傳感器是家電實現智能化的重要感知器件，其中氣體傳感器作為一種成熟的傳感器件，在家電領域目前僅在空氣凈化器、新風空調等領域簡單應用。隨著有關傳感器的陣列化和智能算法的引入，使得氣體傳感器在家電中有了更多的潛在應用場景。

據麥姆斯咨詢報道，針對氣體傳感器在智能家電中的應用進展情況，珠海格力電器股份有限公司的研究人員進行了綜述分析，闡述了氣體傳感器及其陣列在家電領域保鮮、烹飪、健康監測等智能場景中的潛在應用，分析了氣體傳感器在家電中應用面臨的壽命、漂移、一致性問題，并對未來發展進行了展望。相關研究內容以“氣體傳感器在智能家電中的應用進展”為題發表在《家電科技》期刊。

氣體傳感器及其陣列概述

氣體傳感器按照工作原理、氣敏材料類別、制作工藝等不同，可以分為多種類型。按工作原理不同通常分為半導體型、電化學型、催化燃燒型、紅外氣體傳感器和光離子（PID）氣體傳感器等。雖然單一氣體傳感器對不同氣體響應的敏感度不同，但由于氣體傳感器存在廣譜響應，導致其有專一性差、在多種氣體同時存在時易受干擾等問題，因此，單一的傳感器很難實現識別氣體種類組成的功能。采用多個氣體傳感器構成陣列則可以有效解決傳感器廣譜響應的問題。通過傳感器的陣列化，增加了檢測氣體的維度，獲取更多的信號有助于評估更多參數并提高判斷識別能力。由于實際場景下氣體類型多樣，為了增強傳感器對特定氣體的識別能力，通常需要盡可能使用數量多、差異化大的傳感器構成陣列。然而，隨著氣體傳感器陣列中使用傳感器個數的增多，后續的數據處理就越復雜，系統的成本也越高。因此，使傳感器數量、種類和識別能力達到平衡的傳感器陣列優化顯得格外必要。傳感器陣列優化可以減小陣列中所使用的氣體傳感器個數，以免后續數據處理產生的復雜度較高的問題，進而降低傳感器陣列使用成本。在傳感器陣列優化中比較常用的方法有基于相關系數、聚類分析等方法。

氣體識別算法

氣體傳感器陣列識別算法的理論基礎是模式識別。所謂模式識別就是基于一定已知的數據，根據樣本的特征，用計算的方法將其對應到某種特定的模式類別中的技術。模式識別通常由4個部分組成，分別為信息獲取、預處理、特征提取和選擇及分類模型選擇。數據預處理包括信號去噪、基線校正、均值中心化、歸一化等操作。特征選擇和提取是從提取到的特征中尋找最優特征子集的過程，可以剔除冗余特征，減少不相關特征個數、簡化學習的復雜性、加速模型訓練和增強泛化能力。特征選擇主要通過單特征排序方法、多特征排序方法、特征遞減消除方法等進行篩選。氣體傳感器陣列用到的分類模型主要有：主成分分析法（PCA）、線性判別分析法（LDA）、邏輯回歸（LR）、決策樹（DT）、隨機森林（RF）和人工神經網絡（ANN）等。其中，PCA和ANN應用最為廣泛。

氣體傳感器及其陣列在家電相關智能場景中的應用

隨著信息技術不斷進步和人工智能（AI）算法的成熟，使用傳感器陣列和人工嗅覺系統的智能家電研究也越來越普遍。通過結合人工智能算法，氣體傳感器及其陣列在家電領域保鮮、烹飪、健康監測等智能場景中展現出諸多潛在應用。

（1）氣體傳感器在保鮮上的應用

食材在保鮮過程中，因其自身的呼吸作用以及酶促反應，或者外部微生物的作用，食材中的大分子物質被逐漸降解，并釋放出令人難以接受的異味。因此，使用氣體傳感器監測食物儲藏的新鮮程度越來越受到冰箱廠商的關注。針對冰箱應用場景，不同食物數量、多種食物種類混放時氣體的變化均會影響食物新鮮度的判別。此外，由于冰箱實際使用場景的復雜性，如：用戶開關門、壓縮機啟停、內路風循環等也會影響到傳感器的判別。

近些年的研究結果表明，不管是單一傳感器進行異味濃度監控，還是采用氣體傳感器陣列，結合模式識別方法，進行食物新鮮度判別，這些嘗試均取得了較好的識別效果。但是，這些研究大多僅能實現單一食材儲存時新鮮度的判別，在實際的冰箱儲藏場景，由于受限于儲藏食物種類的多樣性和復雜性，多種食材揮發氣體的相互干擾，增大了數據建模的難度，造成食物新鮮度判別在實際保鮮場景下還無法做到具體判斷何種食物發生或將要發生變質，在這些場景下的氣體釋放規律還需要更加深入的研究。

（2）氣體傳感器在烹飪上的應用

烹飪場景是氣體傳感器可能應用的另外一個重要場景。相較于保鮮，烹飪場景下食物通常較為單一，不存在多種食物同時烹飪的情況，這給數據建模工作減輕了難度。但更為復雜的是，烹飪中產生的高溫、油煙、水汽均對傳感器構成了一定影響，容易造成傳感器“中毒”。

事實上，組成烹飪過程產生的氣體化合物有幾百種之多，其主要氣體成分有顆粒物、烷烴、芳香族化合物、醛、酮、醇、烯烴等揮發性有機化合物和多環芳烴等半揮發性有機化合物。在這種氣體成分復雜的烹飪場景中，氣體傳感器陣列比單一傳感器顯示出更突出的優勢。近些年的研究結果表明，氣體傳感器陣列在烹飪領域具有很好的發展前景，例如基于個人口味確定熟食或油炸食品烹飪狀態，作為輔助膳食監測工具定期向用戶報告烹飪習慣等。

（3）氣體傳感器在健康監測上的應用

作為智能家電重要的發展方向，通過家電監測人體健康狀態，也離不開各種傳感器的支撐。相對于更成熟的冰箱和烹飪設備中的應用，氣體傳感器在健康監測中的應用還處于早期階段，這可能與相關的數據采集工作較為困難有關。人的呼出氣體中含有一些揮發性氣體成分，這些揮發性氣體成分中的特定生物標志物可以被用來作為指示人體健康的重要信息，暗示特定系統或器官中可能存在的疾病病征。雖然家電不同于具有疾病診斷功能的醫療器械，不側重于早期疾病診斷，但在日常的家庭健康檢測領域，仍然有許多氣體傳感器的潛在應用場景。

隨著越來越多的居家健康需求的出現，氣體傳感器陣列具有的低成本、非侵入和小型化等優點，使其作為輔助監測與實時監控方案，相信會越來越多地出現在口腔護理電器、智能坐便器等家電中。

氣體傳感器應用存在的問題

目前，氣體傳感器的壽命、漂移、一致性問題是制約其在家電中應用的主要難題。

根據氣體傳感器的原理不同，傳感器的壽命也長短不一。例如，半導體傳感器壽命約為2 ~ 3年，電化學氣體傳感器由于電解液損耗，壽命約為1 ~ 2年，固態電解質電化學傳感器則可達到5年。催化燃燒氣體傳感器受限于催化劑的影響，壽命約為3年。二氧化碳紅外傳感器使用壽命可達5 ~ 10年。傳感器的壽命還與傳感器的使用環境、頻率和待測氣體組分密切相關。

漂移是氣體傳感器在應用中無法避免的另一個問題。傳感器的漂移會直接影響氣體的測量精度，導致傳感器陣列的模式識別算法模型失效。目前用于改善傳感器漂移的方法有兩種，一是加強傳感器響應的穩定性和可靠性，使之盡可能少的產生漂移，這需要改進氣敏材料、提高制造工藝，具有一定的難度；另一種做法則是通過研究數據處理算法，補償或者抑制傳感器漂移對模式識別算法模型帶來的影響。

氣體傳感器在生產過程中，由于工藝精度等原因，氣敏膜的位置和厚度很難完全一致，導致同一批次或同一規格的氣體傳感器之間的響應性能會有差異。如何解決氣體傳感器一致性的問題，還需要進一步研究以找到有效的解決方案。

總結與展望

研究人員稱，針對氣體傳感器及其陣列應用所面臨的實際問題，可以從以下幾方面進行突破：（1）加強氣體傳感器陣列化的研究；（2）加強家電企業和傳感器企業的合作開發；（3）加強家電應用場景下的數據積累。通過加大氣體傳感器的應用研究，豐富氣體傳感器在各應用場景中的應用數據，優化智能算法，氣體傳感器將會在智能家電領域中發揮更大作用，創造出更多的新功能。

審核編輯：彭菁