近日，清華大學(xué)機械系在電子鼻仿生嗅聞研究中取得新進展，相關(guān)研究成果以“Sniffing Like a Wine Taster: Multiple Overlapping Sniffs (MOSS) Strategy Enhances Electronic Nose Odor Recognition Capability”為題發(fā)表于《先進科學(xué)》期刊（Advanced Science）2024年第7期，被選為期刊內(nèi)封面文章。

該文作為亮點文章，被Wiley雜志社旗下的國際科研新聞傳播平臺Advanced Science News以“An artificial nose that sniffs like a wine taster”為題進行了專門新聞采訪報道，并被Wiley中國官方公眾號Advanced Science News作同步報道。

視覺、聽覺、嗅覺三大感官是人類感知世界的重要手段。近年來，機器視覺（視頻）、機器聽覺（音頻）已展現(xiàn)出媲美人類視覺與聽覺的感知能力。與此同時，學(xué)者們長期致力于設(shè)計制造性能超越人類嗅覺的電子鼻設(shè)備。受限于當(dāng)前氣體傳感器技術(shù)的限制，電子鼻在復(fù)雜氣味辨識、多氣味分類等問題上仍難以匹敵人類嗅覺，電子鼻研究仍需進一步借鑒仿生人類嗅覺。

該研究提出一種用于電子鼻氣體采樣的仿生嗅聞策略，實現(xiàn)了對不同烈酒氣味的準確辨識。傳統(tǒng)的電子鼻氣體采樣往往采取單次進樣策略，得到的電子鼻傳感信號缺乏有效的動態(tài)特征。該研究所提的仿生嗅聞策略通過模仿專業(yè)品酒師的嗅聞方法，創(chuàng)新性地引入多重重疊的嗅聞（Multiple Overlapping Sniffs, MOSS）以使電子鼻的傳感器陣列產(chǎn)生動態(tài)特征豐富的時序信號，從而提升對不同氣體的感知辨識能力。

圖 2 (a) 具有仿生肺的電子鼻設(shè)備示意圖 (b) 多重重疊嗅聞(MOSS)策略示意圖

該研究設(shè)計制造了具有仿生肺的電子鼻設(shè)備，采用了可編程注射泵模擬仿生肺結(jié)構(gòu)，并基于催化化學(xué)發(fā)光原理設(shè)計制造了氣體傳感陣列。該仿生肺能以1Hz頻率連續(xù)吸入測試氣體并注射到催化化學(xué)發(fā)光（CTL）傳感器表面，從而實現(xiàn)多重重疊嗅聞策略的氣體進樣。該電子鼻設(shè)備的氣體傳感陣列將4種納米金屬氧化物作為催化劑，可對復(fù)雜成分氣體中的揮發(fā)性有機物（VOC）產(chǎn)生交叉響應(yīng)，從而實現(xiàn)對不同氣體的差異化感知。其中CTL傳感器的響應(yīng)時間約為4秒，可及時響應(yīng)嗅聞引發(fā)的動態(tài)氣流變化并輸出響應(yīng)信號。

圖 3 針對揮發(fā)性有機物氣體的辨識實驗

該研究首先針對揮發(fā)性有機物氣體（VOC）辨識進行探究。研究者在單個CTL傳感器上對三種不同濃度的VOC氣體（乙烯、乙炔、丁烷）展開檢測，分別使用傳統(tǒng)單次進樣方法與MOSS策略進行采樣。實驗表明，在傳統(tǒng)氣體進樣方法下，該CTL傳感器響應(yīng)幅值與氣體濃度成正比，而無法提取有效的VOC種類信息。在所提供的MOSS策略下，該CTL傳感器的時序信號波形具有明顯的區(qū)分度。實驗證明，將時序信號的相對峰值作為特征向量，可直接通過主成分分析同時辨識VOC氣體種類與濃度，而無需額外的機器學(xué)習(xí)算法。

圖 4 針對烈酒種類的辨識實驗

該研究中，研究者也針對不同烈酒種類辨識展開探究。研究者在4個CTL傳感器組成的電子鼻上對6種烈酒展開檢測，分別使用傳統(tǒng)單次進樣方法與MOSS策略進行采樣。實驗證明，相較于傳統(tǒng)單次進樣方法，MOSS策略可將該電子鼻設(shè)備對6種烈酒的辨識準確度從81.94%提升到95.83%，能夠?qū)崿F(xiàn)對不同烈酒種類的高準確度辨識。進一步實驗表明，在僅有2個CTL傳感器檢測6種烈酒的限制條件下，傳統(tǒng)單次進樣方法的電子鼻僅能實現(xiàn)61.11%的辨識準確度，而MOSS策略可使該電子鼻實現(xiàn)91.67%的辨識準確度。以上實驗說明了MOSS策略對電子鼻氣味辨識能力的顯著提升效果。

針對MOSS策略的動力學(xué)原理，該研究進行了計算流體動力學(xué)仿真驗證。驗證結(jié)果說明，由于同一CTL傳感器對不同氣體成分的響應(yīng)方程及參數(shù)并不相同，這一差異在MOSS策略引發(fā)的動態(tài)氣流下會直接導(dǎo)致時序傳感信號的波形差異，從而有助于模式識別算法從傳感信號中提取特征數(shù)據(jù)并辨識不同氣體成分，這為該研究所提的MOSS策略提供了明確的理論依據(jù)。

圖 5 MOSS策略的計算流體力學(xué)驗證

未來研究中，MOSS策略將有望應(yīng)用于多樣化的復(fù)雜氣味檢測分析場景中，例如基于人體呼出氣檢測的癌癥、流感、糖尿病等疾病無損診斷，基于有害氣體檢測的爆炸物搜尋與火災(zāi)隱患預(yù)警，基于香氣檢測的白酒、茶葉品質(zhì)評估與真?zhèn)舞b別。

清華大學(xué)機械系長聘副教授胡楚雄為該文通訊作者，清華大學(xué)機械系2019級博士生劉路正為第一作者，北京師范大學(xué)化學(xué)學(xué)院那娜教授作為第二作者為研究工作做出了貢獻。研究工作得到了國家自然科學(xué)基金、摩擦學(xué)國家重點實驗室的支持。

審核編輯：劉清