variety of applications. In this work, we introduce a new application where electronic olfaction is used in cooperation with other types of sensors on a mobile robot in order to acquire the odour property of objects. We examine the problem of deciding when, how and where the electronic nose (e-nose) should be activated by planning for active perception and we consider the problem of integrating the information provided by the e-nose with both prior information and information from other sensors (e.g., vision). Experiments performed on a mobile robot equipped with an e-nose are presented.     

基于电子鼻的空气中可挥发有机物定量分析

采用6只不同掺杂的纳米ZnO气体传感器组成的电子鼻实现了空气中乙醇、丙酮、苯的定量分析。对比了多元线性回归(MLR)、主成分回归(PCR)、人工神经网络(ANN)等不同算法在本实验中的应用,其体积分数平均标准误差分别为16.71×10-6,34.183×10-6,7.242×10-6。基于非线性函数映射的ANN算法具有最佳定量精度。研究表明:电子鼻在可挥发有机物(VOCs)定量分析中有潜在的应用前景。     

气体传感器试验分析系统

在分析研究了电子鼻的基本原理和系统组成的基础上,建立了气体传感器(7ST/F,7NDH)流量静态数学模型和试验分析测试系统,对其输入-输出特性进行了试验测试,并用Matlab对试验数据进行了分析与研究。通过试验,验证了模型的正确性及分析测试系统的通用性,获得了具有应用价值的结果,为后续的模式识别技术和人工神经网络技术的应用打下了基础。     

An electronic nose system to diagnose illness

Recently, medical diagnostics has emerged to be a promising application area for electronic noses (e-nose). In this paper, we review work carried out at Warwick University on the use of an e-nose to diagnose illness. Specifically, we have applied an e-nose to the identification of pathogens from cultures and diagnosing illness from breath samples. These initial results suggest that an e-nose will be able to assist in the diagnosis of diseases in the near future.     

基于气体传感器阵列的白酒特征分析

利用气体传感器阵列进行食品质量检测是电子鼻应用中的一个重要方面。采用7只TGS传感器构成的阵列对8种市售白酒进行了动态测量,并对其进行分类。结合主元分析法(PCA)对传感器阵列信号与白酒的品牌、香型、原料、产地、酒精度等特征之间的关系进行了分析。结果表明,传感器信号在上述白酒特征上表现出很强的聚类特性,按原料划分可以得到最佳的分类效果。     

A feature extraction algorithm for multi-peak signals in electronic noses

The Lorentzian model is a powerful feature extraction technique for electronic noses. In a previous work, it was applied to single-peak transient signals and was shown to achieve lower classification error rate than other feature extraction techniques. Here, we generalize the Lorentzian model by showing how to apply it to transient signals that are comprised of more than a single peak. The model is based on a fast and robust fitting of the measured signals to a physically meaningful analytic curve. We show that this model fits equally well to sensors of different technologies and embeddings, suggesting its applicability to a diverse repertoire of sensors and analytic devices.