基于气体传感器的电子鼻系统的关键技术组成

MEMS/传感技术

1263人已加入

描述

主办单位:麦姆斯咨询

协办单位:上海传感信息科技有限公司

气体传感器(Gas Sensor)是一种能够感受气体体积分数的变化并将其转变为电信号的换能器,可用于探测在一定区域范围内是否存在特定气体,和/或连续测量气体成分浓度。气体传感器的检测原理和技术类型纷繁复杂,涉及电化学(Electrochemical)、非色散红外(NDIR)、金属氧化物半导体(MOS)、催化燃烧(Catalytic/Pellistor)、光离子化(Photoionization)、气相色谱(Gas Chromatography)、光声光谱(PAS)、傅立叶变换红外(FTIR)、化学发光(Chemiluminescence)、石英晶体微天平(QCM)等。确定哪项技术能够适合目标应用,需要对气体传感器的灵敏度、选择性、功耗、成本和尺寸等属性进行全面的考量。根据《环境气体传感器技术及市场-2023版》报告预测,全球气体传感器市场将于2034年增长至95亿美元,2024~2034年期间的复合年增长率(CAGR)为6.6%,典型应用领域包括工业、医疗、消费电子、暖通空调(HVAC)、交通运输、大气环境监测等。

人工智能

常见的气体传感器类型(检测原理)

MEMS技术为气体传感器的小型化打开了大门,也扩展了气体传感器的消费类应用,使得气体传感与检测技术在人类日常生活中快速普及。全球领先的传感器厂商们基于MEMS技术相继推出了:(1)室内空气质量传感器,可检测总挥发性有机化合物(TVOC)和估算的二氧化碳水平(eCO2);(2)室外空气质量传感器,可检测二氧化氮(NO2)和臭氧(O3);(3)应用于智能冰箱的气体传感器,可检测与食品成熟或腐烂相关的气体。近期,西门子家电发布具有革新意义的智能eNose冰箱,精准击中消费者对食物新鲜度检测的健康需求。该冰箱搭载Bosch Sensortec微型四合一气体传感器BME688,可以测量气体(包括挥发性有机化合物(VOCs)、挥发性硫化合物(VSCs)、一氧化碳和氢气等)、湿度、温度和气压,并通过人工智能(AI)实现电子鼻功能。

人工智能

MEMS技术赋能环境监测传感器示例(来源:Yole)

电子鼻系统由两项关键技术组成:(1)用于化学物质检测的气体传感器阵列;(2)提供系统内分析软件模型的算法。为了应对各种复杂气体和痕量气体的处理难题,研究人员们将适当的多变量分析技术整合到电子鼻系统的算法组件中,从而提高了多变量场景下的选择性,有效缓解了现有气体传感器交叉灵敏度低和选择性差的问题。近些年,随着气体传感器阵列与人工智能算法结合在白色家电、环境监控、食品安全、医疗诊断等领域的应用,将促进电子鼻技术走向成熟,迎来更广阔的市场发展。根据期刊文献分析,电子鼻系统在临床医学领域的应用与日俱增,包括早期癌症筛查、细菌病原体鉴定、浅表伤口微生物分析、新冠肺炎(COVID-19)检测、幽门螺杆菌呼气分析等。

人工智能

电子鼻系统的关键技术组成

空气质量是关系到人类健康的一项重大全球性问题。世界许多地方的空气污染程度依然很重。世界卫生组织认识到空气污染是非传染性疾病的一个重要危险因素,估计它占到成人因心脏病死亡总数的24%、中风的25%、慢性阻塞性肺病的43%,以及肺癌的29%。空气污染不仅威胁人类的基本福祉,还会损害自然和有形资本,抑制经济增长。空气污染没有边界,改善空气质量要求各国政府持续采取协调一致的行动,共同努力寻求可持续交通、更高效和可再生能源的生产和使用以及废物管理的解决方案。因此,这些都促使气体传感器在环境监测和管控方面的应用越来越多,监控领域包括室外大气环境,以及室内和车内等封闭环境。

人工智能

空气污染来源

人工智能

室外污染监测应用的气体传感器产业路线图
(来源:《环境气体传感器技术及市场-2023版》)

目前,汽车动力总成、工业过程、环境监测、暖通空调仍然占据气体传感器市场主要份额。但是,受益于人们对空气质量的要求提升和新冠肺炎带来的健康产品需求增加,气体传感器越来越多地应用于智能家居产品(例如空气净化器)、可穿戴设备及物联网智能设备,使得消费者很容易借此监测室内外环境状况,有效保护自身健康。与此同时,气体传感解决方案在电动汽车领域不断开疆拓土:(1)以气体传感器为核心的电池健康状态监测方案可针对电池热失控触发前释放出的CO2、CO、VOCs浓度及温度和压力等指标进行有效监测,并将测量信号通过CAN通讯传递给电池管理系统,以避免火灾及爆炸的发生;(2)利用气体传感器保障汽车座舱的舒适性和安全性,例如广汽蔚来HYCAN 007车内空气质量传感器能够实时探测道路上空气中的一氧化碳、碳氢化合物、氮氧化合物等污染物浓度,进而自动控制空调内/外循环风门的开启与关闭。

审核编辑:黄飞

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分