KR20030051891A - 기체방전 분광 시스템 및 방법 - Google Patents
기체방전 분광 시스템 및 방법 Download PDFInfo
- Publication number
- KR20030051891A KR20030051891A KR10-2003-7007248A KR20037007248A KR20030051891A KR 20030051891 A KR20030051891 A KR 20030051891A KR 20037007248 A KR20037007248 A KR 20037007248A KR 20030051891 A KR20030051891 A KR 20030051891A
- Authority
- KR
- South Korea
- Prior art keywords
- gas
- plasma
- identification system
- electrode
- array
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 20
- 238000004611 spectroscopical analysis Methods 0.000 title description 2
- 239000011521 glass Substances 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims description 34
- 239000000758 substrate Substances 0.000 claims description 17
- 210000004027 cell Anatomy 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 10
- 125000006850 spacer group Chemical group 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 abstract description 66
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 40
- 239000010410 layer Substances 0.000 description 30
- 229920000642 polymer Polymers 0.000 description 19
- 230000006870 function Effects 0.000 description 16
- 235000021419 vinegar Nutrition 0.000 description 13
- 239000000052 vinegar Substances 0.000 description 13
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 238000003380 quartz crystal microbalance Methods 0.000 description 11
- 239000012855 volatile organic compound Substances 0.000 description 10
- 238000010897 surface acoustic wave method Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 8
- 229910052751 metal Inorganic materials 0.000 description 7
- 239000002184 metal Substances 0.000 description 7
- 229910044991 metal oxide Inorganic materials 0.000 description 7
- 150000004706 metal oxides Chemical class 0.000 description 7
- 239000011149 active material Substances 0.000 description 6
- 208000006673 asthma Diseases 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 239000003205 fragrance Substances 0.000 description 6
- 229910052757 nitrogen Inorganic materials 0.000 description 6
- 229910001887 tin oxide Inorganic materials 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000000576 coating method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000241 respiratory effect Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- XOLBLPGZBRYERU-UHFFFAOYSA-N tin dioxide Chemical compound O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 5
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 4
- 239000003570 air Substances 0.000 description 4
- 229910052786 argon Inorganic materials 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 229920001940 conductive polymer Polymers 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000007850 fluorescent dye Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000008020 evaporation Effects 0.000 description 3
- 235000019645 odor Nutrition 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- KDLHZDBZIXYQEI-UHFFFAOYSA-N Palladium Chemical compound [Pd] KDLHZDBZIXYQEI-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 230000003197 catalytic effect Effects 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 229920000128 polypyrrole Polymers 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000004408 titanium dioxide Substances 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 101100070542 Podospora anserina het-s gene Proteins 0.000 description 1
- 239000004809 Teflon Substances 0.000 description 1
- 229920006362 Teflon® Polymers 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000013543 active substance Substances 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 150000002240 furans Chemical class 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- CPBQJMYROZQQJC-UHFFFAOYSA-N helium neon Chemical compound [He].[Ne] CPBQJMYROZQQJC-UHFFFAOYSA-N 0.000 description 1
- 150000002475 indoles Chemical class 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052741 iridium Inorganic materials 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000005459 micromachining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002071 nanotube Substances 0.000 description 1
- 229910000510 noble metal Inorganic materials 0.000 description 1
- 235000021453 onion ring Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000620 organic polymer Polymers 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
- 229910052763 palladium Inorganic materials 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000011540 sensing material Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 239000004945 silicone rubber Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 150000003464 sulfur compounds Chemical class 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 229930192474 thiophene Natural products 0.000 description 1
- 150000003577 thiophenes Chemical class 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0047—Organic compounds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/66—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence
- G01N21/68—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence using high frequency electric fields
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
식별될 기체를 이용하여 플라즈마를 발생시키는 플라즈마 발생기와, 상기 플라즈마로부터 방사되는 빛을 검출하도록 배열된 검출기를 포함하는 기체 식별 시스템에 관한 것이다. 상기 검출기의 출력신호를 분석함으로써, 상기 기체를 식별할 수 있다. 상기 시스템은 플라즈마 전극을 형성하는 스트립 패턴을 갖는 두개의 유리플레이트(36, 38)를 포함하는 플라즈마 디스플레이(11)를 포함한다. 상기 스트립 간의 교차지점은 개별적으로 위치 지정할 수 있는 픽셀을 정의한다.
Description
최근 몇 년 동안에는 "인공 코 애플리케이션"이라고 불리는 인공후각 애플리케이션에 대한 관심이 증대되어 왔다. 이들 애플리케이션의 목적은 기체 샘플을 어떤 형태의 분류로 회합시키는 것이다. 종류가 다양한 센서를 사용하는 다수의 상업적인 애플리케이션이 이러한 목적에 이용될 수 있다. 전자 코 센서는 전도성 센서, 압전 센서, MOSFET 및 광센서와 같이 몇 개의 카테고리로 분류된다.
전자 코 애플리케이션에 이용되는 전도성 센서에는 휘발성 유기화합물(VOC's)에 노출될 때 저항변화를 나타내는 산화금속과 폴리머의 두 가지 타입이 있다. 두 타입 중 산화금속 반도체는 전자 코 기구에 보다 광범위하게 사용되어 왔고, 상업적으로 널리 이용되었다. 전형적인 제품은 팔라듐이나 플라티늄과 같은 귀금속 촉매로 도핑된 Sn, Zn, Ti, W와 Ir의 산화물을 포함한다. VOC's와 상호작용하는 상기 도핑된 반도체 물질은 200℃ 내지 400℃에서 작동하는 저항성 가열소자 위의 두개 금속의 접촉면 사이에 놓여진다. 이와 같이 상승된 온도에서, 열 소실이 감지 챔버의 기계적 측면의 디자인에 있어 주된 고려대상이 된다. 미세기계가공이 활성물질 아래의 센서기판을 얇게 하는데 흔히 이용되며, 이를 통해 전력소비와 열 소실 조건이 감소된다. VOC가 도핑된 금속산화물 위를 통과함에 따라, 두 금속 접촉면간의 저항은 VOC의 농도에 비례하여 변화한다.
일반적으로 활성 금속산화물 센서 물질은 일산화탄소나 암모니아와 같은 특정 취기제(odorants)에 대한 반응이 강화되도록 설계된다. 선택성은 동작온도를 변경함으로써 향상될 수 있다. 센서감도의 범위는 5 내지 500ppm이다. 상기 센서는 또한 수증기 더욱 구체적으로는, 분석될 기체샘플과 상기 센서를 초기화하는데 이용되는 이미 알고 있는 기준 기체간의 습도차에 반응한다.
금속산화물 센서의 단점은 반응 기준선이 수시간에서 수일을 넘기기 쉽다는 것이다. 이를 저지하기 위해 보통 신호처리 알고리즘이 채택된다. 나아가 상기 센서는 취기제 혼합물에 존재하는 황화합물에 의해 중독되기 쉽다는 단점을 가지며, 이는 문제를 일으킬 수 있다. 그러나 이 타입의 센서는 저비용과 광범위한 이용성을 가져, 기체센서로서는 가장 널리 이용되는 타입이 되었다.
폴리머센서 역시 전자 코 전도성 센서로서 사용될 수 있다. 여기서, 활성물질은 폴리파이롤(polypyrroles), 사이오핀(thiophenes), 인돌(indoles)이나 푸란(furans)과 같은 족의 전도성 폴리머이다. 이들 물질의 전도도에 있어서의 변화는 폴리머 백본(backbone)과 결합되는 다양한 타입의 화학물질에 노출됨에 따라 일어난다. 상기 결합은 이온결합 또는 공유결합일 수 있다. 상호작용은 폴리머체인을 따라 일어나는 전자이동 즉, 전도도에 영향을 미친다. 폴리머에 대한 주어진 화합물의 친화력 및 폴리머의 전도도에 대한 그 효과는 폴리머 백본에 붙어있는 역이온(counter-ions) 및 작용기(functional groups)에 의해 영향을 많이 받는다.
센서장치에 폴리머를 사용하기 위해, 미세조립기술이 채택되어 두 개의 전극을 10 내지 20㎛ 간격으로 분리 형성한다. 그리고 나서, 상기 전도성 폴리머는 전극들 간의 전압을 사이클링하는 방법에 의해 전자 중합화된다. 예를 들면, 폴리파이롤 층은 -0.7 및 +1.4V 사이의 사이클링으로 형성될 수 있다. 전압 편향률을 변화시키는 것과 일련의 폴리머 프리커서를 적용하는 것은 활성물질을 광범위하게 다양화시킨다. 반응시간은 폴리머의 두께에 반비례한다. 반응시간을 빠르게 하기 위해, 전도성 폴리머브리지 크기의 마이크로미터가 접촉 전극간에 형성된다.
전도성 폴리머센서는 대기온도에서 작동하기 때문에, 히터가 필요하지 않으며 따라서 금속산화물 센서보다 만들기 용이하다. 전자인터페이스는 간단하고 휴대용 기구로 적당하다. 센서는 감도 0.1ppm에서 취기제를 감지할 수 있으나, 10에서 100ppm 이 더욱 보편적이다. 그와 같은 센서의 주된 결점은 활성물질의 전자 중합화가 어려우며 이에 많은 시간이 소요된다는 것이며, 따라서 배치단위로 바람직하지 않은 변동을 나타내게 된다. 센서반응 역시 시간에 따라 변화하며, 금속산화물보다 수증기에 대해 보통 더 큰 감도를 갖는 특성으로 인해 습도에 영향을 받기 쉽다. 이러한 민감도는 냄새가 있는 휘발성 유기화합물에 대한 반응을 방해할 수 있다. 더욱이, 어떤 취기제는 폴리머 벌크를 침투할 수 있으며, 그로 인해 폴리머로부터 VOC의 제거가 느려져 센서 복귀시간을 지연시키게 된다. 이는 취기제 샘플을 연속적으로 처리하는 시간주기를 연장시키게 되는 단점이 있다.
널리 사용되는 새로운 전자센서의 또 다른 그룹은 압전 그룹이다. 압전센서에는 석영-크리스탈 미량천칭(QCM)과 표면음파(SAW) 장치의 두 가지 타입이 있다. 이들 센서는 온도, 질량변화, 압력, 힘 및 가속도를 측정할 수 있으나, 전자 코 애플리케이션에서는 질량변화를 감지하는 장치로서 분류된다.
QCM 센서는 연선(lead wire)에 연결된 각 측면에 금속전극을 갖는 지름이 수 ㎜인 공진디스크로 구성된다. 상기 장치는 진동신호로 여기될 때, 일반적으로 10MHz에서 30MHz 범위의 고유진동수에서 공진한다. 제조중에, 상기 디스크에는 폴리머코팅이 행해져 활성 센싱물질로 작용하도록 된다. 작동 중, 기체샘플이 폴리머 표면에 흡수되어 디스크-폴리머 장치의 질량이 증가하고, 이로 인하여 공진진동수가 감소된다. 상기 감소량은 폴리머에 의해 흡수되는 취기제 질량에 반비례한다.
QCM 장치에 대하여 유용한 사항이 알려져 있다. 군대에서는 수 년동안 상기 장치에 대해 실험을 하여, 이를 폭발물질 및 다른 위험한 화합물의 양을 탐지하고 1pg의 분해능으로 질량변화를 측정하는데 이용한다. 예컨대, s.t.p.에서 1리터의 샘플 체적에서 메탄 1pq은 1.4ppb 농도의 메탄을 발생시킨다. 더욱이 QCM 장치는 광범한 동작범위에 걸쳐 주목할 만한 선형성을 갖는다. 그들의 물에 대한 반응은 채택된 흡수성 물질에 달려있고, 온도변화에 대한 감도는 무시할 정도로 만들어질 수 있다.
특수 애플리케이션용 QCM 센서는 폴리머 코팅을 조절함으로써 제작될 수 있는데, 다수의 코팅이 적용될 수 있다. 공명구조의 반응 및 회복시간은 폴리머 코팅의 두께와 함께 석영 크리스탈의 치수 및 질량을 감소시킴으로써 최소화될 수 있다. 이들 장치는 정규화된 주파수 변화를 측정하고 공통모드 노이즈를 제거하는 차동측정을 행하기 때문에, 배치단위의 변화성은 문제시 되지 않는다.
SAW 센서는 여러 중요한 면에서 QCM 센서와는 다르다. 먼저, 레일레이 파는 장치의 체적을 통과하는 것이 아니라 그 표면을 통과한다. SAW 센서는 훨씬 높은 주파수에서 동작하므로, 주파수에 있어서 보다 큰 변화를 생성할 수 있다. 전형적인 SAW 장치는 MHz 영역의 100s에서 동작하지만, SAW 장치는 QCM에서와 같은 차수 크기로 질량에서의 변화를 측정할 수 있다. 주파수 변화가 더 크다 하더라도, 체적에 대한 표면 비율이 증가된다는 것은 보통 노이즈에 대한 신호 비율이 더 열악해진다는 것을 의미한다. 따라서 SAW 장치는 실제로 QCM 보다 어떤 경우에 있어서는 감도가 더 떨어질 수 있다.
다른 센서타입에 있어서와 마찬가지로, QCM에 있어서 SAWs 용 다수 폴리머 코팅이 가능하기 때문에, 차동측정으로 모드 효과를 제거할 수 있다. 예컨대, 동일한 기판위의 두개의 인접한 SAW 장치는 차동페어로서 작동되어 온도변화와 전력 라인의 노이즈를 제거할 수 있다.
QCM과 SAW센서의 단점은 이들 모두 활성막이 노화됨에 따라 공진주파수가 변화될 수 있는 주파수 검출기를 필요로 한다는 것이다.
MOS 전계효과 트랜지스터(MOSFET) 또한 냄새 감지 장치로 사용될 수 있다. 이들은 촉매 금속과 접촉하고 있는 VOCs가 금속과 반응을 일으킬 수 있다는 원리 하에 동작한다. 반응산물은 MOSFET의 게이트를 통해 확산하여 장치의 전기적 특성을 변화시킨다. 장치의 감도와 선택도는 금속촉매의 타입과 두께를 변화시키는 것과 그들을 다양한 온도에서 작동시키는 것에 의해 최적화 될 수 있다.
MOSFET 센서의 장점은 IC 제조공정으로 만들어 질 수 있어서, 배치별 변화가 최소화될 수 있다는 것이다. 단점은 수소와 같은 촉매작용으로 인한 반응산물이 채널 전하에 영향을 주기 위해서는 촉매금속층을 투과해야 한다는 것이다. 이는 그 패키지에 기체가 IC 칩상의 게이트구조와 상호작용하는 것을 허용할 윈도가 포함되어야 한다는 것을 의미한다. 따라서 칩과 전기적으로 접속되기 위한 용접밀폐가 유지되는 것이 중요하다. MOSFET 센서는 또한 전도성 센서와 유사한 기준선 변화를 거치게 되는 단점을 가진다.
광섬유 또한 전자 코 센서로서 사용된다. 이들은 그 측면 또는 단부에 얇은 화학적 활성물질이 코팅된 유리섬유를 이용한다. 단일주파수(또는 협대역 주파수)의 광원이 상기 활성물질에 신호를 보내기 위해 사용되며, 이는 검출되어 측정될 VOCs의 존재에 대해 색변화로 응답한다. 활성물질은 유기체 폴리머 기반에 고정된 화학적으로 활성인 형광성 염료를 함유한다. VOCs가 그와 반응함에 따라, 형광성 염료의 극성은 바뀌고, 그들은 형광방사 스펙트럼을 시프트하는 방식으로 반응을 나타낸다. 외부 광원으로부터의 광 펄스가 센서에 신호를 보낼 때, 상기 형광성 염료는 다른 주파수로 빛을 방사함으로써 응답한다. 소스의 세기가 센서의 반응보다 훨씬 크기 때문에, 반응 광 검출기가 소스 방사로부터 보호되도록 특별한 주의가 필요하다.
광섬유 센서의 단점은 사용 및 제어시스템이 복잡하여 제조단가가 높다는 것이다. 또한, 이들 센서는 형광성 염료가 감지과정을 통해서 천천히 소모되는 것으로 인한 광표백(photobleaching) 작용으로 수명이 제한된다는 것이다.
기존의 전자 코 센서에는 많은 문제점이 존재한다. 본 발명의 목적은 기체를 식별하는 새로운 방법 및 센서시스템을 제공하는 데에 있다.
본 발명은 기체방전을 통한 분광을 개선하는 것에 관한 것이다.
도 1은 제1 플라즈마 광 방사 분광기의 블록 다어어그램,
도 2는 분석처리의 단계를 나타내는 도면,
도 3은 도 1의 분광기를 이용하여 수집된 스펙트럼 분석에 사용되는 퍼셉트론(perceptron)을 도식적으로 나타낸 도면,
도 4는 5개 공기 및 질소 샘플에 대한 식별결과를 나타내는 테이블,
도 5는 제1 분석지표 세트를 사용하여 얻어진 5개의 공기, 아세톤 및 식초샘플에 대한 식별결과를 나타내는 테이블,
도 6은 제2 분석지표 세트를 사용하여 얻어진 5개의 공기, 아세톤 및 식초샘플에 대한 식별결과를 나타내는 테이블,
도 7은 제3 분석지표 세트를 사용하여 얻어진 5개의 공기, 아세톤 및 식초샘플에 대한 식별결과를 나타내는 테이블,
도 8은 제1 방법을 이용하여 수집된 미지의 샘플 A 및 B에 대한 식별결과를 나타내는 테이블,
도 9는 또 다른 방법을 이용하여 수집된 샘플 A 및 B에 대한 식별결과를 나타내는 테이블,
도 10은 또 다른 플라즈마 광 방사 분광기의 블록 다이어그램,
도 11은 도 10의 분광기에 사용되는 센서의 구성부분에 대한 분해도,
도 12는 도 10의 시스템을 사용하여 분석된 샘플에 대한 다양한 스펙트럼을나타내는 도면.
본 발명의 일 양상에 의하면, 식별될 기체를 이용하여 플라즈마를 형성하고, 상기 플라즈마로부터 방사되는 빛을 검출하여, 상기 검출된 빛을 기체를 식별하는데 사용하는 단계를 포함하는 기체를 식별하는 방법이 제공된다.
각 기체는 고유의 광 스펙트럼을 가지기 때문에, 이를 식별을 위한 결정적 요인으로 사용할 수 있다. 따라서, 플라즈마를 생성하고 그로부터의 광 방사를 검출함으로써, 효과적인 기체 식별방법이 제공된다. 이 방법의 장점은 다양한 기체에 대해 광범위하게 사용될 수 있으며, 플라즈마 전극의 전 표면처리가 불필요하다는 것이다.
이 방법은 또한 알려진 기체를 사용하여 플라즈마를 생성하고, 상기 알려진 기체 플라즈마로부터 방사되는 빛을 검출하여, 상기 알려진 기체와 연관된 스펙트럼을 저장하는 단계를 포함한다. 이런 방법으로, 알려진 기체에 대한 스펙트럼 자료원이 구축될 수 있다.
본 발명의 또 다른 양상에 의하면, 식별될 기체를 사용하여 플라즈마를 생성하는 수단과, 상기 플라즈마로부터 방사되는 빛을 검출하는 검출기와, 상기 검출된 빛을 이용하여 기체를 식별하는 프로세서를 포함하는 기체 식별 시스템이 제공된다.
상기 시스템에는 알려진 기체와 연관된 스펙트럼이며, 미지의 기체를 식별하기 위하여 프로세서에 의해 이용될 수 있는 스펙트럼을 저장하는 메모리가 더 포함될 수 있다.
상기 플라즈마를 생성하는 수단은 전극을 포함할 수 있다. 상기 전극은 실질적으로 40 내지 200㎛, 바람직하게는 50내지 100㎛ 범위내로 이격되어 위치될 수 있다. 상기 전극은 스페이서에 의해 분리될 수 있다. 상기 전극은 유도 커플링에 의해 여자될 수 있다.
상기 전극은 대향하는 제1 및 제2 기판을 포함하며, 상기 제1 기판은 제1 전극 어레이를 포함하고, 상기 제2 기판은 제2 전극 어레이를 포함하며, 이들 전극은 모두 개별적으로 위치 지정될 수 있는 요소의 센서어레이가 분광계 셀의 부분으로서 제공될 수 있다. 어떤 면에서, 상기 제1 및 제2 전극 어레이 간의 각 오버랩 영역은 개별적으로 여자되는 일련의 픽셀을 형성하여 분광계 센서요소로 사용된다.
각 어레이 상의 전극은 선형적일 수 있다. 상기 전극 어레이는 상기 기판의 내부 셀 표면에 위치될 수 있다. 상기 기판의 적어도 하나는 관련 분광계 파장에 대해 투과성을 가지는 물질로 형성될 수 있다. 상기 기판의 적어도 하나는 전적으로 또는 상당량 유리로 이루어질 수 있다. 이에 대한 이점은 센서 신호가 유리기판의 하나 또는 그 이상의 가장자리를 따라 위치될 수 있는 분광계 검출기의 적절하고, 가능한 말단 부분으로 가이드 되도록 하는 광 가이드로서 동작할 수 있다는 것이다. 기판의 적어도 하나는 전적으로 또는 상당량 실리콘으로 형성될 수 있다.
상기 전극은 적절한 도전성 물질로 형성될 수 있다. 상기 전극은 투명할 수 있다. 적절한 물질로는 산화주석(tin oxide)과 이산화티타늄(titanium dioxide)을포함한다. 다른 물질은 탄소, 다이아몬드와 유사한 탄소, 나노튜브(nanotubes), 어니언 링(onion rings) 다른 어떤 형태의 풀레린(fulerine) 또는 고계 방사를 갖는 어떤 코팅이라도 포함한다. 이는 전위에 대한 쇼크(전압붕괴)를 감소시키는 이점을 갖는다. 선택적으로, 이들 물질은 산화주석이나 이산화티타늄 전극을 코팅하는데 사용될 수 있다.
복수개 센서요소의 사용은 하나 또는 그 이상의 센서 요소가 기체 플라즈마 샘플로부터 수신된 신호와 동시에 비교되는 알려진 눈금조정신호를 제공할 수 있는 "눈금조정(calibration)" 요소로서 참조되도록 한다. 이는 어느 분광계로의 입력조건이 항상 약간 변화하여, 정말로 "순수"한 눈금조정 샘플조차도 아주 약간 다른 조건하에서조차 다른 스펙트럼을 제공하게 된다는 알려진 어려움을 극복하게 해준다. 복수의 센서 요소를 사용하는 것은 또한 검출된 샘플의 평균값을 결정하게 함으로써 통계적인 분석을 가능하게 하는데, 이와 같은 평균값은 하나의 센서요소에 의한 검출에서보다 기체 샘플과 관련하여 더 나은 결정을 할 수 있도록 해 준다. 더욱이, 복수의 센서요소를 사용함으로써, 단체, 예를 들면 수소와 같은 단일의 기체 타입 또는 아세톤 같은 분자/화합물이 기준으로 될 수 있다. 복수의 센서요소를 사용하는 것은 또한 사용 및 자기에러/수명 테스트에 있어서의 안정성을 제공한다. 즉, 어느 하나의 단일 센서요소의 오작동 또는 완전한 고장조차도 다중 검출된 신호에는 영향을 주지 않는다. 또한, 새로운 센서요소가 기존 요소의 고장에 대체되어 즉시 사용될 수 있다.
본 발명이 구현된 다양한 시스템 및 방법이 다음에 첨부된 도면을 참조하여예시적으로 설명될 것이다.
도 1은 상부 절연 구동전극(12)과 하부 접지전극(14)을 포함하는 병렬 플레이트 전극을 포함하는 진공챔버(10)를 포함하는 에드워즈(Edwards) 진공시스템(8)을 나타낸다. 상부(구동)전극(12)은 4.5㎝의 직경을 가지며, 접지전극(14)은 21㎝의 직경을 갖는다. 전극 12와 14의 간격은 2㎝이다. 0에서 550W 범위의 전원을 공급하고, 반사로 인한 전력손실을 줄이기 위해 부하에 대한 자동 임피던스 매칭을 위한 자동모드를 포함하는 전원이 포함된 플라즈마 뎀(Plasma Them) 13.56MHz r.f. 발생기(16)가 진공시스템에 연결된다. 기체가 진공챔버(10) 내로 도입되고, 플라즈마(18)가 발생기(14)를 통해서 생성된다. 상기 플라즈마는 챔버(10) 내의 기체에 고유한 광 스펙트럼을 갖는 빛을 방사한다.
플라즈마(18)에 의해 생성된 빛이 통과하는 유리 윈도(20)가 벽에 형성되어 있다. 상기 윈도(20)는 320㎚이하, 950㎚이상의 방사를 필터링하도록 채택된다. Oriel MultiSpec 77400 분광기(24)내로 진공챔버내에서 생성된 빛을 공급하는데 사용되는 광섬유 케이블(22)이 상기 윈도(20)에 광학적으로 연결된다. 상기 분광기는 파장을 분산시키는 12001/㎜의 회절격자가 포함된다. 냉각수 InstaSpec CCD 어레이(26)가 1024픽셀에 대한 입사 파장의 세기를 검출하기 위해 사용된다. Oriel Instaspec IV 소프트웨어를 이용하여 검출된 빛의 스펙트럼(30)이 디스플레이되는 컴퓨터(28)가 상기 CCD 어레이(26)에 연결된다. 상기 스펙트럼(30)은 ASCII 포맷으로 저장된다. 상기 분광기는 상기 CCD에 △λ=150㎚의 파장범위가 동시 검출되도록한다.
스펙트럼에 대한 신호처리는 스펙트럼의 ASCII 파일을 National Instruments LabView 프로그램에서 불러온 후, 상기 스펙트럼을 도 2에 나타낸 바와 같은 영역으로 쪼갬으로써 수행된다. 이와 같은 세분화가 수행되면, 상기 스펙트럼 위에 격자눈금이 구획된다. 최종결과는 그 안의 피크가 카운팅될 수 있는 셀의 생성이다. 어떤 특징은 "특징 X는 셀 X내의 피크 수이다"와 같은 방식으로 표현될 수 있다. 또한, 노이즈 피크를 포함하는 저(low) 셀들을 고려하지 않기 위한 임계치(32)가 정해질 수 있다. 단일 스펙트럼에 대한 알고리즘은 다음의 단계로 간략히 요약될 수 있다: (1) 각 셀에 대한 피크의 수를 0으로 초기화하는 단계; (2) 피크를 검출하는 단계; (3) 각 피크에 대해 그 어레이 위치를 결정하고, 그 셀에 있는 것으로 결정된 피크의 수에 1을 더하는 단계. 최종적으로, 각 셀/특성은 인공 신경망(Artificial Neural Network: ANN)으로의 대응 입력을 가지며 그 값이 입력되어 질 수 있다. 셀 치수조절이 그리드 해상도에 대한 큰 융통성을 부여한다는 것에 주목하여야 한다. 상기 해상도는 열 만에 의해 형성된 그리드와 행만으로 된 그리드 간에 걸쳐, 애플리케이션의 필요에 따라 채택되어 질 수 있다. 특정 애플리케이션에서는 극단적인 그리드구성이 매우 유용할 수 있다.
ANNs는 여러 이론에 근거할 수 있고, 결과적으로 네트워크 타입도 다양하다. 각 네트워크 타입 내에서는 특정 파라미터를 변화시킴으로써 많은 변수가 얻어질 수 있다. 타입과 구조를 무시하면, 어떤 인공 NN도 PC 또는 워크스테이션 상에서 시뮬레이션 할 수 있다. 커스텀 프로그램이 코드화될 수 있거나 아니면 다른 시뮬레이션 소프트웨어가 사용될 수 있다. 어떤 경우에도, 시뮬레이션은 입력값을 공급하고 출력을 관찰하기 위한 인터페이스를 공급해야 한다. 도 1의 예에서, 시퓰레이션 소프트웨어로는 NeuralWare Inc.에 의해 개발된 NeuralWorks Professional Ⅱ/Plusⓒ가 사용되었다. 이것은 시그모이드(Sigmoid) 활성화 함수를 사용하는 학습용 델타룰(Deta Rule)을 갖는 후방전파(back-propagation) 네트워크이다. 운동량(momentum)으로는 0.05가, LCoef 비율로는 0.1이 고려되었으며, 다른 NN값은 그 디폴트 값이 설정되었다.
NN의 기본요소는 퍼셉트론(Perceptron)이다. 도 3에 나타낸 바와 같이 퍼셉트론은 N개의 입력(X1~XN)과 하나의 출력(y)을 갖는 노드이다. 입력값은 조절가능한 가중치(W1,...,WN)에 의해 곱해진 다음 모두 더해진다. 그 얻어진 합(s)은 임계함수 또는 활성함수(T)라고 불리는 함수의 독립변수이다. 특징 벡터 x=(X1,....,XN)는 퍼셉트론에 제공될 수 있다. 그 다음, 활성함수(T)가 상기 합(s)에 작용한다. T는 특정값보다 큰 s에 대해서는 1의 값을 가지고, 작은 s값에 대해서는 0의 값을 갖는 단순 스텝함수일 수 있다. 더 복잡한 활성함수도 가능하다. 퍼셉트론의 최종 효과는 상기 특징 스페이스를 선형적으로 2개의 1/2스페이스로 분할하는 것이다. 그러나 상기 활성함수는 특징 스페이스의 분할을 결정한다.
퍼셉트론의 전력을 증가시키기 위해, 퍼셉트론을 한 층(layer)으로 빼낼 수 있다. M개가 상기 층에 있는 퍼셉트론의 수라면, 상기 스페이스를 2M개의 1/2스페이스로 분할하거나, 최소 M+1개의 볼록영역을 갖는 2M볼록영역까지 분할할 수 있다. ANN의 전력을 더욱 증가시키기 위해서, 첫 번째 층의 M개 출력이 두 번째 층의 입력으로 되는 등의 다층(Multiple-layered) 퍼셉트론을 고려할 수 있다. 이들 경우에, 그 출력이 또 다른 층의 입력으로 되는 층을 히든 레이어(hidden layer)라고 한다. 다층 NN은 상기 특징 스페이스를 비선형적으로 분할할 수 있다.
활성함수가 단일의 스텝함수라면, 특징벡터를 네트워크로 공급하는 것은 그 속하는 클래스를 나타내는 벡터를 알려준다. 만일, 선택적으로, 상기 활성함수가 더욱 복잡하다면, 출력벡터는 클래스의 말단 공간으로 맵핑될 것이고, 그 속하는 클래스를 결정하기 위해 거리를 산출해야 할 필요가 있을 것이다. 이론적으로는, 하나의 히든 레이어가 그 이상의 층으로 가능할 수 있는 어떤 종류의 분석도 수행하는 것이 가능하다. 그럼에도 불구하고, 다층 히든 레이어가 다수의 퍼셉트론이 하나의 층에 있는 것을 피하기 위해 사용될 수 있다. 지금까지, 피드지향(Feed-forward)으로 불리는 일반적인 형태의 NN이 논의되었다. 이용할 수 있는 파라미터를 변화시킴으로써, 다수의 다른 애플리케이션에 적당한 여러 다른 형태의 NN이 얻어질 수 있다. 가능한 파라미터는 퍼셉트론, 층, 가중치의 수 및 각 층에 대한 활성함수의 모양이다. 더욱이, 함수 링크망(Functional Link Nets)이라 불리는 알고리즘이 비 선형적으로 분리할 수 있는 클래스를 구분하기 위하여 특별한 치수 또는 특별한 특징의 단일 층망을 제공할 수 있다.
최초에, NNs는 (감독되거나 감독되지 않도록) 조절될 필요가 있다. 한 세트의 패턴을 이용할 수 있을 때, 출력으로 소망하는 클래스를 가질 수 있도록 가중치를 조절할 수 있으며, 이 임무를 수행하는 여러 가능한 알고리즘은 광범위한 옵션을 제공한다. 클러스터링의 경우에는, 또한 자동적으로 상기 가중치를 조절할 수 있는 많은 알고리즘이 존재한다.
ANNs가 결합 매핑에 있어서의 유일한 해결책은 아니다. 퍼지(Fuzzy) 접근을 통해 흥미로운 결과가 얻어질 수 있다. 퍼지로직은 패턴인식 문제에 대한 결정 이론적 해결책을 또한 제시할 수 있다. 여기서는 퍼지로직에 대해 논의하지는 않겠지만, 패턴인식에 대한 가능한 옵션의 존재를 아는 것은 중요하다. 퍼지로직에 대한 보다 충분한 설명이 BEZDEK,J.C의 '퍼지 목적함수 알고리즘을 갖는 패턴인식'이라는 논문(Plentum, 1981)에 나와 있다.
도 1의 시스템이 사용될 때, 챔버(10)에서 공기를 빼내어 기저압력 10-7mbar로 조절되도록 한다. 가압된 용기와 가열된 U-튜브로부터 니들밸브(미도시)를 이용하여 또는 용기로부터 휘발성 화합물을 직접적으로 발산시킴으로써 기체가 챔버(10)에 공급된다. r.f. 전력이 10W로 설정된 플라즈마 뎀 발생기(16)는 플라즈마(18)를 생성하는데 이용된다. 플라즈마 생성중에는, 10-3mbar의 일정압력으로 유지하기 위한 고진공 방지밸브가 채택된다. 플라즈마(18)에 의해 방사되는 빛이 유리윈도(20)를 통과하여 분광기(24)에 의해 검출된다. 최종 스펙트럼(30)이 컴퓨터 스크린에 나타내어지고 앞에 기술된 ANN 기술을 이용하여 분석된다. 플라즈마 챔버에 도입된 기체가 알려진 기체일 때, 상기 시스템은 상기 기체에 관한 상세한 정보와 함께 알려진 스펙트럼 또는 분석데이터를 저장하여 이 기체를 인식하도록 되어 있다. 이와 같은 방식으로, 장치가 트레이닝 되거나 눈금 조정된다. 플라즈마 챔버내로 도입된 기체가 미지의 기체일 때, 상기 시스템은 플라즈마(18) 생성으로 인한 스펙트럼 또는 데이터를 저장된 값과 비교함으로써 상기 기체를 식별하도록 되어 있다.
도 1의 시스템은 많은 다양한 기체를 검출하거나 식별하는데 이용될 수 있다. 다양한 기체 및 기체 혼합물이 테스트되었다.
공기/질소의 인식
이 경우, 스펙트럼 분석을 위해서, 특성 추출을 위해 그리드 해상도는 100픽셀(X)*0.2 정규화된 강도(Y)로 설정되었다. 신경망은 25개 퍼셉트론의 히든 레이어(1) (또는 처리 요소 PE's) 및 10개 PE's의 히든 레이어(2)를 이용하여 구성되었고, 55개 입력이 사용되었다. 트레이닝(training) 및 교수(teaching) 단계는 공기의 처음 10개 스펙트럼 및 질소의 처음 10개 스펙트럼으로부터의 데이터를 이용하여 수행되었고, 이를 통해 시스템이 공기 및 질소를 각각 인식하도록 하였다.
도 4는 공기 5개 샘플 및 질소 5개 샘플을 테스트하여 얻어진 결과를 나타낸다. 각 샘플에 대하여, 4개 연속스펙트럼은 각각 400㎚, 550㎚, 700㎚ 및 850㎚의 중앙 파장을 갖는 것으로 고려되었다. 상기 스펙트럼은 1024*4=4096 세기(그중 몇몇은 오버랩 됨)를 공급하였다. 1 또는 0의 출력은 문제의 기체가 존재하거나 부재한다는 것에 대한 프로그램의 상대적인 확실성을 나타낸다. 인식이 정확하게 수행되었다는 것이 확인될 수 있다. 상기 시스템이 55개 입력만으로 기체를 구별했다는 것에 주목해야 한다.
상술한 것과 동일한 처리가 히든 레이어에서 PE's의 수를 감소하여 수행되었다. 특히, 0개의 PE's가 양 히든 레이어에 대해 사용되어 동일한 결과를 획득함으로써 특징 추출 처리의 효율성을 입증하게 되었다. 따라서, 도 1의 장치가 공기 및 질소를 정확하게 검출하는데 효과적으로 여겨질 수 있다.
공기/아세톤/식초의 인식
또 다른 예로서, 도 1의 장치가 아세톤, 공기 및 식초의 스펙트럼 중 하나를 검출하는데 사용되었다. 이 처리는 전체 45개 스펙트럼에 대해 15번 반복되었다. 공기 스펙트럼은 상술한 바와 마찬가지로 얻어졌다. 그러나, 아세톤 및 식초는 증발되어야 했으며, 이 목적을 위하여 아세톤에 대하여 하나, 식초에 대해 하나씩 2개의 U-튜브(미도시)가 사용되었다. 고무 파이프가 U-튜브로부터 니들밸브에 연결되었고, 식초 또는 아세톤의 증발은 가열에 의해 촉진되었으며, 연속스펙트럼이 기록될 수 있었다. 두 작업 사이에, 챔버압력은 10-6mbar 이하가 되었다.
도 5에서 볼 수 있는 바와 같이, 아세톤 및 식초는 인식되었으나, 공기는 식초와 두 번 혼동되었다(공기의 두 번째 및 세 번째 샘플). 그럼에도 불구하고, 이들 출력은 15개 샘플 중 13개가 올바르게 인식되어 희망적이라 할 수 있다. 다양한 세트의 트레이닝(training) 샘플은 예측의 정확도를 향상시킬 것으로 기대된다.
히든 레이어의 효과
히든 레이어 PE's를 감소시키는 것의 효과가 양 히든 레이어에서 PE's를 감소시키고, 입력의 수를 동일하게 유지시킴으로써 조사되었다. 이 경우, 학습(learning)과정은 히든 레이어에서와 같이 성공적이었으나, 약간의 차이를 테스팅 단계의 결과에서 볼 수 있었다. 히든 레이어가 0으로 감소되었을 때의 처리결과를 도 6에 나타내었다.
도 6으로부터 아세톤 및 식초가 여전히 인식될 수 있었다는 것을 알 수 있다. 그러나, 도 5의 결과와 비교했을 때 처음 3개 샘플에서 차이점이 발견될 수 있다. (실제 출력의 처음 컬럼에서) 첫 번째 것은 인식되었으나 그 값이 감소되었다. 또한 두 번째 및 세 번째 값은 변화되었으나, 이전의 처리에서와 마찬가지로, 그들은 잘못 분류되었다. 상기 차이가 최소라 할지라도, 인식될 수 있었다. 더 많은 트레이닝 세트에서, 상기 차이는 더욱 커졌을 것이다. 히든 레이어를 갖는 망(198 입력-100PE's-50PE's)으로부터 더 나은 결과가 얻어질 수 있었다는 결론에 이를 수 있다.
오버로딩의 효과
지나치게 과도한 수의 특징을 갖는 시스템 오버로딩의 위험이 설명되었다. 이 효과는 트레이닝 샘플 수와의 관계에서 특징의 수가 너무 클 때 일어날 수 있다. 이 실험 세션에서는 단지 30개 샘플만이 트레이닝을 위해 고려되었고, 오버로딩의 위험이 가능하다. 매우 높은 그리드 해상도와 같은 구성에서는 과도한 수의 셀/입력에 이를 수 있다. 이런 상황이 일어나면, ANN은 어느 하나의 샘플에 대해서도 특유의 성질을 검출할 수 있게 되며, 따라서 상기 샘플을 어느 소망하는 세트의 클래스에서 완벽하게 분류할 수 있을 것이다.
도 7은 잘못된 트레이닝의 분류를 보여준다. 이 경우, NN은 샘플과 일치하지 않는 출력을 부여하도록 트레이닝 되었다. 예컨대, 처음 세 개의 공기 샘플은 3개의 가능한 다른 출력(001 010 100)을 가지도록 트레이닝 되었다. 분류가 적절하게 행해질 수 없었다. 예를 들면, 처음 공기 샘플은 매우 혼동된 값(0; 0; 1 대신 0.2; 0.4; 0)으로 분류되었다. 다른 행은 비슷한 혼동 결과를 보여준다. 이는 오버로딩의 가능성을 배제하면, 이 세트의 클래스에 대해 분류가 쉽게 수행될 수 없었다는 것을 의미한다.
커피열매에 대한 인식
도 1의 장치가 두 타입의 커피열매를 구분하기 위해 사용되었다. 이 경우, 특징 추출을 위해 그리드 해상도는 100*0.05로 설정되었으며, 신경망은 100 PE's의 히든 레이어(1) 및 50 PE's의 히든 레이어(2)를 사용하여 구성되었다. 198개 입력이 사용되었다.
이 실험 세션에서는, 두개의 다른 공급자로부터 구입된 두 개의 다른 커피혼합물인 샘플 A 및 샘플 B가 사용되었다. 증발 및 포집이 수행되어 식초와 아세톤의 경우에서와 같은 방식으로 기체를 공급했다. 모두 16개 샘플의 분류로 트레이닝이성공적으로 완성되었다.
도 8은 샘플식별의 결과를 나타낸다. 이로부터 인식결과가 형편없다는 것을 알 수 있다. 그러나 히든 레이어내의 PE's의 수 및 셀의 수는 충분한 것으로 나타났다. 불만족스런 결과의 원인은 커피를 증발하는데 있어서의 어려움에 기인한 포집단계에 있었던 것으로 의심되었다. 이 가정을 입증하기 위해 U 튜브 증발시스템 대신, 튜브를 커피용기내로 직접 통과시킴으로써 열매로부터 냄새를 획득하였다. 변경된 수집기술을 이용하면, 두개의 다른 혼합물의 30개 샘플의 분류에 어떤 문제점도 발생하지 않았다. 10개 샘플 중 9개 샘플이 올바르게 인식된 테스트 결과목록이 도 9에 나타나 있다.
도 10은 기체를 인식하는데 이용되는 또 다른 시스템을 나타낸다. 전체 시스템은 플라즈마 디스플레이(34), 기체흐름 조절 시스템, 구동회로 전자장치 및 스펙트럼 획득 시스템의 4개 메인 서브시스템으로 세분화될 수 있다.
도 11은 플라즈마 디스플레이(34)의 여러부분을 나타낸다. 이는 포토리소그래피 공정을 이용하여 제조된다. 상기 플라즈마 디스플레이(34)는 플라즈마 전극을 형성하는 산화주석 스트립(40) 패턴의 두개의 유리플레이트(36, 38)을 갖는다. 상기 유리플레이트(36, 38)는 산화주석 스트립(40)이 안쪽으로 서로 마주보도록 배치된다. 각 플레이트(36, 38)는 4개의 전극 스트립(40)이 포함된다. 상기 스트립간의 교차지점은 픽셀을 정의한다. 따라서, 도 11의 디스플레이에는 16개의 픽셀이 나타나 있다. 각각의 전극 라인에 전압이 인가되어 소망하는 픽셀이 "스위치 온"된다. 스페이서(42)가 두개의 유리 플레이트(36, 38)를 분리한다. 상기 스페이서(42)는각 측면에 진공 접착제 또는 다른 어떤 적절한 물질을 갖는 테프론 막 또는 부드러운 실리콘 고무일 수 있다. 유리 플레이트의 안쪽 면 사이의 간격은 실질적으로 40에서 200㎛ 범위내이며, 바람직하게는 50에서 100㎛이다. 두개의 홀(44, 46)이 기체 도입구(44) 및 배출구(46)로서 유리 상면에 드릴 형성된다. 대안으로서, 상기 유리 플레이트는 Si로 대체될 수 있으며, 산화주석 전극은 도핑된 실리콘으로 대신할 수 있다. 이 경우 상기 플라즈마 디스플레이는 MEMS 타입 디바이스로 제조될 수 있다.
플라즈마 디스플레이의 기체 배출구가 기체 흐름 제어시스템의 부분인 펌프에 연결된다. 상기 기체 흐름 제어시스템은 플라즈마 디스플레이(34)로부터 펌프를 향하는 파이프라인을 포함하며, 상기 펌프 상의 파이프라인에는 압력게이지(50) 및 밸브(52)가 포함된다. 상기 압력게이지(52)는 MKS에서 구입된 바라트론 캐패시턴스 마노미터(Baratron(R)capacitance manometer) 타입(626)이다. 이것은 판독 정확도 0.25%의 1000mmHg 풀스케일 범위를 갖는다. 펌프(54)로의 출력흐름을 조절하기 위해 소망 압력이 유지되도록 하는 밸브(52)가 필요하다. 상기 펌프(54)는 일련의 로터리펌프 및 확산펌프의 조합이다. 상기 디스플레이(34)의 기체 도입구(44)는 두 종류의 기체의 양과 농도를 조절하는 두개의 흐름량 컨트롤러(56, 58)에 연결된다. 멀티채널 기체 흐름 및 압력 컨트롤러(60)가 두개의 흐름량 컨트롤러(56, 58)를 조절하고 상기 바라트론 마노미터(50)로부터 압력을 읽는다. 상기 장치는 흐름 설정 지점과 응축기체가 도입되도록 하며, 이는 다른 기능과 마찬가지로 자동적으로 유지될 것이다.
플라즈마를 생성하기 위한 플라즈마 디스플레이(34)를 구동하기 위하여, 구동회로(62)가 포함된다. 이는 직류 전압 0~700V를 공급할 수 있다. 하나의 발생장치에 연결되었을 때, 상기 구동회로는 -300~300V 범위에서 진동하는 AC 신호를 발생시킬 수 있다. 이는 각각 모든 8개 전극 스트립을 조절할 수 있으며, 전류를 제한하기 위하여 가변 저항기(0~10M)를 직렬로 연결할 수 있다. HM 2000은 함께 인가되는 전압, 디스플레이 전극에서의 전압 및 전류를 측정할 수 있는 PC 인터페이스 및 LabView(R)프로그램을 갖는다. 상기 인가되는 전압은 HM 2000의 프런트 패널 또는 PC로부터 조절될 수 있다. 출력이 없는 임시 DAQ 카드(64)가 이용되기 때문에, 상기 인가전압은 수동적으로 조절되어야 한다.
플라즈마가 생성될 때, 광섬유를 통해서 분광기(66)로 전송되는 빛이 방사되며, 상기 분광기는 오션광학(Ocean Optics)의 PC1000 PC 플러그인 분광기이다. 이것은 PC의 표준 ISA-버스 슬롯에 적합한 소형분광기(66)이다. 이것은 350~850㎚의 스펙트럼 범위를 가지며, 블래이즈(blaze) 파장은 500㎚이다. 상기 분광기(66)와 함께 소프트웨어 OOIBase가 포함된다. OOIBase는 데이터를 획득하여 배경함수 제거 및 적분과 같은 기본 동작을 수행한다. 평탄화와 같은 다른 기능 또한 가능하다. 상기 분광기(66)는 일부 라인 시프트가 존재함에도 불구하고, 스스로 눈금조정되어야 한다. 추가적인 눈금조정은 헬륨네온 레이저로 수행되어 왔다.
도 10의 시스템을 사용하여, 인식될 기체가 기체 도입구를 통해서 플라즈마디스플레이로 도입된다. 이런 식으로 도입된 기체는 유리플레이트(36, 38) 및 스페이서(42) 사이를 이동한다. 그 다음 플라즈마(18)를 생성하기 위해 전극(40)에 전압이 인가된다. 일단 플라즈마가 생성되면, 고유 스펙트럼을 갖는 빛이 방사된다. 효과적인 유리 플레이트는 웨이브가이드로서 작용하여 방사되는 빛을 광섬유로, 다시 분광기(66)로 가이드한다. 도 1의 배열에 있어서, 분광기(66)는 수신된 빛을 분석하도록 적용되며, 이를 통해 기체 식별을 도모하게 된다.
아세톤 인식
아세톤이 U자형 유리병에 들어있고, 그 입구는 두개의 흐름량 컨트롤러(56, 58) 중 하나의 입구에 연결되어 있다. 나머지 흐름량 컨트롤러는 아르곤 병에 연결되어 있다. 공기와 혼합된 아세톤이 20sccm으로 흐르고 있고, 압력을 20.8 Torr로 유지하기 위해 아르곤은 0.8sccm으로 흐르고 있다. 아르곤은 방전을 용이하게 하기 위해 필요했다. 전극(40)에 610V의 전압이 인가되었다. 연속방사로부터 스펙트럼이 얻어졌다. 다른 세트의 스펙트럼은 단순히 상기 흐름량 컨트롤러 입구를 아세톤 병의 입구에 놓음으로써 얻어졌다. 이 경우 도입구 파이프는 주변 영역의 공기 샘플에 대해서도 개방되어 있다. 세 번째 세트의 스펙트럼은 공기의 플라즈마 방사로부터 얻어졌다. 스펙트럼은 그들을 비교하기에 앞서 에너지 면에서 정규화되었다.
가장 명확한 차이는 383.69㎚부근에서 나타난다. 공기요소에 의한 일부 다른 피크는 아세톤과 관련된 피크를 가린다(매트릭스 효과). 그럼에도 불구하고, 아세톤 냄새의 검출은 여전히 가능하다.
폐쇄병(closed-jar) 샘플링과 개방병(open-jar) 샘플링의 차이는 양을 정하는 능력이다. 이들 결과는 그와 같은 단순한 기술을 이용하여 신체 분비액(예를 들면 호흡기체)으로 아세톤을 과잉생산하는 병의 상태를 진단할 수 있는 가능성을 강조한다. 이는 스펙트럼 범위 및 스펙트럼 해상도를 변화시키고, 화학측정 기술을 채택함으로써 크게 향상될 수 있다.
많은 유용한 애플리케이션에 기체를 인식하기 위한 도 1 및 10의 장치가 이용될 수 있다. 예를 들면, 의약품에 있어서, 천식환자의 호흡기체는 건강한 어른의 것과 다르다는 것이 알려져 있다. 그러므로, 어떤 사람으로부터 나오는 호흡기체의 차이를 검출함으로써, 그 사람이 천식에 걸렸는지 아닌지를 식별할 수 있다.
천식진단
천식에 걸린 대상자들과 건강한 대상자들이 풍선에 호흡하도록 요청되었다. 이런 식으로 그다음에는 흐름량 컨트롤러를 통해서 호흡기체가 마이크로 챔버에 운반되었다. 흐름속도는 아르곤에 대해 0.8sccm 및 호흡기체 샘플에 대해 20sccm으로 설정되었다. 처음에, 심각한 천식환자로부터, 경미한 천식환자로부터 그리고 건강한 대상자로부터의 호흡기체 세트가 채취되었다. 스펙트럼 방사가 도 12에 나타내져 있다. 스펙트럼에 있어서의 차이점이 명확히 나타나 있으며, 이는 유망한 진단도구가 될 수 있다는 것을 제시한다.
플라즈마 광 방사와 검출 및 기체 인식을 위한 인공 신경망에 근거한 시스템이 개발되었다. 상기 시스템은 아세톤 및 식초와 같은 유사한 화학 조성을 갖는 종류 및 다른 브랜드의 커피과립을 구별할 수 있다. 상기 시스템의 정확도는 신경망에 공급되는 트레이닝 샘플의 수, 망 구성(PE's 히든 레이어) 및 특징 추출에 사용되는 그리드의 해상도에 달려있다. 그러나, 상대적으로 몇 개 안되는 트레이닝 샘플 및 적은 신경망의 조작으로도, 식별 루틴은 상당히 좋다. 또한 상기 시스템은 신뢰도 높게 동작한다는 이점을 갖는다.
숙련된 기술자들은 본 발명으로부터 벗어나지 않고 개시된 배열에 다양한 변형이 가능하다는 것을 이해할 것이다. 따라서, 상기 설명은 예시적으로 구체적인 실시예에 의해서만 설명되었으며, 본 발명을 이에 제한시킬 의도는 없다. 특히, 숙련된 기술자들에게는 작은 변경이 상술된 장치 및 방법에 중대한 변화 없이도 가능하다는 것이 명백할 것이다.
Claims (14)
- 식별될 기체를 이용하여 플라즈마를 형성하는 수단과, 상기 플라즈마로부터 방사되는 빛을 감지하는 센서와, 상기 기체를 식별하기 위해 감지된 빛에 관한 정보를 사용하도록 적용된 프로세서를 포함하는 것을 특징으로 하는 기체 식별 시스템.
- 제3항에 있어서, 알려진 기체와 관련된 데이터 또는 스펙트럼을 저장하는 메모리를 포함하며, 상기 프로세서는 기체를 식별하기 위해 상기 스펙트럼 또는 데이터를 사용하는 것을 특징으로 하는 기체 식별 시스템.
- 상술한 청구항들 중 어느 하나에 있어서, 상기 플라즈마를 형성하는 수단은 전극을 포함하는 것을 특징으로 하는 기체 식별 시스템.
- 제3항에 있어서, 상기 전극은 실질적으로 40 내지 200㎛, 바람직하게는 50~100㎛ 범위내로 이격되어 위치되는 것을 특징으로 하는 기체 식별 시스템.
- 제3항 또는 제4항에 있어서, 상기 전극은 스페이서에 의해 이격되는 것을 특징으로 하는 기체 식별 시스템.
- 제3항 내지 제5항 중 어느 한 항에 있어서, 상기 전극은 유도 커플링에 의해 여기되는 것을 특징으로 하는 기체 식별 시스템.
- 제4항 내지 제6항 중 어느 한 항에 있어서, 상기 전극은 대항하는 제1 및 제2 기판을 포함하는 셀의 부분으로서 제공되며, 상기 제1 기판은 제1 전극 어레이를 포함하고, 상기 제2 기판은 제2 전극 어레이를 포함하며, 이들 전극들은 모두 개별적으로 위치 지정될 수 있는 요소의 어레이를 정의하는 것을 특징으로 하는 기체 식별 시스템.
- 제7항에 있어서, 각 어레이 상의 상기 전극은 선형인 것을 특징으로 하는 기체 식별 시스템.
- 제7항 또는 제8항에 있어서, 상기 전극 어레이는 기판의 내부 셀 표면에 위치하는 것을 특징으로 하는 기체 식별 시스템.
- 제7항 내지 제9항 중 어느 한 항에 있어서, 상기 기판 중 적어도 하나는 관련 분광기 파장에 대한 투과성 물질로 형성되는 것을 특징으로 하는 기체 식별 시스템.
- 제10항에 있어서, 상기 기판 중 적어도 하나는 전적으로 또는 상당량 유리로형성되는 것을 특징으로 하는 기체 식별 시스템.
- 제7항 내지 제9항 중 어느 한 항에 있어서, 상기 기판 중 적어도 하나는 플라즈마에 의해 방사되는 빛에 대한 웨이브가이드로서 동작하는 것을 특징으로 하는 기체 식별 시스템.
- 식별될 기체를 이용하여 플라즈마를 형성하는 단계, 상기 플라즈마로부터 방사되는 빛을 감지하는 단계, 상기 기체를 식별하기 위해 상기 감지된 빛을 이용하는 단계를 포함하는 기체 식별 방법.
- 제12항에 있어서, 알려진 기체를 이용하여 플라즈마를 형성하는 단계, 상기 알려진 기체 플라즈마로부터 방사되는 빛을 감지하는 단계, 상기 알려진 기체와 관련된 스펙트럼을 저장하는 단계를 더 포함하는 것을 특징으로 하는 기체 식별 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GB0029218.5 | 2000-11-30 | ||
| GBGB0029218.5A GB0029218D0 (en) | 2000-11-30 | 2000-11-30 | Improvements relating to gas discharge spectroscopy |
| PCT/GB2001/005290 WO2002044698A1 (en) | 2000-11-30 | 2001-11-29 | System and method for gas discharge spectroscopy |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20030051891A true KR20030051891A (ko) | 2003-06-25 |
Family
ID=9904177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2003-7007248A KR20030051891A (ko) | 2000-11-30 | 2001-11-29 | 기체방전 분광 시스템 및 방법 |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US7361514B2 (ko) |
| EP (1) | EP1337836B1 (ko) |
| JP (1) | JP3992618B2 (ko) |
| KR (1) | KR20030051891A (ko) |
| AT (1) | ATE356989T1 (ko) |
| AU (1) | AU2002220850A1 (ko) |
| DE (1) | DE60127292T2 (ko) |
| GB (1) | GB0029218D0 (ko) |
| WO (1) | WO2002044698A1 (ko) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7511246B2 (en) * | 2002-12-12 | 2009-03-31 | Perkinelmer Las Inc. | Induction device for generating a plasma |
| US7342479B2 (en) * | 2003-04-28 | 2008-03-11 | Eikos, Inc. | Sensor device utilizing carbon nanotubes |
| FR2866956B1 (fr) * | 2004-02-26 | 2006-05-19 | Cit Alcatel | Detection d'especes gazeuses minoritaires par spectroscopie d'emission optique |
| FR2866954B1 (fr) | 2004-02-26 | 2006-07-14 | Cit Alcatel | Detection d'especes gazeuses par spectroscopie d'emission optique a traitement de spectre |
| US7401497B2 (en) * | 2005-10-31 | 2008-07-22 | Honeywell International Inc. | Microdischarge detector method and apparatus |
| US7417730B2 (en) * | 2006-03-31 | 2008-08-26 | Los Alamos National Security, Llc | Apparatus and method for monitoring breath acetone and diabetic diagnostics |
| EP2183575A1 (en) * | 2007-08-08 | 2010-05-12 | Elan Vital (UK) LTD | Flowing fluid analyser systems |
| DE102007059652A1 (de) | 2007-12-10 | 2009-06-18 | Eads Deutschland Gmbh | Gassensor mit einer verbesserten Selektivität |
| CN101349671B (zh) * | 2008-09-04 | 2011-08-31 | 上海交通大学 | 场效应管与分子电离融合的气体传感器 |
| CN101408514B (zh) * | 2008-09-04 | 2010-08-18 | 上海交通大学 | 基于气体放电光谱分析的气体传感器及其检测气体的方法 |
| CN101349665B (zh) * | 2008-09-04 | 2011-06-08 | 上海交通大学 | 吸附与电离互补增强的气体传感器 |
| CA2796815C (en) * | 2010-05-05 | 2019-06-25 | Perkinelmer Health Sciences, Inc. | Inductive devices and low flow plasmas using them |
| TWI385030B (zh) * | 2010-12-22 | 2013-02-11 | Univ Nat Chiao Tung | 具有氣泡之微流體系統及其氣體放電方法與氣體反應方法 |
| US9080982B1 (en) * | 2011-04-14 | 2015-07-14 | William J. Asprey | Spectrographic applications of trichel pulses |
| US9719932B1 (en) | 2013-11-04 | 2017-08-01 | Kla-Tencor Corporation | Confined illumination for small spot size metrology |
| BR112017007964A2 (pt) * | 2014-10-22 | 2018-01-23 | Koninklijke Philips Nv | aparelho para torrar café, aparelho para coar café, e método para torrar grãos de café em um compartimento de um aparelho para torrar café |
| RU2597943C1 (ru) * | 2015-07-15 | 2016-09-20 | Федеральное государственное бюджетное учреждение науки Институт автоматики и электрометрии Сибирского отделения Российской академии наук (ИАиЭ СО РАН) | Способ мониторинга малых примесей ацетона в выдыхаемом воздухе пациента и устройство для его реализации |
| CN113049500B (zh) * | 2021-03-19 | 2022-12-06 | 杭州海康威视数字技术股份有限公司 | 水质检测模型训练和水质检测方法、电子设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3798501A (en) * | 1972-01-14 | 1974-03-19 | Owens Illinois Inc | Electronic conditioning of gas discharge display/memory device |
| US5085499A (en) * | 1988-09-02 | 1992-02-04 | Battelle Memorial Institute | Fiber optics spectrochemical emission sensors |
| GB9825722D0 (en) * | 1998-11-24 | 1999-01-20 | Imperial College | Plasma chip |
-
2000
- 2000-11-30 GB GBGB0029218.5A patent/GB0029218D0/en not_active Ceased
-
2001
- 2001-11-29 EP EP01998813A patent/EP1337836B1/en not_active Expired - Lifetime
- 2001-11-29 WO PCT/GB2001/005290 patent/WO2002044698A1/en active IP Right Grant
- 2001-11-29 JP JP2002546193A patent/JP3992618B2/ja not_active Expired - Lifetime
- 2001-11-29 AU AU2002220850A patent/AU2002220850A1/en not_active Abandoned
- 2001-11-29 DE DE60127292T patent/DE60127292T2/de not_active Expired - Lifetime
- 2001-11-29 US US10/433,026 patent/US7361514B2/en not_active Expired - Lifetime
- 2001-11-29 AT AT01998813T patent/ATE356989T1/de not_active IP Right Cessation
- 2001-11-29 KR KR10-2003-7007248A patent/KR20030051891A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| DE60127292D1 (de) | 2007-04-26 |
| JP2004514903A (ja) | 2004-05-20 |
| US7361514B2 (en) | 2008-04-22 |
| JP3992618B2 (ja) | 2007-10-17 |
| ATE356989T1 (de) | 2007-04-15 |
| WO2002044698A1 (en) | 2002-06-06 |
| EP1337836B1 (en) | 2007-03-14 |
| GB0029218D0 (en) | 2001-01-17 |
| US20040106213A1 (en) | 2004-06-03 |
| DE60127292T2 (de) | 2008-01-03 |
| AU2002220850A1 (en) | 2002-06-11 |
| EP1337836A1 (en) | 2003-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20030051891A (ko) | 기체방전 분광 시스템 및 방법 | |
| US5469369A (en) | Smart sensor system and method using a surface acoustic wave vapor sensor array and pattern recognition for selective trace organic vapor detection | |
| Jurs et al. | Computational methods for the analysis of chemical sensor array data from volatile analytes | |
| Marco et al. | Signal and data processing for machine olfaction and chemical sensing: A review | |
| Zohora et al. | Chemical sensors employed in electronic noses: a review | |
| Müller et al. | A MEMS toolkit for metal-oxide-based gas sensing systems | |
| Guillot | E-noses: Actual limitations and perspectives for environmental odour analysis | |
| Amrani et al. | Multi-frequency measurements of organic conducting polymers for sensing of gases and vapours | |
| US5047352A (en) | Selective chemical detection by energy modulation of sensors | |
| Illahi et al. | Electronic Nose Technology and Application: A Review | |
| Zhang et al. | Several ML algorithms and their feature vector design for gas discrimination and concentration measurement with an ultrasonically catalyzed MOX sensor | |
| Xu et al. | Hybrid gas sensor array to identify and quantify low-concentration VOCs mixtures commonly found in chemical industrial parks | |
| Bastuck | Improving the performance of gas sensor systems with advanced data evaluation, operation, and calibration methods | |
| Faleh et al. | A new combined transient extraction method coupled with WO3 gas sensors for polluting gases classification | |
| Vergara et al. | Reducing power consumption via a discontinuous operation of temperature-modulated micro-hotplate gas sensors: Application to the logistics chain of fruit | |
| Carey | Multivariate sensor arrays as industrial and environmental monitoring systems | |
| McAlernon et al. | Interpreting signals from an array of non-specific piezoelectric chemical sensors | |
| Szczurek et al. | Gas sensor array with broad applicability | |
| Chuanzhi et al. | A novel toxic gases detection system based on saw resonator array and probabilistic neural network | |
| Katta et al. | The I/O transform of a chemical sensor | |
| Fraden | Chemical sensors | |
| Corcoran et al. | Neural processing in an electronic odour sensing system | |
| Hawari et al. | Sensory system for detection of Harumanis mango fruit maturity | |
| Singh | An intelligent system for odour discrimination | |
| Laquintinie et al. | A functionalized carbon nanotube based electronic nose for the detection of nerve agents |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |