新闻网讯 5月12日，光电信息学院刘欢教授团队联合人工智能与自动化学院白翔教授团队、电信学院研究人员在AdvancedIntelligentSystems发表题为“SmartElectronic Nose Enabled by anAll-Feature Olfactory Algorithm”的研究论文。该研究首次利用具有自主知识产权的“基于气体传感器与深度学习的气味识别算法”，通过发掘半导体气体传感器气敏响应特征，构建出高灵敏度、高可靠性、便携式智能电子鼻，成功提高了对复杂气味的识别准确率。

实现对生物视、听、触、嗅、味等感知器官的功能模拟和性能超越，是智能传感器科学研究领域的一个重要方向。当前，各类“生物启发式”智能传感器和人工智能算法技术取得了显著的突破，人工视觉、听觉和触觉系统的性能已达到甚至超越了人类，提升了人类获取和处理客观世界的光、声、力等物理信息的能力，但同样具有广阔应用需求的人工嗅觉系统却发展缓慢。作为客观世界极其重要的化学信息，气体种类繁多，气氛环境复杂且多变，而生物嗅觉的特异性感知与识别机制尚不明晰，给人工嗅觉的发展带来巨大挑战，迫切需要高灵敏度、高可靠性智能气体传感器与芯片作为基础支撑。

电子鼻利用半导体气体传感器模拟哺乳动物嗅觉感受器细胞，通过传感器阵列化并结合模式识别算法，能够识别无味、有毒、刺激性和低浓度气体，为延伸人类嗅觉边界提供了巨大潜力。然而，与人类嗅觉细胞相比，半导体气体传感器缺乏“特异性”，对于多种气味具有交叉敏感性，电子鼻集成的传感器阵列规模也远少于人类嗅觉器官，制约着电子鼻对复杂气味信息的处理能力和识别效果。

针对这一难题，团队从半导体气敏材料与识别算法两个层面联合攻关，提出一种基于半导体传感器气敏响应全过程特征的识别算法（All-Feature Olfactory Algorithm，AFOA），实现了半导体气体传感器阵列与多种气味分子响应恢复过程中完整信息的提取与分析，基于这一技术，仅采用六个非特异性的金属氧化物半导体气体传感器，实现了高准确度（94.1%）、快速（2分钟以内）识别五种气味相近的中国白酒。

在功能上，利用自主研发的多种金属氧化物半导体气敏材料作为人工气味受体，通过传感器单元模拟不同类型的嗅觉受体细胞，将气-固界面反应引起的电荷转移转变为电阻值变化并形成阵列，传递信号至人工神经网络模拟嗅球、大脑嗅觉皮层以及它们之间的复杂连接（图1）。

深度神经网络试图从海量数据中学习高层嗅觉特征，生物嗅觉中也存在类似的层次化识别过程。相对于传统基于人工特征的多阶段气味识别算法，该研究提出的方法在气味识别性能和鲁棒性上都有大幅度提升。由于传感器阵列响应曲线多通道间的空间无关性，相对于基于二维卷积的深度学习方法，一维卷积在减少计算量的同时还能够带来进一步的性能提升。

团队进一步研究发现，随着传感器种类与数量的提高，可以丰富输入数据在时间和通道维度上的特征表达，这些特征表达与气体分子与敏感材料的反应动力学有关。在物理化学层面上，不同的响应曲线代表不同的热力学和动力学过程（图2），从本质上为算法提供了更多的可区性特征。未来研究工作中，AFOA算法还可以用于构建气味地图，从而探索可能存在的嗅觉信息编码策略。

图1.电子鼻人工嗅觉与生物嗅觉对比示意图

图2.电子鼻硬件和响应曲线

综上，该研究建立了一种快速、准确、鲁棒的气味识别方法，利用该方法能够在复杂环境中识别目标气味；同时，展现了低成本、便携式、可进化的电子鼻协同设计和制造方案，应用前景广阔。目前，团队正在开展基于该技术的人体呼出气疾病标志物检测原理样机研究，以期将智能电子鼻技术应用于临床检验和居家自检，实现人类疾病的早期筛查。

刘欢教授、白翔教授为该文共同通讯作者，电信学院博士研究生方聪和光电信息学院李华曜副研究员为共同第一作者，该研究得到光电信息学院唐江教授的技术支持。刘欢教授在国家自然科学基金优秀青年基金、18luck新利电竞 学术前沿青年团队、武汉国家光电研究中心创新基金立项资助下带领团队开展上述工作。项目相关技术已获得国家发明专利授权。

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/aisy.202200074