VOCs分子的半导体型传感器识别检测研究进展

作者：刘弘禹; 孟钢^*; 邓赞红; 李蒙; 常鋆青; 代甜甜; 方晓东^*

来源：Acta Physico - Chimica Sinica, 2022, 38(05): 32-48.

• 金属氧化物半导体
• 气体传感器
• 电子鼻
• 热调制
• 模式识别
• 机器学习
• 卷积神经网络

具有体积小、功耗低、灵敏度高、硅工艺兼容性好等优点的金属氧化物半导体（MOS）气体传感器现已广泛地应用于军事、科研和国民经济的各个领域。然而MOS传感器的低选择性阻碍了其在物联网（IoT）时代的应用前景。为此，本文综述了解决MOS传感器选择性的研究进展，主要介绍了敏感材料性能提升、电子鼻和热调制三种改善MOS传感器选择性的技术方法，阐述了三种方法目前所存在的问题及其未来的发展趋势。同时，本文还对比介绍了机器嗅觉领域主流的主成分分析（PCA）、线性判别分析（LDA）和神经网络（NN）模式识别/机器学习算法。最后，本综述展望了具有数据降维、特征提取和鲁棒性识别分类性能的卷积神经网络（CNN）深度学习算法在气体识别领域的应用前景。基于敏感材料性能的提升、多种调制手段与阵列技术的结合以及人工智能（AI）领域深度学习算法的最新进展，将会极大地增强非选择性MOS传感器的挥发性有机化合物（VOCs）分子识别能力。

• 单位
  中国科学技术大学; 中国科学院合肥物质科学研究院