钯纳米帽氢传感器
响应快3.7倍
将光谱信号转换为图像并结合卷积神经网络，实现对氢浓度的准确预测，响应时间和信噪比大幅提升。
Lin, Xiangxin · Mingyu, Cheng · Chen, Xinyi · Zhao, Yiping · Ai, Bin
ACS Sensors 2024
参数信息
- 平均预测准确率（纯氢）
- 0.95
- 平均预测准确率（混合气体）
- 0.97
- 响应时间缩短倍数（最大）
- 3.7
- 响应时间缩短倍数（平均）
- 2.1
- 信噪比提升倍数（最大）
- 9.3
- 信噪比提升倍数（平均）
- 3.9
- 检测限
- 3 Pa
技术优势
响应快3.7倍
通过相空间重构和卷积神经网络提取特征，将光谱信号转换为图像处理，避免传统逐点扫描的时间延迟。
信噪比提升9.3倍
相空间重构将一维光谱映射到高维空间，卷积神经网络从中提取鲁棒特征，有效抑制噪声。
检测限降至3 Pa
利用神经网络对微弱信号变化的敏感度，从16 Pa外推至3 Pa，实现更低浓度氢的检测。
混合气体也准
在混合气体环境中平均准确率达0.97，证明模型能区分氢与其他气体的光谱特征，抗干扰能力强。
应用场景
- 氢气检测：准确预测氢浓度，替代传统逐点扫描检测，提升效率。
- 无电子氢传感：在氢环境中无需电子器件，实现远程光学传感，避免电火花风险。
- 氢能安全监测：快速响应与低检测限可及时发现氢泄漏，预防爆炸等安全事故。
- 等离子体传感：利用钯纳米帽的等离子体共振对氢敏感，实现高灵敏光学检测。
- 智能光谱分析：将光谱信号转换为图像并用卷积神经网络分析，提高氢浓度预测精度。