基于AI-光电集成平台的工业有毒化学品低延迟分类系统

为解决传统泄漏检测与修复(LDAR)系统在有毒工业化学品(TICs)识别中的局限性，研究人员开发了一种结合比色传感器膜(CSMs)与3×3 IGZO光电晶体管阵列的AI光电平台。通过多功率激光传感(0.3/0.75/1.9 mW)和GRU建模结合矢量量化技术，实现100%分类准确率，模型体积减少66.14%，为新一代逸散性排放管理提供紧凑型低延迟解决方案。

　　

这项研究展示了一项突破性技术——将智能光学传感与边缘计算深度融合，打造出能"嗅探"危险化学物质的电子鼻系统。比色传感器膜(CSMs)如同变色龙般灵敏，遇到不同有毒气体会呈现特征性色彩变化。底层3×3氧化铟镓锌(IGZO)光电晶体管阵列则化身"化学视网膜"，将颜色信号转化为电脉冲。研究团队创新性地采用三档激光功率(0.3/0.75/1.9 mW )进行多维信号采集，配合K-means聚类算法，使系统像经验丰富的化学分析师般实现完美识别。更巧妙的是，采用门控循环单元(GRU)神经网络结合矢量量化技术，在保持100%"嗅觉"准确度的同时，将AI模型"瘦身"66.14%，相当于给系统装上了"涡轮增压器"，使其在资源受限环境下也能飞速完成危险气体鉴定。这种邮票大小的智能传感平台，为化工厂、油气管道等场景的泄漏监测提供了即插即用的解决方案，堪称工业安全领域的"化学物质指纹识别器"。