已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Inkjet-printed MOS-based MEMS sensor array combined with one-dimensional convolutional neural network algorithm for identifying indoor harmful gases

电子鼻 卷积神经网络 微电子机械系统 传感器阵列 灵敏度(控制系统) CMOS芯片 计算机科学 人工神经网络 采样(信号处理) 材料科学 电子工程 算法 人工智能 纳米技术 工程类 机器学习 计算机视觉 滤波器(信号处理)
作者
Shenling Mu,Wenfeng Shen,Dawu Lv,Weijie Song,Ruiqin Tan
出处
期刊:Sensors and Actuators A-physical [Elsevier BV]
卷期号:369: 115210-115210 被引量:3
标识
DOI:10.1016/j.sna.2024.115210
摘要

To achieve a highly accurate and efficient analysis of mixed gases, it is crucial to develop an electronic nose system with high sensitivity of gas sensors and low data processing complexity. In this study, the metal oxide semiconductor (MOS) based micro-electromechanical system (MEMS) gas sensor array was prepared by inkjet printing sensing materials onto a micro-hotplate. The pattern recognition unit employed a one-dimensional convolutional neural network (1D-CNN) to identify 7 types of gases. While the optimal traditional machine learning algorithm achieved an 80% recognition accuracy, the 1D-CNN can achieve 99.8%. Furthermore, the impact of varying time series input lengths on the model accuracy was investigated, pinpointing an optimal sampling time of 15 s. This work showed that integrating the MEMS sensor array with the 1D-CNN algorithm might offer a promising approach for intricate gas classification and identification.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
王w完成签到 ,获得积分10
1秒前
天天摸鱼完成签到,获得积分10
2秒前
搞怪不言完成签到,获得积分10
2秒前
上上发布了新的文献求助10
2秒前
孤芳自赏IrisKing完成签到 ,获得积分10
2秒前
能干的阿拉蕾完成签到 ,获得积分10
2秒前
领导范儿应助lair采纳,获得10
2秒前
啦啦啦完成签到 ,获得积分10
2秒前
笑点低的冰淇淋完成签到,获得积分20
3秒前
味子橘完成签到 ,获得积分10
3秒前
黎乐荷发布了新的文献求助10
4秒前
哦豁完成签到 ,获得积分10
6秒前
正直的夏真完成签到 ,获得积分10
6秒前
几两完成签到 ,获得积分10
7秒前
7秒前
90090完成签到,获得积分20
7秒前
gwh完成签到 ,获得积分10
8秒前
9秒前
9秒前
lixiaolu完成签到 ,获得积分10
9秒前
monster完成签到 ,获得积分10
10秒前
木子李完成签到,获得积分20
10秒前
xiaomu完成签到,获得积分20
11秒前
12秒前
Jemma完成签到 ,获得积分10
12秒前
kk发布了新的文献求助10
13秒前
跳跃的惮完成签到,获得积分10
13秒前
岁峰柒完成签到 ,获得积分10
13秒前
澄子完成签到 ,获得积分10
13秒前
小宋爱科研完成签到 ,获得积分10
14秒前
不想看文献完成签到 ,获得积分10
14秒前
pjxxx完成签到 ,获得积分10
15秒前
TEMPO完成签到,获得积分10
15秒前
15秒前
跳跃的千亦完成签到 ,获得积分10
15秒前
暗生崎乐发布了新的文献求助10
16秒前
自觉凌蝶完成签到 ,获得积分10
16秒前
wwf完成签到,获得积分10
16秒前
jl完成签到 ,获得积分10
17秒前
zjw完成签到,获得积分10
17秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
Aktuelle Entwicklungen in der linguistischen Forschung 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989949
求助须知:如何正确求助?哪些是违规求助? 3532017
关于积分的说明 11255865
捐赠科研通 3270829
什么是DOI,文献DOI怎么找? 1805053
邀请新用户注册赠送积分活动 882233
科研通“疑难数据库(出版商)”最低求助积分说明 809216

今日热心研友

fanyueyue
4
热心市民小红花
10
酷炫的一笑
1
momo
1
孙燕
1
注:热心度 = 本日应助数 + 本日被采纳获取积分÷10