Ученые из Университета электронных наук и технологий Китая, Чжэцзянского университета и Университета науки и технологий Куньмина разработали компактный «электронный нос» – систему, способную с высокой точностью различать низкие концентрации вредных газов в воздухе. Устройство рассматривается как недорогой и эффективный инструмент для мониторинга загрязнения атмосферы на промышленных объектах, в городских условиях и внутри помещений.
Проблема точного и оперативного обнаружения летучих органических соединений, таких как этанол, аммиак и толуол, остается крайне острой. Даже в малых концентрациях эти вещества представляют опасность для здоровья и окружающей среды. При этом традиционные методы анализа, включая газовую хроматографию, обеспечивают высокую точность, но требуют дорогостоящего оборудования, сложной подготовки и не подходят для непрерывного контроля вне лабораторий. Китайские исследователи предложили более практичный подход – объединить несколько доступных газовых сенсоров с алгоритмами машинного обучения и создать систему, способную распознавать характерные «сигнатуры» отдельных газов и их смесей.
«Электронный нос» был сконструирован из шести сенсоров: четырех серийных датчиков на базе диоксида олова (SnO₂) и двух лабораторных – на основе оксида кобальта (Co₃O₄) и его модифицированной версии с добавлением марганца (Mn-Co₃O₄). Эти материалы по-разному реагируют на присутствие целевых газов, изменяя электрическое сопротивление. Такое разнообразие откликов формирует эффект коллективного «обоняния», благодаря которому система получает гораздо более информативную картину, чем при использовании одного датчика.
Эксперименты проводились в герметичной камере, куда подавались этанол, аммиак и толуол в концентрациях от 2 до 10 частей на миллион – диапазоне, характерном для реальных промышленных выбросов. Каждый сенсор регистрировал изменение сопротивления во времени, формируя индивидуальную кривую отклика. Из этих кривых автоматически извлекались десятки параметров, включая скорость реакции, время восстановления, максимальные значения сигнала и площадь под кривой. В результате каждое измерение описывалось 180 параметрами, образующими детальный цифровой «портрет» газовой среды.
Для анализа этих данных исследователи протестировали четыре алгоритма машинного обучения: метод k-ближайших соседей, метод опорных векторов, логистическую регрессию и случайный лес. Все они уверенно справились с распознаванием одиночных газов, но лучший результат показал алгоритм k-ближайших соседей, достигший 100% точности. Наиболее сложной задачей стала идентификация бинарных смесей, когда в воздухе одновременно присутствуют два газа в разных пропорциях. И здесь система, использующая данные со всех шести сенсоров, продемонстрировала точность 97,2%, практически безошибочно определяя как состав смеси, так и концентрацию каждого компонента.
Теперь исследователи намерены проверить работу системы в реальных условиях эксплуатации. Если испытания пройдут успешно, такие устройства начнут внедрять на промышленных предприятиях и в городских системах мониторинга качества воздуха.
Следует отметить, что технологии распознавания сложных химических сред на основе сенсорных массивов и интеллектуальной обработки данных находят применение в самых разных отраслях. В прошлом году ученые из Сколтеха и Евразийского национального университета в Казахстане предложили использовать «электронный нос» для анализа компонентного состава нефти и оценки последствий нефтяных разливов.
