由于空氣質量監測對環境和國防相關應用的重要性，智能、低成本且便攜的氣體傳感器備受青睞。傳統的電化學和非色散紅外（IR）氣體傳感器常設計用于檢測單一特定的分析物。盡管基于紅外光譜的傳感器性能優越，但由于體積大且成本高，其應用受到了限制。
據麥姆斯咨詢報道，近日，澳大利亞墨爾本大學（University of Melbourne）和皇家墨爾本理工大學（RMIT University）的科研團隊展示了一種由中紅外微型光譜儀與機器學習算法構成的智能、低成本多氣體傳感系統。該微型光譜儀是一種集成了商用紅外相機的超構表面（Metasurface）濾光片陣列，具備無消耗、緊湊型（~ 1 cm3）、重量輕（~ 1 g）等特點。機器學習算法經過訓練，可分析來自微型光譜儀的數據并預測存在的氣體。這項研究證明了將機器學習與紅外光譜相結合，以提供智能、低成本的多氣體傳感平臺的可行性。這項研究成果以“Smart mid-infrared metasurface microspectrometer gas sensing systems”為主題發表在Microsystems & Nanoengineering期刊上，通訊作者為Jiajun Meng和Kenneth B. Crozier。
該超構表面氣體傳感系統（圖1a）由主要四個部分組成：中紅外（MIR）超構表面微型光譜儀（MIMM）、熱電溫度穩定器（TTS）、氣室、熱紅外發射器。中紅外超構表面微型光譜儀和熱發射器置于定制氣室的兩側。然后，氣室中被裝入待檢測的氣體，氣體與紅外輻射相互作用。接著，穿過氣室的光照射到中紅外超構表面微型光譜儀，射入20通道超構表面濾光片陣列（MFA，如圖1d）和底層熱像儀，圖1c是這部分的示意圖。
圖1 超構表面氣體傳感系統的構成與布局
隨后，研究人員選擇了四種氣體（CO?、CH?、NH?和MEK）來演示使用該超構表面氣體傳感系統進行多分析物檢測。圖2a展示了帶阻濾光片（BSF）和帶通濾光片（BPF）在6 μm-14 μm的波長范圍內出現的低谷和峰值。圖2b顯示了這四種氣體在室溫和一個標準大氣壓下，5 μm -14.3 μm（2000 cm?1 - 700 cm?1）波長（波數）范圍的吸收截面光譜。
圖2 超構表面濾光片和氣體吸收的光譜特性
研究人員將氣體濃度與時間的關系繪制為柱狀圖（如圖3a右軸）。對于CO?和CH?，由于這些氣體的紅外吸收，讀數值隨著濃度的增加而降低。對于NH?和MEK，變化更微小，但仍然可以檢測到。圖3b中還繪制了數據收集過程中記錄的中紅外超構表面微型光譜儀溫度。
圖3 中紅外超構表面微型光譜儀讀出數據和溫度穩定性的可視化
機器學習分類器（MLC）算法使氣體傳感系統變得“智能”，即直接從中紅外超構表面微型光譜儀的讀出數據中確定存在的氣體，而無需進行任何光譜重建。研究人員利用帶有二次核函數（quadratic kernels）的支持向量機（SVM）算法來訓練機器學習分類器。相關訓練成果如圖4所示。
圖4 用于機器學習分類器驗證的混淆矩陣
綜上所述，這項研究設計并開發了一種智能氣體傳感系統，該系統將中紅外超構表面微型光譜儀與機器學習分類器相結合來檢測多種有害氣體成分。中紅外超構表面微型光譜儀由超構表面光譜濾光片陣列和微測輻射熱計相機構成，微測輻射熱計相機連接到溫度穩定器以減少讀數漂移。中紅外超構表面微型光譜儀的工作波長為7 μm ~ 14 μm（1428 cm?1 ~ 714 cm?1），處于中紅外“指紋”區域。隨后，研究人員使用氣體混合設置將傳感系統置于各種氣體的混合環境中，并獲取了用于機器學習分類器訓練的數據集。實驗結果表明，該智能氣體傳感系統從一組氣體（包括用N?稀釋至其允許暴露極限（PEL）的MEK）中識別分析物具有很高的準確性。研究人員預計使用更窄線寬的光譜濾光片有望實現更高的傳感性能和混合物傳感。因此，未來研究可考慮的方案包括準連續域束縛態（BIC）結構、導模共振（GMR）濾光片和法布里-珀羅（FP）腔。
論文鏈接：
https://doi.org/10.1038/s41378-024-00697-2
