基于电诱导驱动的中红外光谱增强气体辨识

摘要:

随着新冠肺炎疫情的爆发，异丙醇分子作为抗病毒诊断的生物标志物发挥着重要作用。然而，传统的气体分子检测表现出显著的缺点，如离子迁移率方法的严格工作条件和中红外光谱的弱光物质相互作用，导致靶分子的响应有限。我们提出了一种人工智能增强离子迁移率和中红外光谱的协同方法，利用不同维度传感信号的互补特征，达到IPA识别的卓越精度。我们从摩擦发电机中引入“冷”等离子体放电，这通过良好的回归预测改善了IPA的中红外光谱响应。此外，即使有三种以上不同碳基气体的干扰，这种协同方法对精确的气体浓度预测也能达到～99.08%的准确率。人工智能增强IMMS的协同方法为医疗的精确气体混合物和回归预测气体传感方法。

关键词:分子检测;红外光谱;机器学习;离子放电

Abstract:

Key words:分子检测;红外光谱;机器学习;离子放电