Airsense電子鼻英文文獻 | 基于概率神經網絡的家用燃燒氣味分類應用

基于概率神經網絡的家用燃燒氣味分類及其在火災早期探測中的應用

本文是提出結合概率神經網絡（PNN）與Airsense電子鼻的主成分分析（PCA），基于電子鼻實現家居燃燒氣味分類，用于火災早期預警。

研究背景

傳統火災探測器僅依靠煙霧濃度、溫度觸發報警，響應滯后且易誤報；金屬氧化物氣體傳感器組成的電子鼻可識別燃燒氣味，是早期火情檢測的新方向，但過往研究分類精度有限。

實驗設計

檢測對象：選取蚊香、蠟燭、香燭、紙板、報紙、塑料、泡沫、木材、空氣清新劑等 10 類常見家居燃燒 / 干擾源。

實驗設備

采用 Airsense便攜式電子鼻（搭載 10 個金屬氧化物傳感器），在溫濕度可控實驗艙內開展測試，環境溫度 20~30℃、相對濕度 30%~40%，氣味源與電子鼻間距 0.3m。

數據采集

采樣頻率設為 5 幀 / 秒（高于以往 1 幀 / 秒），采集時序信號；對原始數據做基線裁剪、剔除異常值完成預處理，共收集 66000 組樣本，按 6:4 劃分為訓練集與測試集。

模型與方法

選用概率神經網絡（PNN） 作為分類模型，設置擴展因子 0.004、二元 Sigmoid 激活函數。相比傳統多層感知器，PNN 運算速度更快、分類效果更優。

實驗結果

將Airsense電子鼻采集的傳感器信號作為輸入模型，整體平均分類準確率達 99.62%，單次最高準確率 99.96%，相較以往研究提升 0.3%~1.6%；部分氣味樣本存在輕微誤判，少數類別可實現 100% 精準區分。

結論與展望

該方案利用Airsense電子鼻 + PNN 能高效區分家居燃燒氣味與干擾氣味，可有效實現火災早期預警、降低誤報率。后續計劃擴充火情與干擾樣本、優化特征提取，進一步提升系統性能。