H2S比色/电学传感器及深度学习比色/电学双传感系统

技术领域

本发明属于气敏传感器技术领域，具体涉及一种H

背景技术

硫化氢（H

比色气体传感器是一种通过颜色变化产生可视化传感信号进而识别待测气体的传感器件，具有功耗低、检测限低、体积小、操作便捷以及可提供视觉响应的优势。目前常用的比色传感器是基于薄膜、凝胶、纳米纤维、织物等构建的，以检测各种有害气体，例如氨、光气、硫化氢和挥发性有机化合物等。

CN109856122A公开了一种比色型硫化氢传感器，利用绿色合成的结冷胶-银纳米溶液和琼脂溶液合成固态凝胶，对硫化氢气体具有高灵敏度的响应，与硫化氢进行反应时，颜色由黄色逐渐变为无色。但目前的H

发明内容

针对现有技术的不足，本发明提供了一种H

为了实现上述目的，本发明第一方面提供一种H

进一步地，所述H

具体的，纳米纤维膜的硫化氢传感灵敏性与其微观结构密切相关，大的比表面积和纤维交错形成的孔隙结构是纳米纤维膜对气体敏感的关键影响因素，更小的纤维尺寸会产生更多的孔隙结构，使得反应能够更快速、更充分，进而提高器件的灵敏度。并且，纤维膜具有一定的厚度，能够保证变色过程中不受PET柔性叉指电极本身颜色的干扰，并且在此厚度下，H

本发明第二方面提供一种制备H

（1）将三水合乙酸铅、NaF以及十二烷基硫酸钠溶于去离子水中获得乙酸铅溶液；

（2）将聚乙烯醇缓慢加入乙酸铅溶液中，经水浴加热搅拌获得静电纺丝溶液；

（3）通过静电纺丝工艺将所述静电纺丝溶液以H

进一步地，所述三水合乙酸铅：NaF：十二烷基硫酸钠：聚乙烯醇的质量比为(0.8-1.2)g：(25-35)mg：(10-20)mg：(2.2-2.6)g，所述步骤（2）中加热搅拌温度为80-90℃，时间为8-10h。

进一步地，所述步骤（3）中静电纺丝过程为：使用20、22或24号金属针头，在针头处施加20±1.5kV静电压，微量注射泵的推进速度为1±0.2mL/h，接收器距离针头10±0.5cm。纺丝过程中环境湿度为35%±5%，温度为25±2℃；纺丝时间为8~10h。调整传感器的制备工艺及参数可以改变纳米纤维的各种表面微观形态，如网状、多孔和开放结构，而纳米纤维膜的微观形态影响传感器的气敏性能。

本发明第三方面提供一个深度学习比色/电学双传感系统，包括气室、H

所述H

所述电阻响应模块与所述H

所述变色监控平台用于实时采集、存储、显示传感器输出的颜色变化信号；

所述分析模块装载于所述终端上，用于分析处理变色监控平台采集到的颜色变化信号，并基于分析处理结果输出H

进一步地，所述变色监控平台包括补光单元、采集单元、存储单元以及显示单元，所述补光单元为LED补光灯，所述采集单元为集成的摄像头模组，用于实时采集传感器输出的颜色变化信号，所述存储单元用于存储采集到的颜色变化信号，所述显示单元用于显示颜色变化信号。具体实施方式为，所述变色监控平台利用集成的摄像头模组捕获传感器在H

进一步地，所述分析模块利用颜色分割算法对变色监控平台采集到的颜色变化信号分割，通过引入色差公式计算颜色变化信号的色差值ΔE，基于多层感知机算法设计的H

进一步地，所述深度学习比色/电学双传感系统利用电阻响应模块，形成比色-电学双功能一体化传感系统，可以同时检测H

进一步地，所述深度学习比色/电学双传感系统的检测范围为0-100ppm，检测限和分辨率为0.1ppm，比色响应时间小于4s，并且在180天保持性能稳定且强光干扰、黑暗无光场景下也能正常工作。

本发明与现有技术相比，有益效果如下：

（1）本发明以H

（2）本发明的深度学习比色/电学双传感系统能够实现大范围浓度H

附图说明

图1a为本发明深度学习比色/电学双传感系统的制作工艺流程；图1b为本发明深度学习比色/电学双传感系统的浓度检测流程；

图2a为H

图3为本发明深度学习比色/电学双传感系统的浓度检测结果示意图；

图4a为基于欧式距离分割算法处理图像显示结果；图4b为基于曼哈顿多通道距离分割算法处理图像显示结果；图4c为基于曼哈顿单通道距离分割算法处理图像显示结果；

图5为H

图6为H

图7a为基于3层感知机算法设计的H

图8a为H

图9a为H

图10a为H

具体实施方式

以下结合实例对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。图1a为本发明深度学习比色/电学双传感系统的制作工艺流程；图1b为本发明深度学习比色/电学双传感系统的浓度检测流程。

实施例1

一种H

制备方法包括以下步骤：

S1 将1g (CH

S2 将2.4g聚乙烯醇（PVA）缓慢加入乙酸铅溶液中，85

S3 将所得静电纺丝液吸入一次性注射器中，使用22号金属针头进行静电纺丝：在针头处施加20kV静电压，微量注射泵的推进速度为1mL/h，接收器距离针头10cm，纺丝过程中环境湿度为35%，温度为25

图2为H

实施例2

一种H

制备方法包括以下步骤：

S1 将0.8g (CH

S2 将2.2g PVA缓慢加入乙酸铅溶液中，80

S3 将所得静电纺丝液吸入一次性注射器中，使用20号金属针头进行静电纺丝：在针头处施加18.5kV静电压，微量注射泵的推进速度为0.8mL/h，接收器距离针头9.5cm，纺丝过程中环境湿度为30%，温度为23

实施例3

一种H

制备方法包括以下步骤：

S1 将1.2g (CH

S2将2.6g PVA缓慢加入乙酸铅溶液中，90

S3 将所得静电纺丝液吸入一次性注射器中，使用24号金属针头进行静电纺丝：在针头处施加21.5kV静电压，微量注射泵的推进速度为1.2mL/h，接收器距离针头10.5cm，纺丝过程中环境湿度为40%，温度为27

深度学习比色/电学双传感系统

以实施例1中的比色/电学传感器搭建深度学习比色/电学双传感系统，主要包括气室、H

深度学习比色/电学双传感系统还包括电阻响应模块，与H

变色监控平台包括补光单元、采集单元、存储单元以及显示单元，补光单元为LED补光灯，采集单元为集成的摄像头模组，用于实时采集传感器输出的颜色变化信号，存储单元用于存储采集的颜色变化信号，显示单元用于显示颜色变化信号。具体的，变色监控平台利用集成的摄像头模组捕获传感器在H

具体操作过程中，将H

分析模块利用基于欧式距离或曼哈顿距离（单通道或多通道）的颜色分割算法对变色监控平台采集到的颜色变化信号分割，通过引入色差公式如CIE 1976、CIE 1995或CIEDE2000计算颜色变化信号的色差值ΔE，基于多层感知机算法设计的H

具体实施方式中，调用变色监控平台的本地数据库，划分200个已变色的图像作为后期预测模型的训练集，50个变色图像作为验证模型精度的测试集。利用基于欧氏距离、曼哈顿距离的颜色分割算法对样本图像预处理，像素均值计算可以得到变色图像的（R，G，B）均值向量，将样本RGB值转变为色差仪适用的L*a*b*颜色空间，可以通过CIE色差公式，计算图像的色差值ΔE，以分辨不同气体浓度环境下比色/电学传感器的色度变化，白色到深棕色的颜色变化可以证明H

实验过程中收集的变色样本需要经过图像预处理才可以用于训练模型。需要将一张变色样本图处理为一个（R，G，B）向量，并且这个向量要作为该变色样本对应的气体浓度值的“指针”，用作输入来训练浓度预测模型。变色样本图像计算均值时，是分割图片的每个像素且对单个像素（R

颜色分割算法是图像预处理的重要步骤，基于RGB空间对彩色图像进行像素点分类，即给变色样本图像进行区域提取，再根据给定的彩色样点集，为分割区域指定平均颜色，这样能够清楚的分辨出样本图像上各区域的反应程度。为了实现有效的颜色分割，引入相似性度量，欧式距离、曼哈顿单通道距离以及曼哈顿多通道距离计算方式依次如下：

D(z,α)=ǁz-αǁ=[(z

D

D

其中，Z为当前分割像素点的（R

在颜色分割处理图像时，不同颜色样点集的选择对分割的最终效果有比较明显的影响，将会呈现不同的色块分割结果，且差异较大。以20ppm H

为适应各种复杂环境、精确识别出H

为了灵活且快速的衡量比色/电学传感器在一定H

（1）

（2）

（3）

经过图像预处理完成图像数据与数字数据的转换，数据清洗过后，获得可以用于训练气体浓度预测模型的数据集合。后续使用多层感知机算法（Multi-Layer FeedForward Neural Networks）来预测未知浓度的H

R = (R

（4）

（5）

（6）

经过训练的模型需要进一步进行测试，决定是否能够投入未知浓度的H

（7）

由此，本发明的深度学习比色/电学双传感系统能实现H

尽管前述变色监控平台能够持续观测变色过程，灵活记录传感器颜色变化，且分析模块对于传感器的颜色变化能极为快速的给出气体浓度预测结果。但作为一个独立的气体传感系统，在面对可能出现的系统检测故障（比如变色监控平台损坏、或者受非常强烈的光干扰影响）时，必须要提供一种气体检测的“第二方案”，作为一种响应补偿以保证H

深度学习比色/电学双传感系统性能测试

为了验证传感器颜色响应的单一选择性，将比色/电学传感器分别置于气室内，向气室里分别通入NH

图9a展示了实施例1中的比色/电学传感器在递增的H

图10a与图10d展示了较低H

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。