文献类型：期刊文章

作　　者：邓轩[1] 孟庆浩[1] 侯惠让[1] 邓震宇[2] 李宏跃[1]

DENG Xuan;MENG Qinghao;HOU Huirang;DENG Zhenyu;LI Hongyue(Institute of Robotics and Autonomous Systems,Tianjin Key Lab of Process Detection and Control,School of Electrical and Information Engineering,Tianjin University,Tianjin 300072,China;Tianjin Fire Science and Technology Research Institute of MEM,Tianjin 300381,China)

机构地区：[1]天津大学电气自动化与信息工程学院,天津市过程检测与控制重点实验室,机器人与自主系统研究所,天津300072 [2]应急管理部天津消防研究所,天津300381

出　　处：《传感技术学报》

基　　金：国家自然科学基金项目(62203321);中国博士后科学基金项目(2021M692390)。

年　　份：2023

卷　　号：36

期　　号：8

起止页码：1329-1336

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：火场残留助燃剂检测是火灾调查的重要组成部分。现有方法以大型分析仪器为主,存在成本高、速度慢等缺点。提出了一种面向火场助燃剂快速检测的便携式电子鼻系统设计及相关的识别方法。采用15个金属氧化物半导体气体传感器和Jetson Nano核心控制器构造了电子鼻系统,并利用此电子鼻对汽油、柴油、酒精和稀料四种典型助燃剂采集气味信息,分别建立了未燃烧与燃烧后助燃剂气味数据集。基于四种传统机器学习算法、一维卷积神经网络(1D CNN)、二维CNN(2D CNN)和通道分离CNN(CS⁃CNN)模型开展了助燃剂识别实验。结果表明,CS⁃CNN模型针对未燃烧与燃烧后气味数据集的识别率分别为96.57%与94.66%,优于其他六种分类算法。本研究初步验证了电子鼻用于火场助燃剂快速识别的可行性,为后续的深入研究与应用奠定了基础。

关 键 词：火灾 助燃剂 电子鼻 通道分离卷积网络  模式识别

分 类 号：TP211]