一种异丙醇分子的协同检测系统及方法

1.本技术涉及气体检测技术领域，尤其涉及一种异丙醇分子的协同检测系统及方法。


背景技术：

2.异丙醇(ipa)是一种可燃的无色液体，具有果味和微苦的味道。它经常被用于清洁电子元件和去除集成电路芯片封装的热熔胶，且作为抗病毒洗手液的一个重要元素，大流行病一直在增加对ipa的需求。为对抗大流行病，研究了许多消除病毒的方法，如管理室内空气、增加气体通风、优化湿度水平、最大化空气过滤效率，以及广泛使用ipa。由于其广泛使用，在接触或吸入ipa分子的同时，可能会出现各种保健问题，如皮肤刺激、神经系统疾病和呼吸系统损害。尽管基于三电纳米发电机的生理学研究取得了进展，但现有的呼吸系统疾病检测不能揭示有毒气体的根本原因。因此，以快速和准确的方式检测ipa分子变得至关重要。然而，这些ipa传感器只能测量各种挥发性有机化合物(vocs)中的总气体浓度，并且表现出反应慢、选择性差和准确性不足的缺点。因此，一个能够快速反应、良好的选择性、抗干扰性和高灵敏度的传感系统对于ipa的识别非常重要。
3.离子迁移率和中红外光谱是识别气相化合物的两种著名分析技术。但是，传统的离子迁移率传感法有严格的测量环境要求的限制，而传统的中红外光谱法由于在低浓度鉴定时反应不佳而受到限制。在这一点上，这两种方法在ipa传感中都有其缺点，因此亟需一种反应快速、精确度高、抗干扰性强和灵敏度高的ipa分子检测方法。


技术实现要素：

4.本技术提供了一种异丙醇分子的协同检测系统及方法，其技术目的是提高ipa分子检测的反应速度、精确度、抗干扰性和灵敏度。
5.本技术的上述技术目的是通过以下技术方案得以实现的：
6.一种异丙醇分子的协同检测系统，包括：
7.离子迁移系统，用于获取ipa分子的离子迁移谱或对ipa分子的中红外光谱进行增强；
8.中红外光谱探测仪，用于获取ipa分子增强后的中红外光谱，得到ipa分子的增强中红外光谱；
9.预处理模块，用于分别对离子迁移谱和增强中红外光谱进行预处理；
10.分类模块，用于对预处理后的离子迁移谱进行分类，得到ipa分子的第一浓度范围；以及用于对预处理后的增强中红外光谱进行分类，得到ipa分子的第二浓度范围；
11.浓度检测模块，用于分别对第一浓度范围和第二浓度范围的浓度进行检测，得到第一ipa浓度和第二ipa浓度；
12.协同检测模块，对第一ipa浓度和第二ipa浓度进行协同处理，得到最终的ipa浓度。
13.进一步地，所述离子迁移系统包括尖端-板电极结构、高压组件和集流体；尖端-板电极结构用于为不同气体环境和离子迁移提供场所，集流体用于对离子迁移的暗电流进行收集以进行监测；高压组件用于发电以向离子迁移系统进行供电。
14.进一步地，所述高压组件为摩擦电纳米发电机，通过多开关操作形成机械振动以产生高压。
15.进一步地，当处理的数据为离子迁移谱时，所述预处理模块对数据进行归一化处理后，所述分类模块基于tsne算法和lda算法进行分类，所述浓度检测模块基于smote算法和dnn算法进行浓度回归。
16.进一步地，当处理的数据为增强中红外光谱时，所述预处理模块对数据进行标准校正后，再通过smote算法对数据进行增强，得到增强数据集，通过tsne算法对增强数据集进行分类，通过dnn算法对增强数据集进行浓度预测。
17.一种异丙醇分子的协同检测方法，该方法包括：
18.获取ipa分子的离子迁移谱或对ipa分子的中红外光谱进行增强；
19.获取ipa分子增强后的中红外光谱，得到ipa分子的增强中红外光谱；
20.分别对离子迁移谱和增强中红外光谱进行预处理；
21.对预处理后的离子迁移谱进行分类，得到ipa分子的第一浓度范围；以及对预处理后的增强中红外光谱进行分类，得到ipa分子的第二浓度范围；
22.分别对第一浓度范围和第二浓度范围的浓度进行检测，得到第一ipa浓度和第二ipa浓度；
23.对第一ipa浓度和第二ipa浓度进行协同处理，得到最终的ipa浓度。
24.本技术的有益效果在于：本技术所述的异丙醇分子的协同检测系统及方法，通过离子迁移系统的冷等离子体放电，对气体分子的红外光谱反应进行改善；预处理模块、分类模块、浓度检测模块及协同检测模块利用不同维度的传感信号的互补特征来达到异丙醇识别的卓越精度。且本技术创造了一种气体传感机制，在医疗保健方面的准确混合气体识别和浓度估测有较好的应用前景。
附图说明
25.图1为本技术所述协同检测系统的示意图；
26.图2a为离子迁移系统结构示意图；
27.图2b为通过离子迁移谱对ipa分子进行检测的流程图；
28.图2c为tsne+lda算法对不同浓度ipa分子进行分类的准确率示意图；
29.图3为增强中红外光谱的数据处理流程图；
30.图4为协同检测特点和深度学习方法的示意图。
具体实施方式
31.下面将结合附图对本技术技术方案进行详细说明。
32.本技术所述的异丙醇分子的协同检测系统包括离子迁移系统、中红外光谱探测仪、预处理模块、分类模块、浓度检测模块和协同检测模块。
33.如图2a所示，离子迁移系统包括尖端-板电极结构、高压组件和集流体；尖端-板电
极结构用于为不同气体环境和离子迁移提供场所，集流体用于对离子迁移的暗电流进行收集以进行监测；高压组件用于发电以向离子迁移系统进行供电。作为具体实施例地，本技术中高压组件为一种摩擦电纳米发电机，通过多开关操作形成机械振动以产生高压，据观察，在负载电阻为800mω的情况下，多开关操作摩擦电纳米发电机的电压范围可达约2700v。
34.通过ipa分子的离子迁移谱对ipa分子浓度进行估计时，通过离子迁移系统获取ipa分子的离子迁移谱后，通过预处理模块对ipa分子的离子迁移谱进行归一化预处理，如图2b所示。再通过分类模块对预处理后的离子迁移谱进行分类，得到ipa分子中的第一浓度范围，通过浓度检测模块对第一浓度范围的浓度进行检测，得到第一ipa浓度。
35.离子迁移谱的原始数据有其独特的模式，而在不同浓度(即1300ppm、800ppm、400ppm、215ppm)下，特定浓度的数据以清晰的模式进行。选择这些特定浓度的原因既有校准传感器(sky2000-voc)的限制，也有洗手液空气中ipa的范围，该范围足以显示空气质量状况。本技术选择的浓度(即1300ppm、800ppm、400ppm、215ppm)是评估协同检测系统的传感性能(宽范围和相应灵敏度)的参考。不同浓度的t-sne特征降维也可以通过pca进行降维。
36.由于离子迁移谱的模式是唯一的，代表了ipa分子的浓度，实验结果表明，不同浓度下的识别准确率可达约84.21％，如图2c所示。其中，准确率计算公式表示为：
[0037][0038]
为了提高ipa检测的准确性，采用不使用smote+dnn算法回归和使用smote+dnn算法回归的原始数据来伸入研究暗电流模式，smote+dnn算法的回归给出了明显的精度改进。另外，用于表示实际浓度、预测浓度和实际浓度的平均值的r2得分计算公式表示为：
[0039][0040]
本技术中，测试集的r2得分为0.96，这代表了良好的回归性能。
[0041]
通过ipa分子的中红外光谱对ipa分子浓度进行估计时，首先通过离子迁移系统产生的等离子体对ipa分子的中红外光谱进行增强，得到ipa分子的增强中红外光谱，等离子体大大增强了分子的性能，显著提高了灵敏度。然后通过预处理模块对增强中红外光谱进行预处理，再通过分类模块对预处理后的增强中红外光谱进行分类，得到ipa分子的第二浓度范围，通过浓度检测模块对第二浓度范围的浓度进行检测，得到第二ipa浓度。
[0042]
在波数为2400cm-1时，co2的响应比无等离子体时高1～3倍，显示了依赖于离子迁移率的差异以及离子迁移率在中红外光谱响应期间的影响。
[0043]
图3显示了用于增强中红外光谱的ai数据处理方法，以描述ipa分子的数据处理。数据处理包括标准校正、smote、tsne以及dnn算法。对数据进行标准校正后，再通过smote对ipa分子浓度的数据集进行增强，数据集增强后，通过tsne算法对ipa分子进行分类，并通过多层dnn对ipa分子浓度进行预测。
[0044]
在2500cm-1～3500cm-1的波数范围内，ipa分子浓度与中红外光谱响应的关系更便于观察。
[0045]
根据不同ipa浓度的中红外光谱响应的范围标度，参考拾取的浓度(即1300ppm、800ppm、400ppm、215ppm和0ppm)，得出结论：ipa分子的最小浓度取决于ftir设备的分辨率和ai工程的准确性。此外，检测限(lod)通过与噪声相关的设备性能进行评估。改进的beer
–
lambert方程可以很好地计算出光路长度和实际吸收数据的变化。为了准确评估实际测量
中的噪声，选择0ppmipa分子提取这些光谱的信号起伏。通过smote+dnn回归绘制总噪声和输出信号，分析ai增强imms(协同检测系统)的lod。0ppm噪声上的smote+dnn回归表明，基于改进的imms技术估计的平均误差，ipa的lod可以达到～40ppm的预测值。
[0046]
与三角形标记相比，平方标记的smote增强数据集具有更显著的t-sne特征和更紧凑的聚类，同时也说明了深度学习算法用于ipa分子识别的可行性。
[0047]
为了进一步澄清在大范围精度辨识上的差异，通过smote+dnn算法进行回归预测，在几乎每个ipa浓度下显示出良好的预测性能，smote的回归性能r2得分可以从0.91提高到0.97。
[0048]
得到第一ipa浓度和第二ipa浓度后，通过协同检测模块进行协同处理，得到最终话的ipa浓度。第一ipa浓度和第二ipa浓度均被发送到机器学习工具进行计算，如图4所示，协同检测方法中的ipa分子在超高压作用下发生剧烈的振动。将通过离子迁移谱和增强中红外光谱测得的第一ipa浓度和第二ipa浓度串联起来，采用t-sne算法进行特征提取，并采用dnn算法进行浓度估计。另一方面，对气体数据进行并行处理，利用lda算法对气体特征进行分类，以区分不同ipa浓度或不同种类的气体。针对ipa浓度，实现了ai增强的传感器融合机制。lda算法的目的是最大化类间方差，最小化类内方差。对于matlab中的正则化lda，假设所有类都具有相同的协方差矩阵，并且预测协方差处理如下：
[0049][0050]
其中表示经验、合并协方差矩阵，是正则化量。利用等离子体增强中红外光谱区或离子迁移率分析仪的标记数据训练lda模型。
[0051]
三种模式下ipa分子浓度估算的响应性能如表1所示：
[0052]
表1ipa浓度估算响应性能
[0053][0054][0055]
由表1可知，与单独的离子迁移谱法和中红外光谱法相比，imms协同机制的时间最长，但具有更宽的浓度检测范围和更高的精度。对比线性判别分析、支持向量机和决策树的结果表明，基于lda的人工智能方法以最少的时间开销和最高的精度达到了最佳的性能。为了评估人工智能增强方法在ipa识别中的有效性，我们将结果与支持向量机(svm、pca或dnn)和决策树进行了比较。在计算时间方面，基于lda的ipa识别方法花费的时间最少，为0.0382s，而基于svm和基于决策树的方法分别为0.0417s和0.8440s。另外，基于lda和决策
树的方法对混合气体中ipa的识别正确率均达到100％，基于svm的方法正确率达到96.97％。结果表明，基于lda的人工智能方法以最少的时间开销和最高的精度获得了最好的性能。
[0056]
为了验证不同分割比训练的验证以更高的精度和更低的估计误差，选择了70:30、75:25和80:20的训练集/测试集分割比设置。结果表明，在ai-imms分子计算中，80:20的训练效果最好。然而，考虑到训练样本较多，正式实验的比例选择为70:30。
[0057]
ipa作为vocs家族中的重要元素之一，可影响人体健康，用于各种疾病的评估。由于covid-19广泛使用ipa作为抗病毒洗手液，许多研究表明，根据ipa水平可以反映肺癌的程度，作为早期诊断的特异性标志物值得高度重视和研究。为了进一步证明混合气体中ipa的检测，将ipa与一种、两种或三种不同物种混合出现以进行验证。在ipa气体混合物中，较高的ipa浓度在～1800cm-1的波数处产生较强的峰值响应，这表明可以很好地识别不同气体组分的峰值响应。气体种类由分子在特定波数下的独特模式响应决定，而气体浓度由响应值指示。结果表明，pca算法和lda算法得到的最佳模型精度在100％左右，因此，ai增强方法演示了ipa字符的识别。此外，来自离子迁移率的暗电流可以表示为独特的图案，结果表明数据点簇被定向到特定浓度。使用辅助传感融合技术和dnn，浓度估计达到约0.99r2评分的结果，与单个测量相比有所改进。此外，在sne和lda方法的辅助下，产生了～99.08％的准确率。因此，ai增强方法证明了ipa特征及其浓度的识别。
[0058]
综上所述，本技术提出的一种异丙醇分子的协同检测系统及方法，以实现对气体混合物的快速响应和准确检测。提出了一种用于高压等离子体的摩擦电纳米发生器，克服了环境压力对离子迁移率的限制以及气体分子的弱响应和反射检测，限制了中红外光谱的应用。与传统方法相比，人工智能通过自动提取特定特征来增强自供电离子迁移率，其精度高出近两倍。研究还表明，摩擦发电机产生的冷等离子体增强了ipa传感的中红外响应，并通过深度学习实现了良好的线性预测。此外，数据处理可以消除本底校准根据我们的观察与劳动消耗的影响。针对ipa检测中存在的问题，通过对imms数据的特征提取，验证了ai增强方法的有效性，提取正确率为99.08％。该方法能够对采集到的数据进行多模态处理，并与现有方法相结合，实现协同机制。

技术特征：
1.一种异丙醇分子的协同检测系统，其特征在于，包括：离子迁移系统，用于获取ipa分子的离子迁移谱或对ipa分子的中红外光谱进行增强；中红外光谱探测仪，用于获取ipa分子增强后的中红外光谱，得到ipa分子的增强中红外光谱；预处理模块，用于分别对离子迁移谱和增强中红外光谱进行预处理；分类模块，用于对预处理后的离子迁移谱进行分类，得到ipa分子的第一浓度范围；以及用于对预处理后的增强中红外光谱进行分类，得到ipa分子的第二浓度范围；浓度检测模块，用于分别对第一浓度范围和第二浓度范围的浓度进行检测，得到第一ipa浓度和第二ipa浓度；协同检测模块，对第一ipa浓度和第二ipa浓度进行协同处理，得到最终的ipa浓度。2.如权利要求1所述的系统，其特征在于，所述离子迁移系统包括尖端-板电极结构、高压组件和集流体；尖端-板电极结构用于为不同气体环境和离子迁移提供场所，集流体用于对离子迁移的暗电流进行收集以进行监测；高压组件用于发电以向离子迁移系统进行供电。3.如权利要求2所述的系统，其特征在于，所述高压组件为摩擦电纳米发电机，通过多开关操作形成机械振动以产生高压。4.如权利要求1所述的系统，其特征在于，当处理的数据为离子迁移谱时，所述预处理模块对数据进行归一化处理后，所述分类模块基于tsne算法和lda算法进行分类，所述浓度检测模块基于smote算法和dnn算法进行浓度回归。5.如权利要求1所述的系统，其特征在于，当处理的数据为增强中红外光谱时，所述预处理模块对数据进行标准校正后，再通过smote算法对数据进行增强，得到增强数据集，通过tsne算法对增强数据集进行分类，通过dnn算法对增强数据集进行浓度预测。6.一种异丙醇分子的协同检测方法，其特征在于，该方法包括：获取ipa分子的离子迁移谱或对ipa分子的中红外光谱进行增强；获取ipa分子增强后的中红外光谱，得到ipa分子的增强中红外光谱；分别对离子迁移谱和增强中红外光谱进行预处理；对预处理后的离子迁移谱进行分类，得到ipa分子的第一浓度范围；以及对预处理后的增强中红外光谱进行分类，得到ipa分子的第二浓度范围；分别对第一浓度范围和第二浓度范围的浓度进行检测，得到第一ipa浓度和第二ipa浓度；对第一ipa浓度和第二ipa浓度进行协同处理，得到最终的ipa浓度。

技术总结
本发明公开了一种异丙醇分子的协同检测系统及方法，涉及气体检测技术领域，解决了IPA分子检测的反应速度较慢且精确度不够高的技术问题，其技术方案要点是通过离子迁移系统的冷等离子体放电，对气体分子的红外光谱反应进行改善；预处理模块、分类模块、浓度检测模块及协同检测模块利用不同维度的传感信号的互补特征来达到异丙醇识别的卓越精度。且本申请创造了一种气体传感机制，在医疗保健方面的准确混合气体识别和浓度估测有较好的应用前景。混合气体识别和浓度估测有较好的应用前景。混合气体识别和浓度估测有较好的应用前景。


技术研发人员：朱建雄 季善玲 杨雅馨 夏志杰
受保护的技术使用者：东南大学
技术研发日：2023.05.23
技术公布日：2023/8/14