基于ZnO-Au-SnO2异质结构气体传感器和一维卷积神经网络的多气体识别技术
《Talanta》:Multi-Gas Recognition Based on ZnO-Au-SnO2 Heterostructure Gas Sensors and One-Dimensional Convolutional Neural Networks
【字体:
大
中
小
】
时间:2026年04月27日
来源:Talanta 6.1
编辑推荐:
本工作提出了一种ZnO-Au-SnO2异质结构气体传感器,通过优化材料异质界面和引入一维卷积神经网络(1DCNN),显著提升了H2、C2H4、C2H2等可燃气体的检测灵敏度和选择性,并成功部署于低功耗Raspberry Pi平台,验证了实时、高精度多气检测的可行性。
焦明志|陈新阳|邓冰|毛凯国|文晨宇
中国矿业大学互联网应用技术国家与地方联合工程实验室,徐州221116,中国
摘要
在工业安全、环境保护等领域,可燃气体的监测与识别是至关重要的任务。在实际场景中,H2、C2H4和C2H2等不同类型的可燃气体常常共存,这使得识别变得更加困难。为了解决这一挑战,我们提出了一种基于ZnO-Au-SnO2异质结构的气体传感器。通过扫描电子显微镜和X射线光电子能谱对材料的形态和化学状态进行了表征,结果显示Au分布均匀,并且ZnO与SnO2之间存在电子转移,这从能谱上得到了验证。实验结果表明,对Au和SnO2的改性显著增强了传感器对H2、C2H4和C2H2的响应。通过将一维卷积神经网络(1DCNN)应用于传感器阵列,实现了对响应信号的有效特征提取和高精度的气体分类。气体混合物的识别准确率超过了96%。此外,这种轻量级的1DCNN模型已被部署在Raspberry Pi边缘计算平台上,验证了其在小型、低功耗设备上的可行性。该系统能够实现毫秒级的推理和高置信度的预测,表明其具有实时现场气体检测的潜力。本研究从材料和算法两个方面协同优化了气体传感系统,为多组分可燃气体的智能识别提供了一条可行的途径。
引言
随着工业化和城市化的加速发展,H2、C2H4和C2H2等可燃或有毒气体在食品安全[1]、[2]、[3]、环境监测[4]、[5]、[6]、危险气体检测[7]、[8]、[9]以及医疗诊断[10]、[11]、[12]等领域的广泛应用,对具有高灵敏度、高选择性和多气体识别能力的气体传感器的需求日益增加。面对复杂环境中的多组分气体检测挑战,提高传感器的灵敏度和选择性已成为研究的重点。
金属氧化物半导体材料因其优异的化学稳定性、耐高温性和出色的电导调节能力而被广泛用于气体传感器的开发。作为典型的n型半导体材料,ZnO近年来受到了广泛关注,这得益于其宽禁带、高电子迁移率和丰富的表面活性位点[13]、[14]。然而,纯ZnO在气体传感方面通常存在选择性差和响应低的问题。为了提高其性能,研究人员采用了异质结构设计、贵金属修饰和纳米结构调控等方法。Au、Ag、Pd和Pt等贵金属具有优异的催化活性和电子敏化效应,可以促进气体分子的吸附和解离反应,从而显著提升基于ZnO的传感器的响应和选择性[15]、[16]、[17]。贵金属与ZnO之间形成的肖特基势垒可以有效调节界面能带结构和载流子分布,从而增强传感器的电响应特性。Jin等人[18]通过氟掺杂NiO制备了ZnO-NiOFx异质结构,在广泛的湿度和工作温度范围内实现了稳定的NO2传感性能。原位表征表明F-离子抑制了化学吸附的氧活性并阻止了羟基的吸附,为湿度鲁棒的金属氧化物气体传感器提供了一种可靠的方案。Nguyet等人[19]开发了一种Ag/Pd掺杂的ZnO纳米片传感器,证实了Ag/Pd的强吸附性和最佳催化性能对传感器氢响应的增强作用。此外,异质结构的引入也被广泛用于性能提升。ZnO与SnO2、CuO和NiO等金属氧化物的复合材料可以在界面产生内置电场,从而促进电子的分离和传输,提高气体响应速度和恢复速度[20]、[21]、[22]。例如,Zhang等人[23]通过原子层沉积制备了SnO2/ZnO复合薄膜传感器,发现其对氢的响应优于单一ZnO薄膜。结构调控在气体传感性能中也起着关键作用。通过设计纳米棒、纳米线、纳米片和多孔结构等纳米结构,可以增加有效表面积和吸附活性位点的密度,从而提高气体分子的吸附效率和电荷交换过程,实现更高的灵敏度和更快的响应特性[24]、[25]。例如,A.S.M. Iftekhar Uddin等人[26]将Ag纳米颗粒固定在垂直排列的ZnO纳米线阵列表面,显著提高了低温下对乙炔的响应。同时,基于密度泛函理论(DFT)的计算研究揭示了掺杂元素和异质界面对气体分子吸附能量和电荷转移行为的调控机制,为传感和响应机制提供了理论依据[27]。例如,He等人[28]应用DFT研究了Ag掺杂的MoSe2/ZnO异质结构对H2、CH4、C2H4、CO2、NO和CO等气体的吸附过程和传感行为。
另一方面,传统的单一传感器不适合在复杂的多气体环境中进行定性和定量检测。结合模式识别算法(如主成分分析PCA和线性判别分析LDA)的气体传感器阵列提供了一种可行的解决方案。然而,在处理高维非线性气体响应数据时仍存在局限性。首先,PCA和LDA等传统算法依赖于手动特征提取和降维;特征选择的主观性可能导致关键信息的丢失。其次,随着传感器阵列规模的扩大,气体响应数据的维度和噪声同时增加,传统方法在高维空间中容易过拟合或降低识别精度。此外,传统算法在处理气体混合物、浓度变化和环境干扰时缺乏足够的鲁棒性,难以满足复杂实际场景中的实时识别要求。最近,深度学习在信号处理领域的特征提取和分类方面展示了出色的能力,为气体传感信号的高效分析提供了新的技术手段[29]、[30]、[31]。卷积神经网络(CNN)在图像识别领域得到了广泛应用,通过移动卷积核提取局部特征[32]。Peng等人[33]首次将CNN应用于气体识别,使用多达38层的CNN实现了对四种不同气体的95.2%的识别准确率。Pan等人[34]提出了一种结合CNN和循环神经网络的混合方法,能够快速识别四种不同气体,最大准确率达到98.28%。Wang等人[35]提出了一种优化的一维CNN,在卷积层和池化层使用了特殊的条状一维核,使CNN更好地适用于气体传感器数据。Jiang等人[36]开发了一种时频注意力卷积神经网络用于电子鼻系统,通过融合时域和频域特征并使用数据增强,显著提高了气体分类和浓度预测的准确性。Pareek等人[37]提出了一种基于二维CNN的自适应集成网络用于气体识别,该模型在混合气体分类中的准确率达到91%。
尽管在上述研究中,基于ZnO的材料的气体传感性能有了显著提升,但仍存在一些不足。首先,虽然单一贵金属的修饰可以有效增强对特定气体的响应,但其催化活性具有选择性,缺乏对多种气体的协同响应能力。此外,在长期高温环境下容易发生聚集,导致响应性能下降。其次,大多数研究仅关注对单一气体的响应,这不足以满足复杂实际环境的需求。此外,传统的模式识别方法在处理高度非线性和时间序列信号时遇到瓶颈,难以有效提取响应信号的特征,限制了传感系统的识别准确性和泛化能力。许多现有的智能识别模型计算复杂且需要大量的硬件资源,其较大的模型尺寸和高功耗限制了其在便携式嵌入式平台上的应用,从而限制了其在资源受限的实际场景中的应用。
在这里,我们提出了一种通过磁控溅射制备的ZnO-Au-SnO2异质结构气体敏感材料,并构建了气体传感器阵列。通过引入Au的催化效应和SnO2的异质结调控效应,实现了对H2、C2H4和C2H2等典型可燃气体的高灵敏度响应。此外,结合优化的1DCNN,对传感器阵列的信号进行了深度特征提取和高精度分类,有效提高了混合气体识别的准确性和鲁棒性。此外,通过将训练好的1DCNN模型部署在低功耗的Raspberry Pi平台上,展示了将先进算法与便携式边缘硬件集成在一起的潜力,实现了适用于工业现场应用的实时自主气体识别。
传感器制备
传感器的制备
用于制备和表征传感器薄膜的仪器和材料列在支持信息(SI)的表S1中。使用带有悬浮微热板的硅基板和Pt电极(HHC 1000,Micro and Nanosensing Co., Ltd.,中国)来沉积气体传感材料,传感区域由四个对称排列的悬臂梁机械支撑(见SI中的图S1)。具体来说,传感器的制备过程如下:
ZnO-Au的气体传感特性
图1(a)显示了Z0、ZA1、ZA2、ZA3、ZA4和ZA5对40 ppm H2在不同温度下的气体响应。不同Au层厚度的样品表现出不同的响应幅度。其中,ZA3在整个测量温度范围内显示出最高的响应。图1(b)展示了ZA3在不同工作温度下对40 ppm H2的气体响应曲线。随着温度的升高,响应增强,在350 °C时达到峰值,然后
结论
在这项研究中,我们设计并实现了一种基于ZnO–Au–SnO2异质结构的复合气体传感器阵列,用于高效检测多组分可燃气体。ZnO表面经过Au修饰以催化气体吸附,并通过SnO2形成n–n型异质结。Au和SnO2均有效地调节了界面能带结构,从而提高了传感器对H2、C2H4和C2H2的响应性能和选择性。通过将传感器阵列与
CRediT作者贡献声明
文晨宇:撰写 – 审稿与编辑、可视化、验证、监督、方法论、研究、形式分析。毛凯国:撰写 – 审稿与编辑、初稿撰写、可视化、验证、软件、方法论、形式分析。邓冰:撰写 – 审稿与编辑、可视化、验证、软件、方法论、形式分析。陈新阳:撰写 – 审稿与编辑、初稿撰写、可视化、验证、软件、方法论、形式分析,
利益冲突
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
利益冲突声明
? 作者声明以下财务利益/个人关系可能被视为潜在的利益冲突:焦明志报告获得了中国国家自然科学基金的支持。焦明志还报告获得了安徽省科技部的支持。如果还有其他作者,他们声明没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
本工作部分得到了中国国家自然科学基金(项目编号:62204260)和安徽省科技部(项目编号:2022CSJGG0703)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号