电子鼻的深度神经网络算法实现可燃气体检测的研究

作     者：房瑞山 薛莹莹 陈畅明 向奕 王平 万浩 FANG Ruishan;XUE Yingying;CHEN Changming;XIANG Yi;WANG Ping;WAN Hao

作者机构：浙江大学生仪学院生物传感器国家专业实验室 浙江大学生仪学院生物医学工程教育部重点实验室 

出 版 物：《传感技术学报》 (Chinese Journal of Sensors and Actuators)

年 卷 期：2024年第37卷第9期

页      面：1518-1524页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0837[工学-安全科学与工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划课题项目(2021YFC3300303) 

主　　题：电子鼻 气体识别 模式识别 卷积神经网络 

摘      要：提出了一种将格拉姆角场与深度残差卷积神经网络相结合的电子鼻气体识别算法，可以提高燃气中常见混合危险气体的识别准确度。通过对电子鼻的气体样本数据都进行格拉姆角场（Graham Angle Field, GAF）变换，使得上位机接收到的二维传感器响应数据，经过升维后成为可以输入到卷积神经网络（Convolutional Neural Network, CNN）中的三维数据形式，从而发挥了CNN特征提取能力强、模型收敛快和识别准确率高的优势。实验结果表明，该算法在干扰气体存在下的情况下，对CO和CH4的检测准确率分别达到93.04%和92.43%,通过与多种主流算法进行对比和分析，表明该算法具有抗干扰性高、检测准确率高的优点，为实际环境中干扰气体存在时的可燃气体高可靠性和特异性检测提供了一种具有良好应用前景的智能识别算法。