气体传感器将会在智能家电领域中发挥更大作用

传感器是家电实现智能化的重要感知器件，其中气体传感器作为一种成熟的传感器件，在家电领域目前仅在空气净化器、新风空调等领域简单应用。随着有关传感器的阵列化和智能算法的引入，使得气体传感器在家电中有了更多的潜在应用场景。

据麦姆斯咨询报道，针对气体传感器在智能家电中的应用进展情况，珠海格力电器股份有限公司的研究人员进行了综述分析，阐述了气体传感器及其阵列在家电领域保鲜、烹饪、健康监测等智能场景中的潜在应用，分析了气体传感器在家电中应用面临的寿命、漂移、一致性问题，并对未来发展进行了展望。相关研究内容以“气体传感器在智能家电中的应用进展”为题发表在《家电科技》期刊。

气体传感器及其阵列概述

气体传感器按照工作原理、气敏材料类别、制作工艺等不同，可以分为多种类型。按工作原理不同通常分为半导体型、电化学型、催化燃烧型、红外气体传感器和光离子（PID）气体传感器等。虽然单一气体传感器对不同气体响应的敏感度不同，但由于气体传感器存在广谱响应，导致其有专一性差、在多种气体同时存在时易受干扰等问题，因此，单一的传感器很难实现识别气体种类组成的功能。采用多个气体传感器构成阵列则可以有效解决传感器广谱响应的问题。通过传感器的阵列化，增加了检测气体的维度，获取更多的信号有助于评估更多参数并提高判断识别能力。由于实际场景下气体类型多样，为了增强传感器对特定气体的识别能力，通常需要尽可能使用数量多、差异化大的传感器构成阵列。然而，随着气体传感器阵列中使用传感器个数的增多，后续的数据处理就越复杂，系统的成本也越高。因此，使传感器数量、种类和识别能力达到平衡的传感器阵列优化显得格外必要。传感器阵列优化可以减小阵列中所使用的气体传感器个数，以免后续数据处理产生的复杂度较高的问题，进而降低传感器阵列使用成本。在传感器阵列优化中比较常用的方法有基于相关系数、聚类分析等方法。

气体识别算法

气体传感器阵列识别算法的理论基础是模式识别。所谓模式识别就是基于一定已知的数据，根据样本的特征，用计算的方法将其对应到某种特定的模式类别中的技术。模式识别通常由4个部分组成，分别为信息获取、预处理、特征提取和选择及分类模型选择。数据预处理包括信号去噪、基线校正、均值中心化、归一化等操作。特征选择和提取是从提取到的特征中寻找最优特征子集的过程，可以剔除冗余特征，减少不相关特征个数、简化学习的复杂性、加速模型训练和增强泛化能力。特征选择主要通过单特征排序方法、多特征排序方法、特征递减消除方法等进行筛选。气体传感器阵列用到的分类模型主要有：主成分分析法（PCA）、线性判别分析法（LDA）、逻辑回归（LR）、决策树（DT）、随机森林（RF）和人工神经网络（ANN）等。其中，PCA和ANN应用最为广泛。

气体传感器及其阵列在家电相关智能场景中的应用

随着信息技术不断进步和人工智能（AI）算法的成熟，使用传感器阵列和人工嗅觉系统的智能家电研究也越来越普遍。通过结合人工智能算法，气体传感器及其阵列在家电领域保鲜、烹饪、健康监测等智能场景中展现出诸多潜在应用。

（1）气体传感器在保鲜上的应用

食材在保鲜过程中，因其自身的呼吸作用以及酶促反应，或者外部微生物的作用，食材中的大分子物质被逐渐降解，并释放出令人难以接受的异味。因此，使用气体传感器监测食物储藏的新鲜程度越来越受到冰箱厂商的关注。针对冰箱应用场景，不同食物数量、多种食物种类混放时气体的变化均会影响食物新鲜度的判别。此外，由于冰箱实际使用场景的复杂性，如：用户开关门、压缩机启停、内路风循环等也会影响到传感器的判别。

 

近些年的研究结果表明，不管是单一传感器进行异味浓度监控，还是采用气体传感器阵列，结合模式识别方法，进行食物新鲜度判别，这些尝试均取得了较好的识别效果。但是，这些研究大多仅能实现单一食材储存时新鲜度的判别，在实际的冰箱储藏场景，由于受限于储藏食物种类的多样性和复杂性，多种食材挥发气体的相互干扰，增大了数据建模的难度，造成食物新鲜度判别在实际保鲜场景下还无法做到具体判断何种食物发生或将要发生变质，在这些场景下的气体释放规律还需要更加深入的研究。

（2）气体传感器在烹饪上的应用

烹饪场景是气体传感器可能应用的另外一个重要场景。相较于保鲜，烹饪场景下食物通常较为单一，不存在多种食物同时烹饪的情况，这给数据建模工作减轻了难度。但更为复杂的是，烹饪中产生的高温、油烟、水汽均对传感器构成了一定影响，容易造成传感器“中毒”。

 

事实上，组成烹饪过程产生的气体化合物有几百种之多，其主要气体成分有颗粒物、烷烃、芳香族化合物、醛、酮、醇、烯烃等挥发性有机化合物和多环芳烃等半挥发性有机化合物。在这种气体成分复杂的烹饪场景中，气体传感器阵列比单一传感器显示出更突出的优势。近些年的研究结果表明，气体传感器阵列在烹饪领域具有很好的发展前景，例如基于个人口味确定熟食或油炸食品烹饪状态，作为辅助膳食监测工具定期向用户报告烹饪习惯等。

（3）气体传感器在健康监测上的应用

作为智能家电重要的发展方向，通过家电监测人体健康状态，也离不开各种传感器的支撑。相对于更成熟的冰箱和烹饪设备中的应用，气体传感器在健康监测中的应用还处于早期阶段，这可能与相关的数据采集工作较为困难有关。人的呼出气体中含有一些挥发性气体成分，这些挥发性气体成分中的特定生物标志物可以被用来作为指示人体健康的重要信息，暗示特定系统或器官中可能存在的疾病病征。虽然家电不同于具有疾病诊断功能的医疗器械，不侧重于早期疾病诊断，但在日常的家庭健康检测领域，仍然有许多气体传感器的潜在应用场景。

随着越来越多的居家健康需求的出现，气体传感器阵列具有的低成本、非侵入和小型化等优点，使其作为辅助监测与实时监控方案，相信会越来越多地出现在口腔护理电器、智能坐便器等家电中。

气体传感器应用存在的问题

目前，气体传感器的寿命、漂移、一致性问题是制约其在家电中应用的主要难题。

根据气体传感器的原理不同，传感器的寿命也长短不一。例如，半导体传感器寿命约为2 ~ 3年，电化学气体传感器由于电解液损耗，寿命约为1 ~ 2年，固态电解质电化学传感器则可达到5年。催化燃烧气体传感器受限于催化剂的影响，寿命约为3年。二氧化碳红外传感器使用寿命可达5 ~ 10年。传感器的寿命还与传感器的使用环境、频率和待测气体组分密切相关。

漂移是气体传感器在应用中无法避免的另一个问题。传感器的漂移会直接影响气体的测量精度，导致传感器阵列的模式识别算法模型失效。目前用于改善传感器漂移的方法有两种，一是加强传感器响应的稳定性和可靠性，使之尽可能少的产生漂移，这需要改进气敏材料、提高制造工艺，具有一定的难度；另一种做法则是通过研究数据处理算法，补偿或者抑制传感器漂移对模式识别算法模型带来的影响。

气体传感器在生产过程中，由于工艺精度等原因，气敏膜的位置和厚度很难完全一致，导致同一批次或同一规格的气体传感器之间的响应性能会有差异。如何解决气体传感器一致性的问题，还需要进一步研究以找到有效的解决方案。

总结与展望

研究人员称，针对气体传感器及其阵列应用所面临的实际问题，可以从以下几方面进行突破：（1）加强气体传感器阵列化的研究；（2）加强家电企业和传感器企业的合作开发；（3）加强家电应用场景下的数据积累。通过加大气体传感器的应用研究，丰富气体传感器在各应用场景中的应用数据，优化智能算法，气体传感器将会在智能家电领域中发挥更大作用，创造出更多的新功能。

        审核编辑：彭菁