CN112268994A - 一种基于电子鼻技术的黑臭水体快速识别的方法 - Google Patents
一种基于电子鼻技术的黑臭水体快速识别的方法 Download PDFInfo
- Publication number
- CN112268994A CN112268994A CN202010960147.0A CN202010960147A CN112268994A CN 112268994 A CN112268994 A CN 112268994A CN 202010960147 A CN202010960147 A CN 202010960147A CN 112268994 A CN112268994 A CN 112268994A
- Authority
- CN
- China
- Prior art keywords
- electronic nose
- black
- odorous water
- water body
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims 3
- 238000004140 cleaning Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 20
- 238000001514 detection method Methods 0.000 description 8
- 238000011109 contamination Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 125000003118 aryl group Chemical group 0.000 description 3
- 229910044991 metal oxide Inorganic materials 0.000 description 3
- 150000004706 metal oxides Chemical class 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 102100028260 Gamma-secretase subunit PEN-2 Human genes 0.000 description 2
- 101000579663 Homo sapiens Gamma-secretase subunit PEN-2 Proteins 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 150000003568 thioethers Chemical class 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 235000011114 ammonium hydroxide Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1806—Biological oxygen demand [BOD] or chemical oxygen demand [COD]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Organic contamination in water
- G01N33/1846—Total carbon analysis
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Emergency Medicine (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种基于电子鼻技术的黑臭水体快速识别的方法，具体为：将采集的不同污染程度的河道水样品放于开有两小孔的密封容器中，静置一段时间，使密封容器中的顶空气体饱和；电子鼻对顶空气体进行检测，得到黑臭水体的嗅觉指纹信息。将选取电子鼻的稳定信号作为黑臭水体的嗅觉指纹信息，利用线性判别分析法对该嗅觉指纹信息进行处理以及分析，训练电子鼻技术能够快速识别不同污染程度的黑臭水体。本发明方法只需利用电子鼻技术和判别分析法就对黑臭水体进行快速识别和归类，无需复杂前期预处理，操作简单，准确率高。
Description
技术领域
本发明属于环境监测领域，尤其涉及一种基于电子鼻技术的黑臭水体快速识别的方法，是一种便捷、客观、快速的检测方法。
背景技术
黑臭水体是严重的水污染现象，使水体完全丧失使用功能，并影响景观以及人类生活和健康。在城市发展的道路上。黑臭水体不仅损害城市人居环境，也严重影响城市形象。黑臭水体的治理需要提前了解并掌握其状况。目前黑臭水体的识别和分类尚未有一个统一、快速以及简单的方法。
电子鼻是由传感系统和模式识别系统相结合的具有快速检测多种气体分子的一种智能装置，具有高灵敏度、可靠性、对样品进行量化分析等特点。目前，对监测领域的高自动化要求越来越急迫，电子鼻作为一种自动在线检测工具，在环境检测领域具有广大的应用潜力。利用电子鼻技术对河道水质参数经常快速监测的相关研究尚未报道。本发明目的在于快速监测河道水质参数的变化，同时填补国内外关于电子鼻技术在水环境监测领域的空白。
发明内容
针对上述问题，本发明的目的是提供一种基于电子鼻技术的黑臭水体快速识别的方法，利用嗅觉传感器对不同污染程度的黑臭水体进行快速识别和分类分析。
本发明的目的是通过以下技术方案来实现的，一种基于电子鼻技术的黑臭水体快速识别的方法，具体步骤包括如下：
步骤(1)、将不同污染程度的黑臭水体进行现场取样；
将小于5ml的黑臭水放于具有两个小孔的不小于500ml的密封容器中，在15-25℃下静置5min时间，使得密封容器中的顶空气体达到动态饱和。
密封容器上两个小孔的孔径大小为0.1～3mm，两孔间隔为3～5cm；
步骤(2)、构建数据集：
将电子鼻的前置进样针插入到放有河道水的密封容器中的其中一个小孔，另一个小孔用于保证稳定气流；以50～100ml/min的流速将密闭容器中的顶空气体吸入到电子鼻内部10～20cm3的传感器气室内，在40～60s的时间内进行电子鼻传感器与顶空气体反应并产生信号，并采集信号；电子鼻的后置进样针以200～300ml/min的流速抽取外部空气对传感器气室以及传感器表面进行清洗10min；所述信号是传感器接触黑臭水顶空气体的电导率G与传感器在经过外部空气时的电导率G0的比值，即G/G0。
步骤(3)、根据专家经验对不同黑臭水体等级分类；
对步骤(2)电子鼻采集到的信号作为数据集，并根据专家经验对数据集进行标签设定，该标签为黑臭水体等级分类。
步骤(4)、建立线性判别分析模型：
将步骤(2)中电子鼻传感器的信号作为X矩阵，即模型的输入；将步骤(3)中的水体等级分类作为Y矩阵，即模型的输出；随机选取数据集中一定量的样品作为训练样本，一定量的样品作为测试样本。
作为优选，将5ml河道水至置于500ml的容器中，用具有内径0.5mm的两个小孔的盖子进行密封，在15-25℃下静置5min，使密封容器内的气体达到平衡。
作为优选，电子鼻的10个传感器第60s的信号值作为线性判别分析模型的输入。
本发明的有益效果是:
本发明方法只需利用电子鼻和线性判别分析算法就能快速识别不同污染程度的黑臭水体，无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，具有较高的推广及应用价值。
本发明采用在密封容器开有两个孔用于调节在检测过程中样品顶空气体的浓度，使其保持一定的稳定性。
本发明电子鼻前置进样针流速必须保持在低于100ml/min的流速保证传感器气室内样品气体低浓度。
附图说明
图1本发明实例中电子鼻技术的传感器在黑臭水体样品检测过程的信号变化；其中S1-S10为10个传感器信号；
图2本发明实例中基于电子鼻技术的黑臭水体的嗅觉指纹信息；
图3本发明实例中基于线性判别分析对黑臭水体的识别和分类。
具体实施方式
下面结合具体实施例对本发明做进一步地分析。
电子鼻技术主要由用金属氧化物作为嗅觉传感器，以类似人的嗅觉感受方式检测样品的臭气成分。
本发明一种基于电子鼻技术的黑臭水体快速识别的方法，利用嗅觉传感器对不同污染程度的黑臭水体进行快速检测、分析以及分类。建立有效的识别模型，该方法包括如下步骤：
步骤(1)、将不同污染程度的黑臭水体进行现场取样；
将小于5ml的黑臭水放于具有两个小孔的不小于500ml的密封容器中，在15-25℃下静置5min时间，使得密封容器中的顶空气体达到动态饱和。
密封容器上两个小孔的孔径大小为0.1～3mm，两孔间隔为3～5cm；
步骤(2)、构建数据集：
将电子鼻的前置进样针插入到放有河道水的密封容器中的其中一个小孔，另一个小孔用于保证稳定气流；以50～100ml/min的流速将密闭容器中的顶空气体吸入到电子鼻内部10～20cm3的传感器气室内，在40～60s的时间内进行电子鼻传感器与顶空气体反应并产生信号，并采集信号；电子鼻的后置进样针以200～300ml/min的流速抽取外部空气对传感器气室以及传感器表面进行清洗10min；所述信号是传感器接触黑臭水顶空气体的电导率G与传感器在经过外部空气时的电导率G0的比值，即G/G0。
步骤(3)、根据专家经验对不同黑臭水体等级分类；
对步骤(2)电子鼻采集到的信号作为数据集，并根据专家经验对数据集进行标签设定，该标签为黑臭水体等级分类。
步骤(4)、建立线性判别分析模型：
将步骤(2)中电子鼻传感器的信号作为嗅觉指纹信息构建X矩阵，即模型的输入；将步骤(3)中的水体等级分类构建Y矩阵，即模型的输出；随机选取数据集中一定量的样品作为训练样本，一定量的样品作为测试样本。
实施例
电子鼻技术主要由用金属氧化物作为嗅觉传感器，以类似人的嗅觉感受方式检测样品的臭气成分。
本发明一种基于电子鼻技术的黑臭水体快速识别的方法，利用嗅觉传感器对不同污染程度的黑臭水体进行快速检测、分析以及分类。建立有效的识别模型，该方法包括如下步骤：
1、分别采集不同污染程度的黑臭水体(本案例为6个黑臭水体样本)，每个采集点收集27个样本；将5ml河道水样本置于500ml的容器中，用留有两个孔径大小为1mm孔的容器盖子进行密封，两孔间隔为3～5cm；该容器在室温中静置5min，使得容器内的顶空气体达到平衡。
2、以100ml/min作为气体流速，将容器中的顶空气体吸入到电子鼻装置中的传感器气室内，传感器表面物质与样品的顶空气体进行反应并产生响应的信号；整个检测时间以传感器信号达到稳定为限，本案例实验的检测时间为60s；样品检测完毕后，同样以250ml/min作为气体流速，将室内空气吸入到电子鼻装置中的传感器气室内，对传感器气室和传感器表面进行清洗10min；
图1是其中一个黑臭水体样品对黑臭水体检测过程中传感器信号值的变化过程。取第60s的数据作为本案例的黑臭水体的指纹信息数据，将其用雷达图的形式进行描述如图2。
本案例中应用的是德国AIRSENSE公司的PEN2型电子鼻为检测仪器，改电子鼻系统由10个金属氧化物传感器，其型号与相应特性如表1所示：
表1PEN2型电子鼻各传感器的响应特征
| 序号 | 名称 | 性能特点 |
| 1 | S1 | 对芳香成分敏感 |
| 2 | S2 | 对氨氧化合物很敏感 |
| 3 | S3 | 对氨水、芳香成分敏感 |
| 4 | S4 | 对氢气有选择性 |
| 5 | S5 | 对烷烃、芳香成分敏感 |
| 6 | S6 | 对甲烷敏感 |
| 7 | S7 | 对硫化物敏感 |
| 8 | S8 | 对乙醇敏感 |
| 9 | S9 | 对有机硫化物敏感 |
| 10 | S10 | 对烷烃敏感 |
3、根据专家经验，本案例的样品可以分为6个等级，分别标志为污染1、污染2、污染3、污染4、污染5以及污染6。
4、在MATLAB软件中，采用电子鼻稳定时的信号作为原始数据，通过线性判别分析法进行建模，以6个类为基础，用120个数据进行建模，42个样本进行验证，以其正确率为评判标准。结果得到：在建模过程中，线性判别分析模型的识别率为100％，在验证样本中，其识别率为100％。图3是一共162个样品，在前三个线性判别函数中的数据分布图，由图中可以直观地看出，每一类样本与其他样本之间有一个很好的区分度，说明了电子鼻技术很够很好的识别出不同污染程度的黑臭水体。本实施案例很好地说明了，本发明方法只需利用电子鼻和线性判别分析算法就能快速识别不同污染程度的黑臭水体，无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，具有较高的推广及应用价值。
上述实施例并非是对于本发明的限制，本发明并非仅限于上述实施例，只要符合本发明要求，均属于本发明的保护范围。
Claims (7)
1.一种基于电子鼻技术的黑臭水体快速识别的方法，其特征在于包括以下步骤：
步骤(1)、将不同污染程度的黑臭水体进行现场取样；
将黑臭水放于具有两个小孔的密封容器中，在15-25℃下静置5min时间，使得密封容器中的顶空气体达到动态饱和；
步骤(2)、构建数据集：
将电子鼻的前置进样针插入到放有河道水的密封容器中的其中一个小孔，另一个小孔用于保证稳定气流；以50～100ml/min的流速将密闭容器中的顶空气体吸入到电子鼻内部传感器气室内，在40～60s的时间内进行电子鼻传感器与顶空气体反应并产生信号，并采集信号；电子鼻的后置进样针抽取外部空气对传感器气室以及传感器表面进行清洗；所述信号是传感器接触黑臭水顶空气体的电导率G与传感器在经过外部空气时的电导率G0的比值，即G/G0；
步骤(3)、根据专家经验对不同黑臭水体等级分类；
对步骤(2)电子鼻采集到的信号作为数据集，并根据专家经验对数据集进行标签设定，该标签为黑臭水体等级分类；
步骤(4)、建立线性判别分析模型：
将步骤(2)中电子鼻传感器的信号作为X矩阵，即模型的输入；将步骤(3)中的水体等级分类作为Y矩阵，即模型的输出；随机选取数据集中一部分作为训练样本，另一部分作为测试样本。
2.如权利要求1所述的一种基于电子鼻技术的黑臭水体快速识别的方法，其特征在于密封容器上两个小孔的孔径大小为0.1～3mm，两孔间隔为3～5cm。
3.如权利要求1-2任一所述的一种基于电子鼻技术的黑臭水体快速识别的方法，其特征在于密封容器体积不小于500ml。
4.如权利要求1-3任一所述的一种基于电子鼻技术的黑臭水体快速识别的方法，其特征在于电子鼻内传感器气室内体积为10～20cm3。
5.如权利要求1-4任一所述的一种基于电子鼻技术的黑臭水体快速识别的方法，其特征在于电子鼻的后置进样针的流速为200～300ml/min，清洗10min。
6.如权利要求1所述的一种基于电子鼻技术的黑臭水体快速识别的方法，其特征在于将5ml河道水至置于500ml的容器中，用具有内径0.5mm的两个小孔的盖子进行密封，在15-25℃下静置5min，使密封容器内的气体达到平衡。
7.如权利要求1所述的一种基于电子鼻技术的黑臭水体快速识别的方法，其特征在于电子鼻的10个传感器第60s的信号值作为线性判别分析模型的输入。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010960147.0A CN112268994A (zh) | 2020-09-14 | 2020-09-14 | 一种基于电子鼻技术的黑臭水体快速识别的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010960147.0A CN112268994A (zh) | 2020-09-14 | 2020-09-14 | 一种基于电子鼻技术的黑臭水体快速识别的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112268994A true CN112268994A (zh) | 2021-01-26 |
Family
ID=74349527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010960147.0A Pending CN112268994A (zh) | 2020-09-14 | 2020-09-14 | 一种基于电子鼻技术的黑臭水体快速识别的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112268994A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1253765A (zh) * | 1999-11-24 | 2000-05-24 | 毕杰梁 | 负压治疗器 |
| CN203189243U (zh) * | 2013-04-17 | 2013-09-11 | 苏州盟通利机电设备有限公司 | 抽气装置 |
| CN104849321A (zh) * | 2015-05-06 | 2015-08-19 | 浙江大学 | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 |
| CN107175880A (zh) * | 2017-06-08 | 2017-09-19 | 李文联 | 一种led显示屏表面保护膜封装装置 |
| CN207922725U (zh) * | 2018-02-02 | 2018-09-28 | 深圳市恒升鑫源电子设备有限公司 | 一种烤箱 |
| CN109507379A (zh) * | 2018-11-14 | 2019-03-22 | 北京工商大学 | 一种用电子鼻检测饮用水中典型嗅味物质的方法 |
| CN110487750A (zh) * | 2019-06-28 | 2019-11-22 | 山东开创云软件有限公司 | 一种河道的水污染检测方法和系统 |
| CN211042894U (zh) * | 2019-10-25 | 2020-07-17 | 河南可人科技有限公司 | 一种高效气体净化仪 |
-
2020
- 2020-09-14 CN CN202010960147.0A patent/CN112268994A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1253765A (zh) * | 1999-11-24 | 2000-05-24 | 毕杰梁 | 负压治疗器 |
| CN203189243U (zh) * | 2013-04-17 | 2013-09-11 | 苏州盟通利机电设备有限公司 | 抽气装置 |
| CN104849321A (zh) * | 2015-05-06 | 2015-08-19 | 浙江大学 | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 |
| CN107175880A (zh) * | 2017-06-08 | 2017-09-19 | 李文联 | 一种led显示屏表面保护膜封装装置 |
| CN207922725U (zh) * | 2018-02-02 | 2018-09-28 | 深圳市恒升鑫源电子设备有限公司 | 一种烤箱 |
| CN109507379A (zh) * | 2018-11-14 | 2019-03-22 | 北京工商大学 | 一种用电子鼻检测饮用水中典型嗅味物质的方法 |
| CN110487750A (zh) * | 2019-06-28 | 2019-11-22 | 山东开创云软件有限公司 | 一种河道的水污染检测方法和系统 |
| CN211042894U (zh) * | 2019-10-25 | 2020-07-17 | 河南可人科技有限公司 | 一种高效气体净化仪 |
Non-Patent Citations (5)
| Title |
|---|
| R.M. STUETZ等: "Monitoring of wastewater odours using an electronic nose", 《WATER SCIENCE & TECHNOLOGY》 * |
| 刘欣艳等: "恶臭污染物的检测分析技术现状探讨", 《环境卫生工程》 * |
| 方向生等: "电子鼻在环境监测中的应用与进展", 《环境科学与技术》 * |
| 王灿等: "城市污水处理厂恶臭污染及其评价体系", 《给水排水》 * |
| 田秀英等: "基于电子鼻土壤与地下水污染修复现场TVOC和恶臭的评估", 《环境科学》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103901162B (zh) | 一种便携式车内气体检测系统及方法 | |
| Persaud et al. | Assessment of conducting polymer odour sensors for agricultural malodour measurements | |
| Goschnick et al. | Water pollution recognition with the electronic nose KAMINA | |
| CN101470121A (zh) | 一种嵌入式仿生嗅觉气味识别方法及装置 | |
| CN111007176A (zh) | 基于气相色谱与离子迁移谱的车内气味等级评价方法 | |
| CN107085018A (zh) | 一种用于voc及恶臭类气体检测的电子鼻系统 | |
| Nicolas et al. | Establishing the limit of detection and the resolution limits of odorous sources in the environment for an array of metal oxide gas sensors | |
| CN104849321B (zh) | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 | |
| Sironi et al. | Development of a system for the continuous monitoring of odours from a composting plant: Focus on training, data processing and results validation methods | |
| CN105784802A (zh) | 一种复合恶臭气体传感器检测装置 | |
| CN115659195B (zh) | 一种大气污染在线识别方法 | |
| Choi et al. | Identification of odor emission sources in urban areas using machine learning-based classification models | |
| CN114368795B (zh) | 一种在线式黑臭水体的多模态辨识方法及系统 | |
| CN103868955A (zh) | 一种便携式车内气体检测系统及方法 | |
| CN110887944A (zh) | 一种茶油品质快速检测装置 | |
| Fuchs et al. | Evaluation of unpleasant odor with a portable electronic nose | |
| CN109784390A (zh) | 一种人工智能嗅觉动态响应图谱气体检测识别方法 | |
| Nie et al. | Microbial volatile organic compounds as novel indicators of anaerobic digestion instability: potential and challenges | |
| Chen et al. | Towards accuracy recognition and content estimation of typical pesticides in groundwater via electronic nose | |
| CN112268994A (zh) | 一种基于电子鼻技术的黑臭水体快速识别的方法 | |
| Wilson | Application of a conductive polymer electronic-nose device to identify aged woody samples | |
| CN112268993A (zh) | 一种基于电子鼻技术对河道水质参数快速监测的方法 | |
| CN202794093U (zh) | 一种基于仿生嗅觉的烘焙食品质量快速检测装置 | |
| Nagle et al. | Environmental monitoring | |
| CN111044683A (zh) | 一种可先天识别和后天训练的电子鼻技术及其应用 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210126 |
|
| RJ01 | Rejection of invention patent application after publication |