金属氧化物气体传感器阵列的长期漂移行为：一项为期一年的电子鼻数据集及其对漂移校正研究的意义

为解决电子鼻技术中传感器漂移效应缺乏可靠数据集的问题，研究人员开展了一项为期12个月的长周期漂移行为研究，利用62个金属氧化物传感器阵列采集了700组时间序列数据，涵盖三种分析物（二乙酰、2-苯乙醇和乙醇）及其不同浓度。该研究提供了原始数据与预提取特征，支持特征提取、漂移检测与补偿算法的开发与评估，显著推动了电子鼻系统在农业、医疗等领域的实际应用可靠性。

　　

尽管电子鼻（E-nose）技术在过去几十年中取得了显著进展，尤其是在传感器材料和机器学习算法方面的优化，但传感器漂移问题始终是制约其实际应用的瓶颈。漂移效应会导致传感器响应随时间发生不可预测的变化，严重影响测量的重复性和可靠性。目前，针对漂移校正方法的研究虽在不断推进，但缺乏高质量、长时间跨度的公开数据集，使得算法评估与比较面临巨大挑战。现有数据集或年代久远，或实验细节不足，难以满足当前研究需求。

为解决这一问题，Julius Worner、Jonas Eimler和Miriam Pein-Hackelbusch团队在《Scientific Data》上发表了一项为期12个月的长周期漂移数据集研究。该研究使用一款商用电子鼻系统（Smelldect GmbH），基于62个二氧化锡（SnO₂）纳米线气体传感器，在严格控制实验条件下，对三种分析物——二乙酰（diacetyl）、2-苯乙醇（2-phenylethanol）和乙醇（ethanol）——的不同浓度进行了系统测量。

研究团队通过压缩空气作为载气，设定恒定的流量（100 sccm）和湿度（70–80%），每日按固定顺序进行三重重复测量，以最大限度减少非时间相关因素的干扰。每个测量周期包括基线记录、样品测量和传感器清洗阶段，完整周期为20分钟。

关键

关键实验方法包括：使用商用电子鼻系统（Smelldect）配备62个SnO₂传感器；在12个月内完成700组时间序列记录；三类分析物包括二乙酰、2-苯乙醇和乙醇，其中后两者设置两个浓度（低浓度接近检测限，高浓度显著高于检测限）；所有样品以5% v/v乙醇水溶液为空白对照和稀释剂；数据以.csv格式存储，包含时间戳、传感器电阻、温湿度及测量阶段标识。

数据记录与结构

数据集通过Zenodo平台公开，提供每一样本的原始电阻时间序列和预提取特征。每个.csv文件包含时间戳、日期、所有传感器的电阻读数（标记为R1–R62）、温湿度传感器数据（T和H）及测量阶段（1–3）。文件夹按测量日组织，文件命名明确标识物质与浓度。

技术验证

通过信号信噪比（SNR）分析验证数据质量，所有传感器在至少一类样品中SNR > 3，81%测量中SNR ≥ 10，表明信号响应显著。温湿度监测显示实验条件稳定（温度均值40.38°C，标准差1.17°C；湿度均值76.0%，标准差3.44%）。基线重复性分析发现长期变异系数（CV）达25.74–40.77%，而短期CV仅0.38–1.21%，证实漂移效应存在。

分类

分类适用性验证

通过雷达图可视化不同类别（物质+浓度）的传感器响应模式，显示各类别具有独特“指纹”，证明数据集适用于监督分类任务。

研究结论与意义

该研究提供了一个高质量、长周期、详细文档化的传感器漂移数据集，弥补了现有数据在时效性、文档完整性和技术代表性方面的不足。通过涵盖多种化学官能团（羰基、羟基、芳香环）和不同蒸气压的物质，数据集支持漂移机制研究、特征选择算法开发以及分类模型在漂移条件下的鲁棒性评估。此外，浓度梯度设计使得检测限漂移分析成为可能。数据集的高维度（62传感器）与样本量（700条记录）相结合，为特征降维和漂移稳健子集识别提供了理想平台。

该工作不仅促进了电子鼻在环境监测、食品安全、医疗诊断等领域的实际应用，也为机器学习与传感器信号处理社区提供了宝贵的基准资源。所有数据与特征提取代码（Jupyter Notebook）均已公开，确保研究的可重复性与后续拓展性。