CN109781947A - 一种基于量子点的电子鼻芯片及其设计方法 - Google Patents
一种基于量子点的电子鼻芯片及其设计方法 Download PDFInfo
- Publication number
- CN109781947A CN109781947A CN201910143612.9A CN201910143612A CN109781947A CN 109781947 A CN109781947 A CN 109781947A CN 201910143612 A CN201910143612 A CN 201910143612A CN 109781947 A CN109781947 A CN 109781947A
- Authority
- CN
- China
- Prior art keywords
- quantum dot
- electronic nose
- design
- gas
- gas sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Semiconductor Integrated Circuits (AREA)
- Light Receiving Elements (AREA)
Abstract
本发明属于半导体器件与集成系统技术领域,具体公开了一种基于量子点的电子鼻芯片及其设计方法,其中设计方法包括以下步骤:(1)电子鼻芯片上气体传感器阵列的设计:(1‑1)以量子点材料作为嗅觉受体材料,设计量子点气体传感器单元,设计得到在衬底上的电阻型或场效应晶体管型传感器单元;(1‑2)基于量子点气体传感器单元设计采用MEMS或TFT器件结构的量子点传感器阵列;(2)设计信号处理单元与微控制单元。本发明使用量子点材料作为嗅觉受体材料,设计并制备微纳气体传感器,结合MEMS和TFT器件结构得到传感器阵列,并在芯片上集成包含模式识别算法的MCU和信号处理单元,可得到高灵敏、小体积、低功耗的量子点电子鼻芯片。
Description
技术领域
本发明属于半导体器件与集成系统技术领域,更具体地,涉及一种基于量子点的电子鼻芯片及其设计方法,该电子鼻芯片具体以量子点为气敏材料,利用此设计方法,可将气体传感器阵列、包含模式识别算法的MCU和信号处理单元集成在一个芯片系统上。
背景技术
气味/气体分子是客观世界一种极为重要的化学信息,环境物联网、工农业生产、军事国防等领域对提高气体检测手段的灵敏度、特异性及其时空分辨率有着迫切需求。电子鼻芯片是利用气体传感器阵列和模式识别技术来模仿生物嗅觉器官的人工嗅觉系统,能够实现多组分复杂气氛环境对目标气体的高灵敏度、高选择性检测。
目前,现阶段的人工嗅觉系统分成气体传感器阵列为主的硬件部分和以模式识别算法研究为主的软件部分,电子鼻的发展需要解决传感器技术革新和模式识别算法融合两个问题。电子鼻传感器阵列主要由多个具有交叉灵敏度气体传感器组成,使用的多种类型的气体传感器,包括金属氧化物半导体材料(SnO2、ZnO、Fe2O3、WO3等)传感器、光电传感器、声表面波传感器、量子点(PbS、PbSe)半导体材料传感器。其中金属氧化物半导体材料在实际使用时必须加热到较高的工作温度(300~600℃),传感器阵列功耗极大。量子点材料量子效应显著,利于嗅觉机理研究;表面活性位点丰富,利于表面修饰从而特异性地识别气味分子,量子点的电阻会随气体分子的吸附而发生变化,类似于嗅体细胞产生电信号,因而是一种理想的人工嗅觉受体材料。此外,量子点材料适于柔性微纳集成,能够实现CMOS芯片集成,满足电子鼻芯片对高灵敏、小体积、低功耗的要求。
2007年Barbri等人利用包含六个金属氧化物气体传感器的阵列检测了沙丁鱼肉在4℃贮存条件下香气成分的变化。他们将新买的沙丁鱼放置在4℃温度条件下,得到1、3、5、7、9、11、13和15天中传感器对香气物质的响应。同时与气相色谱-质谱联用仪的结果对比,金属氧化物电子鼻的结果更加简易地实现了分类。但这些气体传感器需要在400℃的加热电压下工作,功耗极高,而且单个传感器大,无法满足传感器阵列微型化的需求。
2012年王平等人提出了一种基于MOS-SAW检测单元的混合电子鼻系统应用于肺癌诊断,MOS气体传感器用于检测低分子量的VOC分子,SAW传感器用于检测高分子量的VOC分子,该电子鼻系统采用单一种类的传感器,运用四种算法,建立了六种模型,通过留一法交叉验证方法对89个临床样本进行测试,最高灵敏度为93.62%,最高选择性为83.37%。但这种电子鼻系统测试时间较长,需引入快速气相色谱技术,而且器件尺寸过大,无法满足电子鼻芯片小体积要求。
2017年窦新存等人将基于SiNWs/ZnO/rGO光电肖特基结传感器的人工嗅觉系统应用到检测爆炸性蒸汽上。利用其对爆炸性蒸汽敏感、快速变化的光响应,以及光电肖特基传感器在不同光照下的半选择特性,实现了具有单个传感器的传感阵列,在PCA图的帮助下,其光电感应阵列可以区分不同的饱和爆炸性蒸汽,但这种单个传感器的传感阵列只能初步估算出某种爆炸物的近似浓度,无法满足电子鼻芯片高精度要求。
美国Cyrano-Science公司开发的Cyranose 320型便捷式电子鼻是一款经济高效的手持式分析仪,是目前技术较为先进、使用范围也比较广泛的嗅觉传感系统之一,应用于食品生产、环境保护、医疗诊断以及化学品分析鉴定等领域。这些电子鼻商业化应用仪器设备,主要以手提的取样操作器和传感器阵列为主,将数据通过无线蓝牙或者传输线传输到计算机上进行模式识别处理,无法满足电子鼻芯片将传感器阵列与信号处理电路集成的需求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明的目的在于提供一种基于量子点的电子鼻芯片及其设计方法,其中通过对关键的气体传感器阵列的整体设计流程,以及配合气体传感器阵列工作的信号处理单元与微控制单元的设置方式及相应设计方式等进行改进,与现有技术相比能够有效解决电子鼻芯片存在的功耗高、集成度低、精度不高等问题,本发明设计及制备得到的量子点电子鼻芯片能够高灵敏、特异性识别气体分子,并有自主处理能力。
为实现上述目的,按照本发明的一个方面,提供了一种基于量子点的电子鼻芯片的设计方法,其特征在于,包括以下步骤:
(1)电子鼻芯片上气体传感器阵列的设计:
(1-1)以量子点材料作为嗅觉受体材料,设计量子点气体传感器单元;设计得到的量子点气体传感器单元具体是量子点材料附着在衬底上得到的电阻型晶体管传感器单元或场效应晶体管型传感器单元;
(1-2)基于所述步骤(1-1)得到的所述量子点气体传感器单元设计量子点传感器阵列,该量子点传感器阵列是采用MEMS器件结构或TFT器件结构;
(2)电子鼻芯片上配合所述气体传感器阵列工作的信号处理单元与微控制单元的设计:
(2-1)信号处理单元的设计:设计信号处理电路对所述步骤(1)得到的所述量子点传感器阵列的响应数据进行特征提取,得到提取的数据;
(2-2)微控制单元的设计:该微控制单元包含模式识别算法,利用参数已知的待检测气体及该待检测气体气氛下所述信号处理单元提取的数据,采用模式识别算法对电子鼻进行训练和标定。
作为本发明的进一步优选,所述步骤(1-1)中,设计得到的所述微纳气体传感器单元是利用第一性原理计算设计得到的,所述第一性原理计算用于优化该量子点气体传感器单元所采用的量子点材料的组分、尺寸、形貌、晶面结构、及复合界面中的一种或多种。
作为本发明的进一步优选,所述步骤(1-1)中,所述量子点材料为氧化物量子点材料或硫化物量子点材料,或是这些氧化物量子点材料或硫化物量子点材料与层状材料组成的复合量子点材料;其中,所述氧化物量子点材料包括SnO2或WO3,所述硫化物量子点材料包括PbS或CdS,所述层状材料优选为石墨烯。
作为本发明的进一步优选,所述步骤(1-2)中,设计采用MEMS器件结构或TFT器件结构的量子点传感器阵列还对应着优化的外加光场条件和/或及外加电场条件,具体是在设计采用MEMS器件结构或TFT器件结构的量子点传感器阵列时引入紫外-可见光-近红外光场激发手段、或变化的待检测气体、或外加电场,调控该量子点传感器阵列在目标工作温度条件下的气敏特性,得到优化的外加光场条件和/或外加电场条件;所述气敏特性包括灵敏度、选择性、稳定性、响应时间及恢复时间中的至少一种。
作为本发明的进一步优选,所述步骤(2-1)中,所述设计信号处理电路是基于FPGA或CPLD。
作为本发明的进一步优选,所述步骤(2-2)中,所述模式识别算法包括K-NN、贝叶斯方法、主元分析法、LDA算法、非负矩阵分解法、GMM高斯混合模型、人工神经网络中的任意一种。
按照本发明的另一方面,本发明提供了利用上述设计方法得到的基于量子点的电子鼻芯片。
按照本发明的又一方面,本发明提供了上述电子鼻芯片的制备方法,其特征在于,该制备方法包括制备量子点气体传感器单元的步骤,该步骤具体是将量子点材料以薄膜沉积的方式附着在衬底上的,由此形成量子点材料膜。
作为本发明的进一步优选,所述薄膜沉积的方式是将胶体量子点涂覆在衬底上成膜,所述涂覆具体是采用滴涂、旋涂或刷涂;优选的,所述薄膜沉积的方式具体是采用点胶方式或喷涂方式。
通过本发明所构思的以上技术方案,与现有技术相比,相较于现有技术中大部分电子鼻芯片存在功耗高,集成度低,精度不高等问题,本发明设计制备得到的量子点电子鼻芯片能够高灵敏、特异性识别气体分子,并有自主处理能力。
本发明中基于量子点的电子鼻芯片设计方法,是使用量子点材料作为嗅觉受体材料,制备微纳气体传感器,结合MEMS和TFT器件结构,模仿初级神经元设计传感器阵列,将量子点传感器阵列、包含模式识别算法的MCU(即微控制单元)和信号处理单元共同集成在芯片上,各个器件单元可以独立工作产生数据后并行传递给信号处理单元,完成高灵敏、小体积、低功耗的量子点电子鼻芯片设计。其中,TFT器件结构包括底栅顶接触式结构或底栅底接触式结构。底栅顶接触式结构的薄膜场效应晶体管自下而上可以包括衬底、栅极绝缘层、沟道有源层,在所述沟道有源层上还沉积有源电极和漏电极,沟道有源层为量子点材料沉积形成的量子点薄膜;所述衬底还引出有栅电极,由此构成薄膜场效应晶体管;底栅底接触式结构的薄膜场效应晶体管自下而上可以包括衬底、栅极绝缘层,在栅极绝缘层上还沉积有源电极和漏电极,沟道有源层覆盖在所述源电极和所述漏电极的上方,沟道有源层为量子点材料沉积形成的量子点薄膜;衬底还引出有栅电极,由此构成薄膜场效应晶体管。MEMS器件工艺流程可以是利用深槽加工工艺在块体硅上制备倒扣的绝热槽,然后在采用PECVD在上层淀积氮化硅层,再通过光刻、离子反应刻蚀工艺沉积热电阻层(Pt),并引出加热层电极,在加热层上方溅射信号电极,进而涂覆量子点气体敏感层。另一方面,量子点电子鼻芯片的体积与功耗与器件个数相关,器件个数越多,体积和功耗往往越大,本发明得到的电子鼻芯片其典型功耗<100mW,以传感器数量在20个以下为例,本发明中的电子鼻芯片其尺寸完全可以做到厘米级别。另外,对于本发明中的电子鼻芯片,单芯片感知器件数目可以为10-100个,典型响应时间T90<10s,恢复时间T10<20s,识别准确率>90%。
本发明通过对量子点气体传感器单元进行设计,可针对不同气体分子的分子结构和振动频率,对量子点嗅觉受体的晶格原子和表面配体的组成与结构进行定向设计与重构,还可以辅以数值计算与仿真分析,建立理论模型揭示嗅觉受体与不同气体分子作用过程。依据生物嗅觉原理,设计电子鼻芯片的结构和微纳加工,例如可结合MEMS微热板技术,制备出基于传感器阵列的电子鼻芯片。辅以“光-电-气”原位表征技术,对电子鼻芯片功能验证和性能分析。采用信号处理单元和人工神经网络等模式识别算法,针对目标气体的组分与浓度,对电子鼻进行训练和标定,提高芯片识别准确度,达到功能类似生物、性能超越生物的量子点电子鼻芯片。具体来说的话:
1、本发明可以通过改变量子点合成条件调控原子级微观特征(如组分、尺寸、形貌、晶面结构、复合界面等),辅以诸如第一性原理进行计算,计算比较量子点不同晶面的吸附能,研究不同气体分子的吸附特性,建立量子点-气体反应机理模型,设计并指导后续实际制备得到高质量的量子点嗅觉受体材料。
2、本发明还可以优化量子点在硅基MEMS微热板上成膜特性,引入紫外-可见光-近红外光场激发手段,调控传感器在近室温工作条件下的响应/恢复速率等气敏特性,协同提升对低浓度目标气体的灵敏度与选择性;采用多场探针台配合半导体参数测试仪及动态气路,通过“光场-电场-气体”多物理场原位联用表征手段测试传感单元的气敏特性(灵敏度、选择性、稳定性、响应/恢复时间)随外加电场、光场的调控规律,辅以诸如漫反射傅里叶变换红外光谱(DRIFTS)原位谱学技术明晰吸附气体在量子点嗅觉受体表面的作用过程。
3、本发明还可以采用模式识别算法对输入样本进行训练,将已识别的分类结果与已知的输入模式做对比并不断修正,制定错误率最小的判决规则,建立量子人工嗅觉的深度学习训练方法,完成对电子鼻进行训练和标定。
传统气体传感器通常在高温下工作,无法做到片上系统集成,而本发明中的量子点气体传感器可在不影响其性能的情况下在近室温下工作(工作温度可以为0~100℃),从而能够满足片上系统集成的要求。也就是说,本发明所得量子点气体传感器可在近室温条件下工作,且不影响其性能,避免了现有技术中已有的量子点气体传感器由于工作温度较高导致无法集成的问题。
本发明可以通过现有技术中的方法(如溶剂热法、水热法、热注入法、阳离子交换、原位卤素钝化等方法)合成氧化物和硫化物的量子点及其复合材料,然后采用现有技术中成熟的点胶、喷涂等量子点薄膜沉积技术,制备出适于近室温工作的电阻型或场效应晶体管型传感器单元(工作温度可以为0~100℃),并以此传感器单元为基础,设计并制备出量子点嗅元阵列。本发明还通过在电子鼻芯片上设计配合气体传感器阵列工作的信号处理单元与微控制单元,结合现有技术中成熟的设计方法设计信号处理电路从而对量子点传感器的响应数据进行特征提取(特征数据类型例如可以包括灵敏度,响应时间等),并采用现有技术中成熟的模式识别算法完成对电子鼻进行训练和标定,最终可以实现高灵敏、特异性识别及自主处理能力的量子点电子鼻芯片。
附图说明
图1是WO3MEMS气体传感器检测10ppm H2S气体响应图。
图2是WO3MEMS气体传感器检测10ppm NO2气体响应图。
图3是本发明实施方式中量子点电子鼻芯片的一种结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明中基于量子点的电子鼻芯片的设计方法,采用点胶、喷涂等量子点薄膜沉积技术,设计并制备出近室温工作的量子点嗅元阵列。结合信号处理电路对量子点传感器的响应数据进行特征提取,采用模式识别算法完成对电子鼻进行训练和标定,最终实现高灵敏、特异性识别及自主处理能力的量子点电子鼻芯片。
本发明的电子鼻芯片主要可包括:气体传感器阵列、包含模式识别算法的MCU和信号处理单元。气体传感器单元为电阻型或场效应晶体管型,气体传感器阵列为MEMS或TFT器件结构,可以利用现有技术中的模式识别算法包括K-NN、贝叶斯方法、主元分析法、LDA算法、非负矩阵分解法、GMM高斯混合模型、人工神经网络等,信号处理单元也可以由现有技术中的FPGA或CPLD设计完成。
本发明一个实施方式的量子点电子鼻芯片的设计方法包括如下步骤:
(1)制备量子点嗅觉受体材料。具体地,通过溶剂热法、水热法、热注入法、阳离子交换和原位卤素钝化等方法合成氧化物和硫化物的量子点及其复合材料;
(2)量子点薄膜沉积技术。具体地,胶体量子点可在室温下以滴涂、旋涂、刷涂等方式涂覆在衬底上成膜,制备出适于近室温工作的电阻型或场效应晶体管型传感器单元;这两种传感器单元具体结构可以如下:TFT器件结构可以包括底栅顶接触式结构或底栅底接触式结构;底栅顶接触式结构的薄膜场效应晶体管自下而上可以包括衬底、栅极绝缘层、沟道有源层,在所述沟道有源层上还沉积有源电极和漏电极,沟道有源层为量子点材料沉积形成的量子点薄膜;所述衬底还引出有栅电极,由此构成薄膜场效应晶体管;底栅底接触式结构的薄膜场效应晶体管自下而上可以包括衬底、栅极绝缘层,在栅极绝缘层上还沉积有源电极和漏电极,沟道有源层覆盖在所述源电极和所述漏电极的上方,沟道有源层为量子点材料沉积形成的量子点薄膜;衬底还引出有栅电极,由此构成薄膜场效应晶体管。MEMS器件工艺流程可以是利用深槽加工工艺在块体硅上制备倒扣的绝热槽,然后在采用PECVD在上层淀积氮化硅层,再通过光刻、离子反应刻蚀工艺沉积热电阻层(如Pt),并引出加热层电极,在加热层上方溅射信号电极,进而涂覆量子点气体敏感层。
(3)以上述传感器单元为基础,设计并制备传感器阵列。具体地,可以借鉴现有技术采用MEMS或TFT器件结构。各个器件单元独立工作产生数据后并行传递给信号处理单元。
(4)结合信号处理电路对量子点传感器阵列的响应数据进行特征提取。具体地,信号处理电路可以采用现有技术中的FPGA或CPLD设计完成。
(5)对提取的数据采用模式识别算法对电子鼻进行训练和标定。具体地,可用现有技术中的K-NN、贝叶斯方法、主元分析法、LDA算法、非负矩阵分解法、GMM高斯混合模型、人工神经网络等模式识别算法。
以下为具体实施例。
实施例1
(1)制备SnO2量子点材料。其中SnO2量子点是用SnCl4·5H2O作为锡源,溶剂热法合成。具体地,向50ml烧杯中加入20ml油酸、2.5ml油胺、0.6g SnCl4·5H2O,超声搅拌直至SnCl4·5H2O完全溶解,再向其中加入10ml乙醇,继续超声搅拌至溶液分散均匀,将混合后的溶液转移至不锈钢反应釜中,在180℃下反应8h,然后通过冷水浴冷却至室温;收集沉淀,用无水乙醇和甲苯洗涤数次,分散至甲苯溶液中得到20mg/ml的SnO2量子点溶液。(2)通过喷墨打印的方式将量子点材料涂覆在MEMS衬底上成膜,制备出电阻型传感器单元,以此传感器单元为基础,结合微纳集成设计并制备MEMS传感器阵列。(3)采用FPGA设计信号处理电路,将MCU、ADC模块、电源模块等通过CMOS工艺集成在芯片中,再将MEMS传感器阵列集成在芯片上。(4)在MCU中输入人工神经网络等模式识别算法。
其中,步骤(2)中MEMS器件工艺流程具体可以如下:利用深槽加工工艺在块体硅上制备倒扣的绝热槽,然后在采用PECVD在上层淀积氮化硅层,再通过光刻、离子反应刻蚀工艺沉积热电阻层(Pt),并引出加热层电极,在加热层上方溅射信号电极,进而涂覆量子点气体敏感层。
实施例2
(1)制备PbS量子点材料。其中Pbs量子点是用PbO作为铅源,TMS为硫源,热注入法合成。具体地,取1.8g氧化铅,6mL油酸,20mL十八烯于三口烧瓶中高速搅拌,抽真空后将该前驱物温度升至120℃。在手套箱中用移液枪取280uL TMS溶解到抽过真空的10ml十八烯中,制备硫的前驱物。在氮气环境下将硫的前驱物快速注入到铅的前驱物中,反应30s后放入冷水浴中快速冷却。收集沉淀,用甲苯丙酮洗涤数次,分散至正辛烷溶液中得到20mg/ml的PbS量子点溶液。(2)通过滴涂的方式将量子点材料涂覆在晶体管上成膜,制备出适于场效应晶体管型传感器单元,以此传感器单元为基础,结合微纳集成设计并制备TFT器件结构传感器阵列。(3)采用CPLD设计信号处理电路,将MCU、ADC模块、电源模块等通过CMOS工艺集成在芯片中,再将TFT器件结构传感器阵列集成在芯片上。(4)在MCU中输入主元分析法等模式识别算法。
其中,步骤(2)中TFT器件结构可以包括底栅顶接触式结构或底栅底接触式结构。其中:
底栅顶接触式结构的薄膜场效应晶体管自下而上包括衬底、栅极绝缘层、沟道有源层,在所述沟道有源层上还沉积有源电极和漏电极,沟道有源层为量子点材料沉积形成的量子点薄膜;所述衬底还引出有栅电极,由此构成薄膜场效应晶体管;
底栅底接触式结构的薄膜场效应晶体管自下而上包括衬底、栅极绝缘层,在栅极绝缘层上还沉积有源电极和漏电极,沟道有源层覆盖在所述源电极和所述漏电极的上方,沟道有源层为量子点材料沉积形成的量子点薄膜;衬底还引出有栅电极,由此构成薄膜场效应晶体管。
为了进一步验证,基于上述实施例1、实施例2,本发明还对实施例1、实施例2得到的量子点电子鼻芯片非集成状态下的单个器件进行了检测,具体数据如图1、图2所示,其中,图1为WO3MEMS气体传感器在1.5V加热电压下检测10ppm H2S气体的响应图,图2为WO3MEMS气体传感器在1.5V加热电压下检测10ppm NO2气体的响应图。
除了上述实施例中给出的具体的量子点制备方法外,本发明还可以采用现有技术中的其他方法,如溶剂热法、水热法、热注入法、阳离子交换和原位卤素钝化等方法合成氧化物和硫化物的量子点及其复合材料。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于量子点的电子鼻芯片的设计方法,其特征在于,包括以下步骤:
(1)电子鼻芯片上气体传感器阵列的设计:
(1-1)以量子点材料作为嗅觉受体材料,设计量子点气体传感器单元;设计得到的量子点气体传感器单元具体是量子点材料附着在衬底上得到的电阻型晶体管传感器单元或场效应晶体管型传感器单元;
(1-2)基于所述步骤(1-1)得到的所述量子点气体传感器单元设计量子点传感器阵列,该量子点传感器阵列是采用MEMS器件结构或TFT器件结构;
(2)电子鼻芯片上配合所述气体传感器阵列工作的信号处理单元与微控制单元的设计:
(2-1)信号处理单元的设计:设计信号处理电路对所述步骤(1)得到的所述量子点传感器阵列的响应数据进行特征提取,得到提取的数据;
(2-2)微控制单元的设计:该微控制单元包含模式识别算法,利用参数已知的待检测气体及该待检测气体气氛下所述信号处理单元提取的数据,采用模式识别算法对电子鼻进行训练和标定。
2.如权利要求1所述基于量子点的电子鼻芯片的设计方法,其特征在于,所述步骤(1-1)中,设计得到的所述微纳气体传感器单元是利用第一性原理计算设计得到的,所述第一性原理计算用于优化该量子点气体传感器单元所采用的量子点材料的组分、尺寸、形貌、晶面结构、及复合界面中的一种或多种。
3.如权利要求1所述基于量子点的电子鼻芯片的设计方法,其特征在于,所述步骤(1-1)中,所述量子点材料为氧化物量子点材料或硫化物量子点材料,或是这些氧化物量子点材料或硫化物量子点材料与层状材料组成的复合量子点材料;其中,所述氧化物量子点材料包括SnO2或WO3,所述硫化物量子点材料包括PbS或CdS,所述层状材料优选为石墨烯。
4.如权利要求1所述基于量子点的电子鼻芯片的设计方法,其特征在于,所述步骤(1-2)中,设计采用MEMS器件结构或TFT器件结构的量子点传感器阵列还对应着优化的外加光场条件和/或及外加电场条件,具体是在设计采用MEMS器件结构或TFT器件结构的量子点传感器阵列时引入紫外-可见光-近红外光场激发手段、或变化的待检测气体、或外加电场,调控该量子点传感器阵列在目标工作温度条件下的气敏特性,得到优化的外加光场条件和/或外加电场条件;所述气敏特性包括灵敏度、选择性、稳定性、响应时间及恢复时间中的至少一种。
5.如权利要求1所述基于量子点的电子鼻芯片的设计方法,其特征在于,所述步骤(2-1)中,所述设计信号处理电路是基于FPGA或CPLD。
6.如权利要求1所述基于量子点的电子鼻芯片的设计方法,其特征在于,所述步骤(2-2)中,所述模式识别算法包括K-NN、贝叶斯方法、主元分析法、LDA算法、非负矩阵分解法、GMM高斯混合模型、人工神经网络中的任意一种。
7.利用如权利要求1-6任意一项所述设计方法得到的基于量子点的电子鼻芯片。
8.制备如权利要求7所述电子鼻芯片的制备方法,其特征在于,该制备方法包括制备量子点气体传感器单元的步骤,该步骤具体是将量子点材料以薄膜沉积的方式附着在衬底上的,由此形成量子点材料膜。
9.如权利要求8所述制备方法,其特征在于,所述薄膜沉积的方式是将胶体量子点涂覆在衬底上成膜,所述涂覆具体是采用滴涂、旋涂或刷涂;优选的,所述薄膜沉积的方式具体是采用点胶方式或喷涂方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143612.9A CN109781947B (zh) | 2019-02-27 | 2019-02-27 | 一种基于量子点的电子鼻芯片及其设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910143612.9A CN109781947B (zh) | 2019-02-27 | 2019-02-27 | 一种基于量子点的电子鼻芯片及其设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109781947A true CN109781947A (zh) | 2019-05-21 |
CN109781947B CN109781947B (zh) | 2021-01-19 |
Family
ID=66487194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910143612.9A Active CN109781947B (zh) | 2019-02-27 | 2019-02-27 | 一种基于量子点的电子鼻芯片及其设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109781947B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110231366A (zh) * | 2019-06-21 | 2019-09-13 | 重庆大学 | 基于多传感器电子鼻的共形气室及气体测试系统和方法 |
CN110361423A (zh) * | 2019-07-12 | 2019-10-22 | 北京机械设备研究所 | Mems气体传感器和提高mems气体传感器稳定性的方法 |
CN110845152A (zh) * | 2019-11-21 | 2020-02-28 | 深圳大学 | 一种改性胶体量子点薄膜的声表面波气体传感器及其制备方法 |
CN112101537A (zh) * | 2020-09-17 | 2020-12-18 | 广东高云半导体科技股份有限公司 | Cnn加速器和电子设备 |
WO2021057590A1 (zh) * | 2019-09-29 | 2021-04-01 | 杭州汇健科技有限公司 | 石墨烯材料电阻式气体传感阵列的制备方法及其应用方法 |
CN113588876A (zh) * | 2021-07-13 | 2021-11-02 | 有研工程技术研究院有限公司 | 一种提高二氧化氮半导体传感器选择性的方法 |
CN114113495A (zh) * | 2021-12-27 | 2022-03-01 | 中国科学技术大学 | 一种高精度低功耗全集成的便携式电子鼻 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101135689A (zh) * | 2007-09-21 | 2008-03-05 | 华中科技大学 | 一种电子鼻开发平台 |
CN101226166A (zh) * | 2008-01-31 | 2008-07-23 | 浙江大学 | 用于现场检测的低功耗手持式电子鼻系统 |
CN101563599A (zh) * | 2006-12-22 | 2009-10-21 | 研究三角协会 | 聚合物纳米纤维基电子鼻 |
CN103675034A (zh) * | 2013-11-29 | 2014-03-26 | 华中科技大学 | 一种半导体电阻式气体传感器及其制备方法 |
CN105572202A (zh) * | 2015-12-11 | 2016-05-11 | 浙江工商大学 | 一种电子鼻时空气味信息的仿生检测装置及方法 |
CN106645026A (zh) * | 2015-10-30 | 2017-05-10 | 华中科技大学 | 一种量子点光纤气体传感器及其制备方法 |
CN106814110A (zh) * | 2017-01-05 | 2017-06-09 | 华中科技大学 | 一种可拉伸半导体电阻式柔性气体传感器及其制备方法 |
CN108447915A (zh) * | 2018-03-02 | 2018-08-24 | 华中科技大学 | 一种薄膜场效应晶体管型气体传感器及其制备方法 |
-
2019
- 2019-02-27 CN CN201910143612.9A patent/CN109781947B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101563599A (zh) * | 2006-12-22 | 2009-10-21 | 研究三角协会 | 聚合物纳米纤维基电子鼻 |
CN101135689A (zh) * | 2007-09-21 | 2008-03-05 | 华中科技大学 | 一种电子鼻开发平台 |
CN101226166A (zh) * | 2008-01-31 | 2008-07-23 | 浙江大学 | 用于现场检测的低功耗手持式电子鼻系统 |
CN103675034A (zh) * | 2013-11-29 | 2014-03-26 | 华中科技大学 | 一种半导体电阻式气体传感器及其制备方法 |
CN106645026A (zh) * | 2015-10-30 | 2017-05-10 | 华中科技大学 | 一种量子点光纤气体传感器及其制备方法 |
CN105572202A (zh) * | 2015-12-11 | 2016-05-11 | 浙江工商大学 | 一种电子鼻时空气味信息的仿生检测装置及方法 |
CN106814110A (zh) * | 2017-01-05 | 2017-06-09 | 华中科技大学 | 一种可拉伸半导体电阻式柔性气体传感器及其制备方法 |
CN108447915A (zh) * | 2018-03-02 | 2018-08-24 | 华中科技大学 | 一种薄膜场效应晶体管型气体传感器及其制备方法 |
Non-Patent Citations (3)
Title |
---|
EU-TTUM JANG等: "Electronic Nose Module with System on Chip", 《IEEE》 * |
KEA-TIONG TANG等: "A Low-Power Electronic Nose Signal-Processing Chip for a Portable Artificial Olfaction System", 《IEEE TRANSACTIONS ON BIOMEDICAL CIRCUITS AND SYSTEMS》 * |
NATHAN S.LEWIS: "A VLSI Compatible Conducting Polymer Composite Based "Electronic Nose" Chip", 《IEEE》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110231366A (zh) * | 2019-06-21 | 2019-09-13 | 重庆大学 | 基于多传感器电子鼻的共形气室及气体测试系统和方法 |
CN110231366B (zh) * | 2019-06-21 | 2020-03-31 | 重庆大学 | 基于多传感器电子鼻的共形气室及气体测试系统和方法 |
CN110361423A (zh) * | 2019-07-12 | 2019-10-22 | 北京机械设备研究所 | Mems气体传感器和提高mems气体传感器稳定性的方法 |
CN110361423B (zh) * | 2019-07-12 | 2023-04-07 | 北京机械设备研究所 | Mems气体传感器和提高mems气体传感器稳定性的方法 |
WO2021057590A1 (zh) * | 2019-09-29 | 2021-04-01 | 杭州汇健科技有限公司 | 石墨烯材料电阻式气体传感阵列的制备方法及其应用方法 |
CN110845152A (zh) * | 2019-11-21 | 2020-02-28 | 深圳大学 | 一种改性胶体量子点薄膜的声表面波气体传感器及其制备方法 |
CN110845152B (zh) * | 2019-11-21 | 2022-03-08 | 惠雨恩科技(深圳)有限公司 | 一种改性胶体量子点薄膜的声表面波气体传感器及其制备方法 |
CN112101537A (zh) * | 2020-09-17 | 2020-12-18 | 广东高云半导体科技股份有限公司 | Cnn加速器和电子设备 |
CN113588876A (zh) * | 2021-07-13 | 2021-11-02 | 有研工程技术研究院有限公司 | 一种提高二氧化氮半导体传感器选择性的方法 |
CN113588876B (zh) * | 2021-07-13 | 2023-08-15 | 有研工程技术研究院有限公司 | 一种提高二氧化氮半导体传感器选择性的方法 |
CN114113495A (zh) * | 2021-12-27 | 2022-03-01 | 中国科学技术大学 | 一种高精度低功耗全集成的便携式电子鼻 |
Also Published As
Publication number | Publication date |
---|---|
CN109781947B (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109781947A (zh) | 一种基于量子点的电子鼻芯片及其设计方法 | |
Xiao et al. | Realized niches explain spatial gradients in seasonal abundance of phytoplankton groups in the South China Sea | |
CN108763849B (zh) | 结合沉积物和模型的流域面源磷污染入河系数计算方法 | |
Zeng et al. | A hybrid EKF and switching PSO algorithm for joint state and parameter estimation of lateral flow immunoassay models | |
CN103773900B (zh) | 基于神经网络及粒子群算法的固态发酵控制方法 | |
CN102435654A (zh) | 基于场效应晶体管的病毒性疾病诊断装置及方法 | |
CN104535635A (zh) | 一种石墨烯场效应晶体管生物传感器的制备方法 | |
Kumar et al. | thin-film transistors (TFTs) for highly sensitive biosensing applications: a review | |
CN105259215A (zh) | 半导体气敏元件的测试方法 | |
CN105784806B (zh) | 汞离子光电化学传感器工作电极及其制备方法和应用 | |
CN101271114A (zh) | 基于微间隙阵列电极的酶催化电导免疫传感器及其免疫检测方法 | |
Li et al. | The application of machine learning to air pollution research: A bibliometric analysis | |
CN109358103A (zh) | 基于石墨烯生物传感器检测鸟嘌呤核糖开关亲和力的方法 | |
CN102175742A (zh) | 新型抗生素纳米生物传感器的制备方法 | |
CN102175287A (zh) | 一种基于mems技术的流量计芯片的测量部件及其制作方法 | |
CN201364330Y (zh) | 一种基于聚合物薄膜的电子鼻 | |
CN107064254A (zh) | 一种检测微囊藻毒素的电化学方法 | |
Zhang et al. | Inkjet-printed ZnO-based MEMS sensor array combined with feature selection algorithm for VOCs gas analysis | |
Li et al. | Local dynamic neural network for quantitative analysis of mixed gases | |
Shukla et al. | Early detection of potato leaf diseases using convolutional neural network with web application | |
CN102282932A (zh) | 一种蔬菜种子发芽率快速检测的方法 | |
CN107274024A (zh) | 一种气象台站测量日总辐射曝辐量预测优化方法 | |
CN101275946A (zh) | 一种酶催化电导免疫传感器及其检测化学残留与毒素的方法 | |
Dai et al. | A correction method of environmental meteorological model based on long‐short‐term memory neural network | |
CN101514986A (zh) | 一种利用局域表面等离子体增强的无标记生化探测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |