典型文献
VOCs分子的半导体型传感器识别检测研究进展
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
刘弘禹;孟钢;邓赞红;李蒙;常鋆青;代甜甜;方晓东
作者机构：
中国科学院合肥物质科学研究院,安徽光学精密机械研究所,光子器件与材料安徽省重点实验室,合肥230031;中国科学技术大学,研究生院科学岛分院,合肥230026
文献出处：
引用格式：
[1]刘弘禹;孟钢;邓赞红;李蒙;常鋆青;代甜甜;方晓东-.VOCs分子的半导体型传感器识别检测研究进展)[J].物理化学学报,2022(05):26-42
A类：
机器嗅觉
B类：
VOCs,体型,器识,识别检测,体积小,功耗,灵敏度高,工艺兼容性,金属氧化物半导体,MOS,气体传感器,于军,IoT,敏感材料,材料性能,性能提升,电子鼻,热调制,三种方法,线性判别分析,LDA,模式识别,机器学习算法,综述展望,数据降维,识别分类,分类性能,深度学习算法,气体识别,最新进展,非选择性,挥发性有机化合物,分子识别,识别能力
AB值：
0.291228
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
