由于空气质量监测对环境和国防相关应用的重要性，智能、低成本且便携的气体传感器备受青睐。传统的电化学和非色散红外（IR）气体传感器常设计用于检测单一特定的分析物。尽管基于红外光谱的传感器性能优越，但由于体积大且成本高，其应用受到了限制。
据麦姆斯咨询报道，近日，澳大利亚墨尔本大学（University of Melbourne）和皇家墨尔本理工大学（RMIT University）的科研团队展示了一种由中红外微型光谱仪与机器学习算法构成的智能、低成本多气体传感系统。该微型光谱仪是一种集成了商用红外相机的超构表面（Metasurface）滤光片阵列，具备无消耗、紧凑型（~ 1 cm³）、重量轻（~ 1 g）等特点。机器学习算法经过训练，可分析来自微型光谱仪的数据并预测存在的气体。这项研究证明了将机器学习与红外光谱相结合，以提供智能、低成本的多气体传感平台的可行性。这项研究成果以“Smart mid-infrared metasurface microspectrometer gas sensing systems”为主题发表在Microsystems & Nanoengineering期刊上，通讯作者为Jiajun Meng和Kenneth B. Crozier。
该超构表面气体传感系统（图1a）由主要四个部分组成：中红外（MIR）超构表面微型光谱仪（MIMM）、热电温度稳定器（TTS）、气室、热红外发射器。中红外超构表面微型光谱仪和热发射器置于定制气室的两侧。然后，气室中被装入待检测的气体，气体与红外辐射相互作用。接着，穿过气室的光照射到中红外超构表面微型光谱仪，射入20通道超构表面滤光片阵列（MFA，如图1d）和底层热像仪，图1c是这部分的示意图。
图1 超构表面气体传感系统的构成与布局
随后，研究人员选择了四种气体（CO₂、CH₄、NH₃和MEK）来演示使用该超构表面气体传感系统进行多分析物检测。图2a展示了带阻滤光片（BSF）和带通滤光片（BPF）在6 µm-14 µm的波长范围内出现的低谷和峰值。图2b显示了这四种气体在室温和一个标准大气压下，5 µm -14.3 µm（2000 cm⁻¹ - 700 cm⁻¹）波长（波数）范围的吸收截面光谱。
图2 超构表面滤光片和气体吸收的光谱特性
研究人员将气体浓度与时间的关系绘制为柱状图（如图3a右轴）。对于CO₂和CH₄，由于这些气体的红外吸收，读数值随着浓度的增加而降低。对于NH₃和MEK，变化更微小，但仍然可以检测到。图3b中还绘制了数据收集过程中记录的中红外超构表面微型光谱仪温度。
图3 中红外超构表面微型光谱仪读出数据和温度稳定性的可视化
机器学习分类器（MLC）算法使气体传感系统变得“智能”，即直接从中红外超构表面微型光谱仪的读出数据中确定存在的气体，而无需进行任何光谱重建。研究人员利用带有二次核函数（quadratic kernels）的支持向量机（SVM）算法来训练机器学习分类器。相关训练成果如图4所示。
图4 用于机器学习分类器验证的混淆矩阵
综上所述，这项研究设计并开发了一种智能气体传感系统，该系统将中红外超构表面微型光谱仪与机器学习分类器相结合来检测多种有害气体成分。中红外超构表面微型光谱仪由超构表面光谱滤光片阵列和微测辐射热计相机构成，微测辐射热计相机连接到温度稳定器以减少读数漂移。中红外超构表面微型光谱仪的工作波长为7 μm ~ 14 μm（1428 cm⁻¹ ~ 714 cm⁻¹），处于中红外“指纹”区域。随后，研究人员使用气体混合设置将传感系统置于各种气体的混合环境中，并获取了用于机器学习分类器训练的数据集。实验结果表明，该智能气体传感系统从一组气体（包括用N₂稀释至其允许暴露极限（PEL）的MEK）中识别分析物具有很高的准确性。研究人员预计使用更窄线宽的光谱滤光片有望实现更高的传感性能和混合物传感。因此，未来研究可考虑的方案包括准连续域束缚态（BIC）结构、导模共振（GMR）滤光片和法布里-珀罗（FP）腔。
论文链接：
https://doi.org/10.1038/s41378-024-00697-2
