CN115639319A - 基于腋下汗液气味采样的检测系统及检测方法 - Google Patents
基于腋下汗液气味采样的检测系统及检测方法 Download PDFInfo
- Publication number
- CN115639319A CN115639319A CN202211206152.8A CN202211206152A CN115639319A CN 115639319 A CN115639319 A CN 115639319A CN 202211206152 A CN202211206152 A CN 202211206152A CN 115639319 A CN115639319 A CN 115639319A
- Authority
- CN
- China
- Prior art keywords
- gas
- sweat
- sensor
- air
- gas chamber
- 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
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种基于腋下汗液气味采样的检测系统及检测方法,上述系统包括:用于对待检测气体进行成分检测的气室,所述气室的侧壁上设有阵列分布的用于安装传感器的通孔,所述气室为中空状,所述气室上还设有用于气体进出的开口;数据采集卡,用于采集安装在所述气室上的传感器的电压信号并转换为数字信号;处理终端,与所述数据采集卡通信连接,用于接收所述数字信号,提取所述数字信号中表征汗液气味的特征,获得检测结果;温度控制装置,用于接收所述处理终端的信号并使安装在所述气室上的传感器的加热电压呈周期变化。与现有技术相比,可以根据感兴趣的汗液标志物设置和更换传感器,不仅感知域多而且针对性强,能够获得更加准确的检测结果。
Description
技术领域
本发明涉及气体检测技术领域,尤其涉及的是一种基于腋下汗液气味采样的检测系统及检测方法。
背景技术
汗液是一种常见并且易于获得的表皮生物流体,其主要成分是水,包含代谢产物(例如葡萄糖,乳酸等),电解质(例如氯化物等),微量元素和少量大分子。汗液中的葡萄糖水平与血糖浓度具有一定相关性,对汗液葡萄糖进行无创检测可以避免传统血糖检测采血过程中的刺痛并且防止有可能造成的血液感染。汗液中的乳酸水平与人体运动过程中的有氧与无氧运动状态有关,对汗液乳酸进行无创检测有利于实时监测人体运动过程中的脱水状况。
虽然目前穿戴式汗液检测设备已被广泛使用以分析检测汗液中代谢产物的成分,但是由于穿戴式汗液检测设备穿戴在身上带来的局限性,穿戴式汗液检测设备的传感器采集的信号感知域少且容易受到呼气的干扰,导致检测结果不够准确。
因此,现有技术有待改进和提高。
发明内容
本发明的主要目的在于提供一种基于腋下汗液气味采样的检测系统及方法,能够更加准确地对汗液进行检测。
为了实现上述目的,本发明第一方面提供一种基于腋下汗液气味采样的检测系统,上述系统包括:
用于对待检测气体进行成分检测的气室,所述气室的侧壁上设有阵列分布的用于安装传感器的通孔,所述气室为中空状,所述气室上还设有用于气体进出的开口;
数据采集卡,用于采集安装在所述气室上的传感器的电压信号并转换为数字信号;
处理终端,与所述数据采集卡通信连接,用于接收所述数字信号,提取所述数字信号中表征汗液气味的特征,获得检测结果;
温度控制装置,用于接收所述处理终端的信号并使安装在所述气室上的传感器的加热电压呈周期变化。
可选的,所述气室为两端开口的六棱柱体,所述气室的两端设有端盖,所述端盖上设有用于气体进出的开口。
可选的,还包括气袋,所述气袋的开口端设有密封条,所述气袋用于置入预先采集的汗液味源以使得汗液味源的气味分子散佚至所述气袋内的空气中,形成所述待检测气体。
可选的,所述气袋的侧壁上设有充气阀和抽气阀。
可选的,所述气室的内壁上设有特氟龙涂层。
本发明第二方面提供一种基于腋下汗液气味采样检测系统的检测方法,其中,上述方法包括:
将已获取的汗液味源放入密闭空间,持续设定时间以使得汗液味源的气味分子散佚至密封空间的空气内,获得待测气体;
将所述待测气体移入安装有气敏传感器阵列的密封气室,实时采集所述气敏传感器的信号获得多通道的监测数据,每个所述气敏传感器对应于一个通道;
将所述监测数据输入预先训练好的网络模型,获得检测结果。
可选的,实时采集所述气敏传感器的信号获得多通道的监测数据时,还包括:
对所述气敏传感器阵列中的气敏传感器分别施加恒定加热电压、阶梯变化的加热电压。
可选的,所述将已获取的汗液味源放入密闭空间,持续设定时间以使得汗液味源的气味分子散佚至密封空间的空气内,获得待测气体,还包括:
将所述密闭空间置于50°~60°的恒温环境中。
可选的,所述将所述监测数据输入预先训练好的网络模型,获得检测结果,包括:
对监测数据进行预处理,并提取监测数据的特征值;
将所述特征值输入所述网络模型,获得检测结果。
可选的,所述将所述待测气体移入安装有气敏传感器阵列的密封气室,实时采集所述气敏传感器的信号获得多通道的监测数据,包括:
在所述待测气体移入前,采集所述气敏传感器的信号,获得基线数据;
将所述待测气体移入所述密封气室,持续设定时间并实时采集所述气敏传感器的信号获得采集数据;
组合所述基线数据和所述采集数据,获得所述监测数据。
由上可见,本发明通过将待检测气体导入阵列安装有传感器的气室中,采集各个传感器的信号,并进行特征提取,获得检测结果。与现有技术相比,通过侧壁上阵列安装传感器,可以根据感兴趣的汗液标志物设置和更换传感器,不仅感知域多而且针对性强,提高获得的信息的丰度,能够获得更加准确的检测结果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的基于腋下汗液气味采样的检测系统示意图;
图2是图1实施例的气室结构示意图;
图3是图1实施例的气袋结构示意图;
图4是图1实施例中对传感器施加周期加热电压的效果示意图;
图5是对TGS2602传感器采用传统恒压加热方式时的波形图;
图6是对TGS2602传感器采用温度调制时的波形图;
图7是本发明实施例提供的基于腋下汗液气味采样检测系统的检测方法流程示意图;
图8是图1实施例的步骤S300具体流程示意图。
图9是糖尿病人群的腋下汗液气味采样波形图;
图10是高脂血人群的腋下汗液气味采样波形图;
图11是健康人群的腋下汗液气味采样波形图;
图12是在波形图上提取几何特征的示意图;
图13是糖尿病人群的呼气检测的波形图;
图14是健康人群的呼气检测的波形图;
图15是s7通道的最大值特征的分布范围示意图。
附图标记说明:
10、气室,11、传感器,12、通孔,20、气袋,21、密封条,22、充气阀,23、抽气阀。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
为了解决目前使用的穿戴式汗液检测设备的传感器单一、感知域少且容易受到呼气的干扰,检测结果不够准确的问题,本发明提供了一种基于腋下汗液气味采样的检测系统,将待检测气体导入阵列安装有传感器的气室中,采集各个传感器的信号,并进行特征提取,获得检测结果。通过侧壁上阵列安装传感器,可以根据感兴趣的汗液标志物设置和更换传感器,不仅检测方便、感知域多而且针对性强,提高获得的信息的丰度,还能够获得更加准确的检测结果。
系统实施例
图1示出了本实施例的检测系统的结构,主要包括气室10、气袋20、数据采集卡和处理终端。
如图2所示,气室10是气体分子与气敏传感器接触的场所。本实施例中气室10为六棱柱体,方便均匀阵列地开设传感器安装孔。气室10的两端开口,气室10内沿轴向开设有圆柱形通孔。优选地,气室10的内壁表面光滑,有利于气体的流动,避免洗气死角和气体残留引起的记忆效应。
气室10的侧壁上设有用于安装传感器的通孔,该通孔沿气室10的侧壁阵列分布,每个通孔上可以安装一个传感器11,每个传感器11的采集头均穿过通孔伸入气室10内部。本实施例中的传感器11包括用于检测气体目标成分的气敏传感器和用于检测气室10内温度的温度传感器。通过设置与传感器11一一对应的通孔,方便单独更换传感器11,可以根据需要检测的汗液标志物安装对应的气敏传感器,不仅感知域多而且针对性强,提高获得的气体信息的丰度。
气室10的两端分别设有一个半球状的端盖,端盖上分别开有进气口和出气口。
优选地,传感器11沿气室10侧壁对称均匀分布,使得各个传感器11接触到的气体浓度均匀,提高检测精度。
进一步地,气室10内壁上还涂敷有特氟龙(Teflon)涂层,以保证传感器11耐高温并且不与待检测气体发生化学反应。
如图3所示,气袋20为袋状,底端封闭、顶端开口,开口端通过密封条21密封。该密封条21与气袋一体制成,固定在开口端上;也可以使用夹子将气袋密封。气袋20的材质为常用的塑料袋材质。将已采集到的汗液味源放入气袋20中后,通过密封条21将开口封闭,形成密闭空间,以使得汗液味源的气味分子散佚至气袋20内的空气中,形成待检测气体。
优选地,为了对气袋20内的空气进行扰流,在气袋20的两个侧壁上各安装了一个阀门,构成充气阀22和抽气阀23,将两个阀门分别接上同一个气泵的出气口和进气口就能形成对气袋20的扰流,加快味源的气味分子散佚过程。
优选地,为了使得汗液味源的气味分子散佚得更加快速和充分,还可以将密封后的气袋20置于固定的恒温环境(例如:50-60摄氏度)内使得汗液味源的气味分子加快散佚。
具体的,汗液味源的采集过程为:被采集者使用一个卫生棉球夹在腋下15min,该卫生棉球即为汗液味源。
为了实现检测流程的异步处理,还可以将采集到的汗液味源封入具有良好密封性的样品瓶内保存,以依次通过气室10进行检测。
本实施例中,处理终端为一台电脑终端,数据采集卡安装在电脑终端上。数据采集卡采集安装在气室上的传感器的电压信号并转换为数字信号,电脑终端上安装的检测软件接收数字信号后,对数字信号分析后就可以获得检测结果。
由于传感器的敏感特性与温度密切相关,不同温度下的敏感特性不同。如图4所示,如果使传感器工作在一个周期性变化的温度下,不同气体形成的响应曲线形状之间的差别更大,从而带来更丰富的信息。因此本发明还设置了温度控制装置。本实施例的温度控制装置为在数据采集卡上集成的温度控制电路。数据采集卡接收到电脑终端的信号后,通过温度控制电路使得气敏传感器中定值电阻两端的电压呈周期变化,从而控制气敏传感器电阻的发热功率,改变气敏传感器的工作温度。显然,温度控制装置也可以为一个单独的电路板,通过该电路板控制气敏传感器的工作温度。需要说明的是,改变电阻的加热电压的具体电路为本领域的常规技术手段,在此不再赘述。
由于不同传感器其敏感范围和量程各不相同,筛选阵列传感器中传感器时可以参考汗液标志物相关文献来具体确定。本实施例主要针对糖尿病筛查和血糖预测、兼顾其他疾病的汗液标志物检测的检测系统。根据汗液标志物相关文献可知,可以通过丙酮,乙醇,硝酸甲酯等汗液标志物的数据来间接反映血糖的数据指标。
本实施例测试了每一种可能的传感器组合的分类正确率,综合考虑了传感器的稳定性、气体覆盖范围等因素后,最终筛选出了由下表中的10个气敏传感器组合形成传感器阵列。
其中,1号传感器为固体电解质二氧化碳传感器。其他均为MOS传感器。糖尿病主要的标志物是丙酮,上述传感器阵列中TGS826、TGS2602等传感器对丙酮较为敏感。虽然有些传感器的量程标称值较高(如TGS2610-D00),但在实际实验中发现它们同样能对较低浓度的气体产生响应。事实上很多传感器的最低检测限都比标称值要低。由于MOS传感器的交叉敏感性,阵列中的传感器都或多或少都对多种VOC(Volatile Organic Compounds:挥发性有机化合物)敏感。这使得该阵列可以检测多种气体标志物,因此也可以用来分析与糖尿病有关的其他标志物和一些其他的疾病。
由于MOS传感器的敏感特性与温度密切相关,不同温度下的敏感特性不同。一般的MOS传感器工作在固定的温度下,而如果使它们工作在一个周期性变化的温度下,不同气体形成的响应曲线形状就会有差别,从而带来更丰富的信息。本实施例在尝试多种候选传感器和温度调制波形的基础上,进一步选择了对TGS2600-TM、TGS2602-TM、TGS2620-TM传感器施以阶梯型的加热电压,其他传感器仍采用传统恒压加热方式。经实践,使用温度调制后的传感器分类正确率明显高于以恒温方式工作的传感器。图5示出了TGS2602传感器采用传统恒压加热方式下的波形图,图6示出了对TGS2602传感器进行温度调制的波形图。可以看出健康人群、糖尿病、高脂血症三者的水平量级上具有明显的差异。
本实施例还在气室上安装了温湿度传感器,温湿度传感器具体型号为HTG3515CH,可以检测气室内的温湿度。由于气敏传感器是受温湿度变化而有不同数值变化的,温度和湿度共同作用决定传感器的基线表达方式,因而温湿度也是规格化和标定气味样本的指标之一,用于标定还原不同环境下的气体相应曲线而做到归一化。
由上可见,通过在气室的侧壁上阵列设置与传感器耦合的通孔,可以根据需要检测的汗液标志物安装或更换传感器,形成的传感器阵列不仅感知域多而且针对性强,能够获得更加准确的检测结果。还能实现对汗液的异步检测,方便快捷。
在上述采样系统的基础上,本发明还提供了一种基于腋下汗液气味采样检测系统的检测方法,通过将获取的汗液味源散佚,获得待测气体,使用传感器阵列检测待测气体获得多通道监测数据并输入网络模型,获得检测结果。
示例性方法
本实施例的检测方法运行在电脑终端上,如图7所示,具体包括如下步骤:
步骤S100:将采集的汗液味源放入密闭空间,持续设定时间以使得汗液味源的气味分子散佚至密封空间的空气内,获得待测气体;
具体地,被采集者使用一个卫生棉球夹在腋下15min就可以获得汗液味源;也可以从密封的样品瓶中取出的预先采集好的汗液味源。本实施例中使用气袋形成上述密闭空间,将汗液味源放入气袋中,气袋密封后,将气袋的充气阀连接至外接气泵,从而向气袋内充满空气使得味源的气味分子散佚而出,持续散佚设定时间,如5分钟后,气袋内的空气即为待测气体。
进一步地,将气袋置于50°~60°的恒温环境中以加快汗液味源的气味分子的散佚速度。
步骤S200:将待测气体移入安装有气敏传感器阵列的密封气室,实时采集气敏传感器的信号获得多通道的监测数据,每个气敏传感器对应于一个通道;
具体地,本实施例中在气室上安装有气敏传感器阵列。将气袋的抽气阀与真空泵的进气口连接,气室与真空泵的出气口连接,通过真空泵将气袋中的空气抽至气室中。对传感器阵列中的各个气敏传感器采集的信号进行处理,获得监测数据,每个气敏传感器都能获取到一个对应通道的监测数据。本实施例通过数据采集卡上的信号处理电路将传感器的信号放大、滤波和数字化,获得多通道的监测数据。
为了使得监测数据的信息具备衡量基准和后期处理监测数据的准确性,本实施例中,在待测气体移入气室前,即气室内充满空气时,采集气敏传感器的信号,获得基线数据,该基线数据相当于气室内为洁净空气时气敏传感器的基准数据。因为与气体浓度呈正相关的指标是相应电平数值的变化幅度。所以不同基线电压在数据分析中是不必要数值。因此需要将其归零,将所有传感器信号全部集中在一个纵轴起始点上之后用于提取与气体浓度相关的各种幅值特征信息。然后将待测气体移入气室中,持续设定时间并实时采集气敏传感器的信号获得采集数据,再将基线数据和采集数据组合,获得监测数据。此时监测数据中包括气敏传感器的基准数据,能提高后续数据处理的准确性。
具体地,采集监测数据包括四个阶段:基线阶段(第0-1s)、进气阶段(第1-8s)、反应阶段(第8-64s)和洗气阶段(第64-144s)。基线阶段中真空泵关闭,各传感器的基线数据被记录;进气阶段中,真空泵开启,气袋中的气体被抽取到气室中与传感器阵列接触,气敏传感器产生响应;反应阶段中,真空泵关闭,气体在气室中与传感器阵列充分接触,各传感器响应趋近稳态值;洗气阶段中,真空泵开启,抽取外界洁净空气清洗气室,将气室中的气体排出,各传感器响应逐渐恢复到基线值。
由于使气敏传感器工作在一个周期性变化的温度下,不同气体形成的响应曲线形状就会有差别,能带来更丰富的信息。进一步地,本实施例还对气敏传感器阵列中的部分气敏传感器施加恒定加热电压、部分气敏传感器施加阶梯变化的加热电压。
步骤S300:将监测数据输入预先训练好的网络模型,获得检测结果。
具体地,可以预先采集监测数据并进行标定,将标定的结果和监测数据一起输入神经网络模型,以对神经网络模型进行训练。获得训练好的神经网络模型后,就可以对监测数据进行分析,获得检测结果。
由上所述,通过使得汗液味源挥发形成待测气体,然后使用安装有阵列传感器的气室对待测气体进行信号采集,最后通过神经网络获得检测结果。可以对待测气体进行多通道的感知,检测结果准确,并且检测方便、高效。
在一个实施例中,如图8所示,上述步骤S300具体包括如下步骤:
步骤S310:对监测数据进行预处理,提取监测数据的特征值;
步骤S320:将特征值输入网络模型,获得检测结果。
具体地,本实施例中,监测数据为一个1153*10的电平信号阵列。根据气敏传感器原理,这个阵列中电平信号的大小与对应传感器通道对于其敏感气体的浓度呈正相关,即信号越大,则气体样本中对应物质的浓度就会越高。电平信号依据时间顺序排列,可以绘制成波形图,图9-11中分别示出了糖尿病人群、高脂血人群和健康人群的腋下汗液气味采样波形图。从中能够明显观察到波形图中糖尿病和高血脂的各路通道电平响应明显高于健康人群。健康人群的腋下汗液气体样本基本上呈现出无变化,但是只要产生对应的病灶的会明显地呈现出差异。其中糖尿病的2号传感器(S2),7号传感器(S7)通道的峰值均达到1V,高血脂的7号传感器(S7)通道水平也能达到0.5V地水平。同时表征氢气和可燃性有机物的3号传感器(S3),4号传感器(S4)通道一般对于腋下气味不敏感,而8号传感器(S8)通道中糖尿病的次波峰与峰值水平则明显缩小,这表征了温度调制下这一路通道的传感器响应水平较为明显。根据传感器的性质,8号传感器(S8)的TGS2600和3号传感器(S3)的QS-01与4号传感器(S4)的TGS2610D均对氢气与可燃性有机物敏感,在已有的呼气检测中往往呈现出高度的相关性,然而汗液数据中8号传感器(S8)所呈现出与的与3号传感器(S3),4号传感器(S4)通道的不相关性则是一个有力的糖尿病的判断依据。
因此,基于上述监测数据的特点,本实施例通过对监测数据进行预处理和提取下述项目的特征值,再将特征值组合输入神经网络模型,可以提高神经网络模型的检测准确率。本实施例的特征值具体包括:
波形峰值:为气体样本数据中传感器的最大响应值,用来表征传感器对样本气体的响应程度,具体表达式为:fmaxMag=[max(Ai)],i=1:m,其中,Ai表示气体样本的第i列数据,m表示传感器数量。
曲线均值:为传感器在有效时间内响应数据的均值,用来表征传感器对样本气体的响应程度。具体表达式为:fmeanMag=[mean(Ai)],i=1:m,其中,Ai表示气体样本的第i列数据,m表示传感器数量。
相同时间间隔的曲线斜率:为在相同时间间隔的响应值特征的基础上,计算的相邻两点响应值的斜率,表征在该时间段内传感器响应强度的升降趋势。提取相同时间间隔的曲线斜率的具体表达式为:其中,Ai表示样本第i路传感器在第j时刻的响应信号;Tj表示第j时刻所对应的时间;m表示传感器数量。
相同时间间隔的曲线积分:为在相同时间间隔的响应值特征的基础上,以相邻两点响应值为积分区域,计算曲线与坐标轴之间所夹图形的面积,表征在该时间段内传感器的响应强度。提取相同时间间隔的曲线积分的具体表达式为:其中,Aij表示样本第i路传感器在第j时刻的响应信号;Tj表示第j时刻所对应的时间;m表示传感器数量。
还提取了曲线一阶导数的最大值和最小值曲线二阶导数的最大值和最小值。
对监测数据进行预处理主要包括快速傅里叶变换、小波变换和PCA降维。其中快速傅里叶变换的方法如:假若监测数据处理后形成1152×10的矩阵,记为A。设定N=50,A经快速傅里叶变换操作后变换为B,对B取模,得到50×10=500维的特征。小波变换实质是一种对信号或者函数在频域上的局域变换。凭借其可变分辨率、正交性、方向选择性等优良特性,小波变换已成为信号处理领域中不可或缺的方法。PCA降维用于计算监测数据的成分分析空间。将监测数据投射至上述空间,便得到了监测数据降维后的主要特征。具体公式为:其中,λi表示第i大特征值,rλ为该成分对空间的贡献度,n为特征值总量,p为主成分数。
图12在波形图上示出了提取的几何特征,各标号的几何特征的含义如下表所示:
由上所述,通过定向提取监测数据的代表性特征,即提取图像中属于特征性的信息,将获得的特征值数据组成向量数据后输入神经网络模型,能够提高神经网络模型的效率和检测的准确率。
本申请的汗液检测相比呼气检测而言,由于对特定成分的特异性敏感,导致了因为多种气体的交叉作用的频率更低,更容易做出明显的判断。图13为糖尿病的呼气检测的波形图,图9为同一对象的腋下汗液检测的波形图。可以看出腋下汗液数据中会使得与糖尿病无关的若干曲线(s3、s4、s1)响应约等于零,而原本呼气能够维持的高响应通道(s2,s6,s7,s10)则基本为一致的水平。这对于糖尿病的感知而言更加容易,关键信息所占有的比例相比呼气更大。图14与图11分别示出了健康人群的呼气检测的波形图和腋下汗液气味检测的波形图,可以看出腋下数据中健康样本是基本上不对任何电子鼻阵列有明显响应的,由此反而拉大了健康人群与特定人群的数据表现差异性,使得特定人群与健康人群的识别准确率得以进一步提升。图15中1至4依次为健康人群的腋下汗液检测、健康人群的呼气检测、糖尿病人群的腋下汗液检测与糖尿病人群的呼气检测的s7通道的最大值特征的分布范围示意图,其中,第1列和第3列分布几乎完全割裂,而第2列和第4列虽然能够总体分开,但是健康样本的分布与糖尿病是有所重叠的。即呼气检测中健康与糖尿病的分布重叠率较高,然而腋下汗液检测基本上健康样本完全与糖尿病不重叠。表明了腋下汗液检测相比于呼气检测对于类似于糖尿病在数据本身上的分异性增益,由此使得在腋下汗液检测中更容易准确分类。
具体的,本实施例中,上述基于腋下汗液气味采样检测系统的检测方法的具体功能还可以参照上述基于腋下汗液气味采样的检测系统中的对应描述,在此不再赘述。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.基于腋下汗液气味采样的检测系统,其特征在于,包括:
用于对待检测气体进行成分检测的气室,所述气室的侧壁上设有阵列分布的用于安装传感器的通孔,所述气室为中空状,所述气室上还设有用于气体进出的开口;
数据采集卡,用于采集安装在所述气室上的传感器的电压信号并转换为数字信号;
处理终端,与所述数据采集卡通信连接,用于接收所述数字信号,提取所述数字信号中表征汗液气味的特征,获得检测结果;
温度控制装置,用于接收所述处理终端的信号并使安装在所述气室上的传感器的加热电压呈周期变化。
2.如权利要求1所述的基于腋下汗液气味采样的检测系统,其特征在于,所述气室为两端开口的六棱柱体,所述气室的两端设有端盖,所述端盖上设有用于气体进出的开口。
3.如权利要求1所述的基于腋下汗液气味采样的检测系统,其特征在于,还包括气袋,所述气袋的开口端设有密封条,所述气袋用于置入预先采集的汗液味源以使得汗液味源的气味分子散佚至所述气袋内的空气中,形成所述待检测气体。
4.如权利要求3所述的基于腋下汗液气味采样的检测系统,其特征在于,所述气袋的侧壁上设有充气阀和抽气阀。
5.如权利要求1所述的基于腋下汗液气味采样的检测系统,其特征在于,所述气室的内壁上设有特氟龙涂层。
6.基于腋下汗液气味采样检测系统的检测方法,其特征在于,包括:
将已获取的汗液味源放入密闭空间,持续设定时间以使得汗液味源的气味分子散佚至密封空间的空气内,获得待测气体;
将所述待测气体移入安装有气敏传感器阵列的密封气室,实时采集所述气敏传感器的信号获得多通道的监测数据,每个所述气敏传感器对应于一个通道;
将所述监测数据输入预先训练好的网络模型,获得检测结果。
7.如权利要求6所述的基于腋下汗液气味采样检测系统的检测方法,其特征在于,实时采集所述气敏传感器的信号获得多通道的监测数据时,还包括:
对所述气敏传感器阵列中的气敏传感器分别施加恒定加热电压、阶梯变化的加热电压。
8.如权利要求6所述的基于腋下汗液气味采样检测系统的检测方法,其特征在于,所述将已获取的汗液味源放入密闭空间,持续设定时间以使得汗液味源的气味分子散佚至密封空间的空气内,获得待测气体,还包括:
将所述密闭空间置于50°~60°的恒温环境中。
9.如权利要求6所述的基于腋下汗液气味采样检测系统的检测方法,其特征在于,所述将所述监测数据输入预先训练好的网络模型,获得检测结果,包括:
对监测数据进行预处理,并提取监测数据的特征值;
将所述特征值输入所述网络模型,获得检测结果。
10.如权利要求6所述的基于腋下汗液气味采样检测系统的检测方法,其特征在于,所述将所述待测气体移入安装有气敏传感器阵列的密封气室,实时采集所述气敏传感器的信号获得多通道的监测数据,包括:
在所述待测气体移入前,采集所述气敏传感器的信号,获得基线数据;
将所述待测气体移入所述密封气室,持续设定时间并实时采集所述气敏传感器的信号获得采集数据;
组合所述基线数据和所述采集数据,获得所述监测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211206152.8A CN115639319A (zh) | 2022-09-30 | 2022-09-30 | 基于腋下汗液气味采样的检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211206152.8A CN115639319A (zh) | 2022-09-30 | 2022-09-30 | 基于腋下汗液气味采样的检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115639319A true CN115639319A (zh) | 2023-01-24 |
Family
ID=84941333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211206152.8A Pending CN115639319A (zh) | 2022-09-30 | 2022-09-30 | 基于腋下汗液气味采样的检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115639319A (zh) |
-
2022
- 2022-09-30 CN CN202211206152.8A patent/CN115639319A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Banerjee et al. | Black tea classification employing feature fusion of E-Nose and E-Tongue responses | |
CN101470121A (zh) | 一种嵌入式仿生嗅觉气味识别方法及装置 | |
Distante et al. | On the study of feature extraction methods for an electronic nose | |
Yan et al. | Improving the transfer ability of prediction models for electronic noses | |
Munoz et al. | Conductive polymer‐carbon black composites‐based sensor arrays for use in an electronic nose | |
CN103134850B (zh) | 一种基于特征香气的茶叶品质快速检测方法 | |
CN110441423A (zh) | 一种测定粮食香气成分的方法及其系统 | |
Tian et al. | A novel pattern mismatch based interference elimination technique in E-nose | |
CN101493431A (zh) | 利用电子鼻检测鸡肉新鲜度的方法 | |
CN1453584A (zh) | 基于气体传感器阵列技术的食品气味快速无损检测方法及装置 | |
US11886504B2 (en) | Systems and methods for generating smell data and a database thereof | |
Abdullah et al. | Hand-held electronic nose sensor selection system for basal stamp rot (BSR) disease detection | |
CN109564199A (zh) | 分析数据处理方法和分析数据处理装置 | |
Abe et al. | Extended studies of the automated odor-sensing system based on plural semiconductor gas sensors with computerized pattern recognition techniques | |
Jeon et al. | Sensor array optimization techniques for exhaled breath analysis to discriminate diabetics using an electronic nose | |
CN113340943B (zh) | 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 | |
CN110887944A (zh) | 一种茶油品质快速检测装置 | |
CN110398472A (zh) | 一种基于二维相关光谱量化的植物油鉴别分类方法 | |
CN111289459B (zh) | 混合物质组分浓度检测方法、装置、设备及存储介质 | |
CN115639319A (zh) | 基于腋下汗液气味采样的检测系统及检测方法 | |
Di Lecce et al. | Computational-based Volatile Organic Compounds discrimination: an experimental low-cost setup | |
Tudu et al. | Comparison of multivariate normalization techniques as applied to electronic nose based pattern classification for black tea | |
Huang et al. | Cluster and discriminant analysis of electrochemical noise statistical parameters | |
Szczurek et al. | Gas sensor array with broad applicability | |
CN104931537A (zh) | 一种糠醇和2-甲基呋喃类物质的快速检测方法 |
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 |