超越人类嗅觉边界的“电子鼻”

2023-05-15 00:00:00
858次浏览
分享:
核心提示:电子鼻(eNose)利用气体传感器阵列模拟哺乳动物嗅觉感受器细胞,识别无味、有毒、刺激性和低浓度气体,为延伸人类嗅觉边界提供了巨大潜力,是学术界和工业界关注的焦点。

  电子鼻是利用气体转传感器阵列的响应图案来识别气味的电子系统,主要由气味取样器、气体传感器阵列和信号处理系统三大功能器件组成。它可以在几小时、几天甚至数月的时间内连续实时监测特定位置的气味。电子鼻对被测气体有不同的灵敏度(例如某气体可以在某个传感器上产生高响应,而对其他传感器则是低响应),根据不同气体产生的响应图案不同来系统识别。基于传感器的多样化,电子鼻在食品检测、环境监测、医学诊断等多领域提供了一种简单廉价的检测方法。


  图1. 电子鼻人工嗅觉与生物嗅觉对比示意图

  电子鼻在食品检测的应用

  目前针对食品生产者和消费者的需求,电子鼻在食品生产、食品监管和日常食品质量安全中发挥着多种作用。特别是在生产中用于食品质量控制和监测的比例最高,预测准确率在80%-96%。

  因储藏食和制作食品中易被细菌污染,而电子鼻则可以用来检测食品中污染的细菌,或者用来区分不同的细菌物种。有研究显示鱼的新鲜度可以由它所产生的香气来决定,根据气味通过传感器测试鱼是否被铜绿假单胞菌污染。根据数据处理采用主成分分析和支持向量机(SVM)方法获得可视化分类和确定鱼的香气模式,准确率可达99%。此外,利用电子鼻检测区分培养在胰蛋白大豆肉汤中的单增李斯特氏菌和蜡状芽孢杆菌,识别准确率高达98%。该方法将来可以用来在食品常规和快速评估中识别该类别细菌污染的存在。在食品领域中电子鼻除了可以识别食品的新鲜程度外,还可以检测食品是否有掺假等。

  电子鼻在环境检测的应用

  电子鼻在环境领域的应用包括与环境质量有关的参数分析、过程控制和气味控制系统的效率验证。根据传感器识别和区分各种不同的气体和气味,在环境监测中的应用现在备受关注。其中水中的味觉和气味(T&O)就是一个社会广泛关注的问题,便携式电子鼻可用来分析其适用性、可行性和应用场景检测典型的气味,如2-甲基异(2-MIB),土臭素(GSM),β-细胞,β-oionone和其他T&O化合物,同时避免了人工检查相关的不确定性和不稳定性。对于铜绿微囊藻,一种产生气味的藻类,电子鼻可以区分不同浓度的藻类的气味。随着藻类密度的增加,藻类密度的响应显著增加,表明脂肪烃和其他气味化合物的产量更多。此外,电子鼻在石油、化工、煤炭、冶金、汽车等重工业监测气体,作为传统的不稳定、复杂的检测方法和气味事件的早期预警提供一种很有前途的替代方法。

  电子鼻在疾病诊断中的应用

  世界上约有23%的人口潜伏感染了结核病细菌,其中5%-15%的人会发展成疾病。新病例通报与估计病例数之间存在290万个全球诊断差距,在社区中进行结核病筛查对预防进一步传播和感染具有重要意义。电子鼻简单易用、易于护理、不会使患者暴露于辐射中,并且可以以低成本生产是检测结核病很好初期预测工具。此外,囊性纤维化(CF)因粘液纤毛清除功能受损,导致气道炎症和条件致病菌感染。在疾病过程早期金黄色葡萄球菌是最常见的病原体发现儿童呼吸道的CF,11-17岁感染高达80%,和早期下呼吸道感染金黄色葡萄球菌导致肺功能恶化。目前在常规CF临床护理中检测病原体的标准是基于气道分泌物的有氧微生物培养,如痰液。但检测具有挑战性,特别是在那些有效的CFTR调节剂治疗和痰产量减少,以及无法自发吐痰的年轻患者。由于痰、喉咙或咳嗽拭子培养的替代方法可能不足以代表下呼吸道感染,电子鼻则可在临床护理点用于儿童筛查早期CF呼吸道感染的非侵入性工具。此外,电子鼻还可以对学龄前早期哮喘及结节病等更多疾病的诊断。

  电子鼻系统的性能改进

  电子鼻系统的性能改进主要涉及三个方面的优化,即敏感材料的选择和传感器阵列的优化,增强的特征提取和模式识别方法的选择。对于具体的应用,特征提取方法是这三个优化的基础部分,也是电子鼻系统性能提升的关键。特征提取方法的目的是以较少的冗余度从传感器响应中提取稳健的信息,以确保后续模式识别算法的有效性。从原始响应曲线、曲线拟合参数、变换域、相空间(PS)和动态矩(DM)、并行因子分析(PARAFAC)、能量向量(EV)、功率密度谱(PSD)、窗口时间切片(WTS)和移动窗口时间切片(MWTS)、移动窗口函数捕获(MWFC)等多种特征提取方法在电子鼻应用中得到了广泛的应用。这些为电子鼻技术的发展提供一些建议和新的启发,给出更有效的特征提取方法。

  智能电子鼻技术研究进展

  目前机器学习方法使电子鼻(E-Nose)能够通过定性和定量分析进行精确的气味识别。先进的机器学习方法对于E-Nose在机器人、食品工程、环境监测和医疗诊断等许多应用中获得高性能和增强其能力至关重要。近年来,许多机器学习技术被研究、发展并集成到特征提取、建模和气体传感器漂移补偿中。特征提取的目的是在去除冗余和噪声的同时,保持原始信号中鲁棒的模式信息。利用提取出来的特征,适当的建模方法可以有效地利用这些信息进行预测。此外,采用漂移补偿,缓解了由于气体传感器漂移导致的模型精度下降。这些最新的进展大大提高了E-Nose的预测精度和稳定性,智能电子鼻除了探测物质外,还能在安全方面发挥作用。相信随着科技的进步,E-Nose与AI联用其未来的发展空间值得期待。

  参考文献:https://doi.org/10.1002/aisy.202200074

  https://doi.org/10.1371/journal.pone.0249689

  https://doi.org/10.1016/j.envres.2023.115677

  https://doi.org/10.1016/j.jcf.2023.02.010

网站声明

1、凡本网所有原始/编译文章及图片、图表的版权均属微生物安全与健康网所有,未经授权,禁止转载,如需转载,请联系取得授权后转载。

2、凡本网未注明"信息来源:(微生物安全与健康网)"的信息,均来源于网络,转载的目的在于传递更多的信息,仅供网友学习参考使用并不代表本网同意观点和对真实性负责,著作权及版权归原作者所有,转载无意侵犯版权,如有侵权,请速来函告知,我们将尽快处理。

3、转载请注明:文章转载自www.mbiosh.com

联系方式:020-87680942