面向可靠长期环境气味监测的电子鼻：湿度与传感器漂移效应的补偿

《Journal of Environmental Management》：Towards reliable long-term environmental odour monitoring with electronic noses: compensation of humidity and sensor drift effects

　　

在工业设施边界（fenceline）部署电子鼻（Instrumental Odour Monitoring Systems, IOMS）以监测气味排放日益受到关注。已有文献证明了此类仪器在该用途上的可行性，但长期应用受干扰物影响。研究人员提出两种预处理策略，以补偿非受控采样系统中常见的湿度变化与传感器漂移这两种干扰。研究人员在某废弃物处理厂边界安装两台电子鼻，持续16个月验证该方法。基于不同数据预处理构建了多种分类模型，并通过现场性能测试评估其表现。结果表明，所实施的方法有效削弱了漂移效应，提升了不同气味源的分类准确率，增强了此类仪器用于工业气味监测的可行性。

研究背景与问题提出

odour（气味）污染已成为受关注的环境问题，废弃物处理类工业设施常向周边释放可感知臭气，引发居民投诉与不适，欧盟《工业排放指令》（IED, 2024/1785）自2024年8月起将气味列为受监控污染物。传统动态嗅觉测定法（EN 13725:2022）只能间断量化气味浓度（ou_E/m³），无法连续监测；电子鼻（e-nose/IOMS）以金属氧化物半导体（MOS）传感器阵列配合模式识别可实现连续监测，但MOS对环境湿度及长期传感器漂移极敏感——湿度昼夜与季节波动会平移基线、降低灵敏度，长期漂移（中毒、老化、温况变化）使同一气味响应变异，导致分类退化。既有湿度与漂移补偿研究多基于实验室受控简单气体，缺乏16个月复杂工业场境验证。为此，研究人员在意大利某有机垃圾（OFMSW）厌氧消化—好氧堆肥（IADC）厂边界布设两台同名Ellona WT1系列IOMS，开展16个月连续 ambient air 监测与气味源辨识，旨在同时补偿湿度与漂移、提升长期现场分类鲁棒性。论文发表于《Journal of Environmental Management》。

主要关键技术方法

研究人员在厂西（近厌氧消化罐与应急火炬）与厂东（近接收预处理棚与生物滤池）各布设一台IOMS（WT1 30142、WT1 30143），每台含4只MOS、NH₃与H₂S电化学传感器、异丁烯标定PID及温湿压传感器，每10秒采一次；同步配Davis气象站。以6次跨季嗅觉采样战役（前4次训练、2025年3月与7月两次独立现场验证）采集厂内源样（生物滤池、沼气管路、接收/堆肥棚）经动态嗅觉测定后稀释至边界浓度区间作训练/测试集，最终合并“生物滤池”与“棚舍”为“有机气味”类，连同“空气”“沼气”构成三类。预处理阶段提出两路方案：其一先对无气味时段MOS阻值做正交信号校正（Orthogonal Signal Correction, OSC）剔除与绝对湿度不相关漂移分量，再对OSC后基线按指数或幂律回归建立动态参考基线 y_ref,OSC 作归一化；其二采用前推1个月滑动窗口拟合指数/幂律参考曲线实时归一化。特征经Boruta选取后送PCA去离群，取前3主成分入高斯核支持向量机（SVM）分三类。现场验证按UNI 11761:2023用Matthews相关系数（MCC）与各类Recall评估。

研究结果

3.1 数据集获取与分析

两台IOMS自2024年3月至2025年7月（16个月）连续运行，WT1 30143获4,056,957点/传感器、WT1 30142获3,899,933点/传感器；训练用13,220与7,010点，现场验证用4,855与4,059点。因生物滤池异常其气味指纹接近棚舍，故合并为有机气味类。监测数据因断电重启需剔除预热段，按5分钟窗切分。

3.2 OSC用于漂移补偿

WT1 30143仅轻微基线漂移；WT1 30142的MOS传感器S3自2025年3月阻值剧升（严重漂移）。OSC校正后，两机同湿度下阻值趋势重归均质，参考基线可用指数/幂律刻画。

3.3 分类模型

比对6种预处理（无处理、多项式、OSC+指数、OSC+幂律、滑动指数、滑动幂律）。Case 1（参数更新至2025年3月，测3月样）：WT1 30143各法MCC≥0.96；WT1 30142无处理MCC仅0.43，滑动指数达0.94。Case 2（参数仅更新至2025年4月，测3月+7月样）：WT1 30143多项式跌至0.72，其余稳于0.96；WT1 30142无处理0.35、多项式0.43，OSC+指数0.88、滑动指数0.86。Recall显示无处理与多项式在WT1 30142上对有机气味类极低（Case2无处理3.9%），OSC/滑动方案各类Recall>80%。证明多项式需月更参数、超出拟合湿度区间即失效；OSC与滑动窗在参数不更新时仍抗漂移。

3.4 监测数据定性分析

取WT1 30143的2025年5月全月5分钟预测，无预处理模型全月仅报约5%时段为气味事件，OSC/滑动四类模型报10%–12%；单日逐时曲线亦显示无预处理漏检多。说明现场近阈值低浓度下，预处理显著提升检出灵敏度。

讨论与结论翻译

本研究探索两台IOMS在废弃物处理厂边界检测与分类气味事件，重点开发同时应对湿度变化与传感器漂移的新预处理策略。基于前作多项式“动态”基线，研究人员提出OSC+指数/幂律、以及1个月滑动窗口两类方案。结果显示新方案在参数不更新时比多项式更稳定，现场MCC维持0.81以上，WT1 30142严重漂移下仍保高精度，免硬件更换与重训练。监测数据定性表明预处理模型近阈值检出率翻倍。研究局限含监测期无地面真值闭环验证、生物滤池与棚舍类因指纹相似合并处理。该工作是首例在16个月现场数据上联合补偿湿度与漂移者，为IOMS长期布设降本（半年仅需样本复校）提供基础。结论：所实施方法有效降低漂移效应、提升多气味源分类准确率，增强IOMS用于工业气味连续监测之可行性。