應用電子鼻進行氣體分析之方法

Methods of Odor Analysis for Electronic Nose Systems

林怡姍(Yi-Shan Lin)

指導教授 ： 徐爵民

國立清華大學/電機資訊學院/資訊工程學系/碩士(2009年)

摘要

近年來，在電子鼻的相關領域中，許多研究已投入於利用電子鼻進行氣體分析之開發。這些分析方法主要針對於利用現有的已知氣體資料，稱為訓練資料，來分辨待測氣體的種類。然而，一個更為實際的應用是對氣體做完整的成分分析。本篇論文所探討的即是如何應用電子鼻來進行氣體成分之分析。首先，本論文提出了一個以K最鄰近演算法為基礎的分類法。在此方法的訓練階段，氣體的訓練資料會先依照所包含的氣體成分做分類。在測試階段時，待測氣體會被歸類到最接近的氣體類別。此外，針對每個氣體類別，每個感測器所量測到的反應會被給予權重以反映該感測器對於分辨該氣體類別的精準度。除此之外，為了更進一步預估混合氣體各成分的濃度，本論文採用了迴歸分析的方法來建立氣體的模型，並運用加權最小平方法來預估混合氣體各成分的濃度。經由實驗的檢驗，上述的兩種氣體分析的方法可提供電子鼻系統用來分辨混合氣體的各成分以及預估各成分的濃度。

關鍵字

電子鼻 ； 氣體分析 ； K-最鄰近分類法 ； 迴歸分析 ； 最小平方法 ； 加權

並列摘要

無資料

並列關鍵字

Electronic Nose ； Odor Analysis ； K-Nearest Neighbor Classifier ； Regression Analysis ； Least-Squares Method ； Weight

參考文獻

[1] Aleix M. Martinez and Avinash C. Kak. "PCA versus LDA", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 23, no. 2, pp. 228-233, 2001.

[2] Antihus H, Go ̀mez, et al. "Evaluation of Tomato Maturity by Electronic Nose", Computers and Electronics in Agriculture, vol. 54, no. 1, pp. 44-52, 2006.

[3] Beth C. Mun ̃oz, Gregory Steninthal, and Steven Sunshine. "Conductive Polymer-Carbon Black Composites-based Sensor Arrays for Use in an Electronic nose", Sensor Review, vol. 1, no. 4, pp. 300-305, 1999.

[4] David James, Simon M. Scott, Zulfiqur Ali, and William T. OHare. "Chemical Sensors for Electronic Nose Systems", Microchim Acta, vol. 149, pp. 1-17, 2004.

[7] H. GholamHosseini, Dehan Luo, Hongxiu Lin, Guanggui Xu. "Intelligent Processing of E-nose Information for Fish Freshness Assessment", Intelligent Sensors, Sensor Networks and Information, pp. 173-177, 2007.