Real-time gas recognition system based on the gas sensor array responses and portable computer Raspberry PI

• Autorzy: Ardanowska E. , Kalinowski P. , Woźniak Ł. , Jasiński G. , Jasiński P.

Warianty tytułu

PL

Pracujący w czasie rzeczywistym system detekcji gazów wykorzystujący przenośny komputer Raspberry PI oraz matrycę półprzewodnikowych czujników gazu

• Konferencja: International Microelectronics and Packaging IMAPS-CPMT Poland Conference (37 ; 22-25.09.2013 ; Kraków, Polska)
• Języki publikacji: EN

Abstrakty

EN

The gas-analyzing systems based on the array of partially selective gas sensors and pattern-recognition techniques are potentially fast and low-cost alternative for other devices, like gas-analysers. They give the possibility of recognition the type and the concentration of measured volatile compounds in their working environment. In this work we present the implementation of gas recognition system, in which the signals from an array of six semiconductor gas sensors are processed in real time using the software written for the portable computer Raspberry PI.

PL

Systemy analizy gazów wykorzystujące czujniki, bądź matryce czujników oraz odpowiednio dobrane algorytmy analizy danych pomiarowych stanowią atrakcyjną alternatywę dla skomplikowanych urządzeń wykorzystywanych w laboratoriach. Umożliwiają rozpoznanie typu gazów występujących w mierzonej przez czujniki mieszaninie lotnych związków oraz stężenia poszczególnych składników tej mieszaniny w środowisku pracy systemu. W artykule zaprezentowano realizację systemu analizy danych pochodzących z matrycy sześciu półprzewodnikowych rezystancyjnych czujników gazu opartego na przenośnym komputerze Raspberry PI. Analiza danych odbywa się w czasie rzeczywistym, przy pomocy napisanego oprogramowania.

Słowa kluczowe

EN

gas sensors array; real-time processing; pattern recognition

PL

matryca czujników gazu; przetwarzanie w czasie rzeczywistym; rozpoznawanie wzorców

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2014
• Tom: Vol. 55, nr 1
• Strony: 16--18
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Ardanowska E.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Inżynierii Biomedycznej

autor

Kalinowski P.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Inżynierii Biomedycznej

autor

Woźniak Ł.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Inżynierii Biomedycznej

autor

Jasiński G.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Inżynierii Biomedycznej

autor

Jasiński P.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Inżynierii Biomedycznej

Bibliografia

• [1] Haddi Z., Amari A., Alami H., El Bari N., Llobet E., Bouchikhi B., “A portable electronic nose system for the identification of cannabis-based drugs”, Sensors and Actuators B: Chemical, 155 (2011) 456-463.
• [2] Dragonieri S., Annema J. Т., Schot R., van der Schee М. P. С., Spanevello A., Carratú P., Resta О., Rabe K. F., Sterk P. J., “An electronic nose in the discrimination of patients with non-small cell lung cancer and COPD”, Lung Cancer, 64 (2009) 166-170.
• [3] Peris М., Escuder-Gilabert L., “A 21st century technique for food control: Electronic noses”, Analytica Chimica Acta, 638 (2009) 1-15.
• [4] Brudzewski K., Osowski S., Markiewicz Т., “Classification of milk by means of an electronic nose and SVM neural network”, Sensors and Actuators B: Chemical, 98 (2004) 291-298.
• [5] Cevoli C., Cerretani L., Gori A., Caboni M. F., Gallina Toschi Т., Fabbri A., “Classification of Pecorino cheeses using electronic nose combined with artificial neural network and comparison with GC-MS analysis of volatile compounds”, Food Chemistry, 129 (2011) 1315-1319.
• [6] Wedge D. C., Das A., Dost R., Kettle J., Madec М., Morrison J. J., Greli М., Kell D. B., Richardson Т. H., Yeates S., Turner M. L., “Real-time vapour sensing using an OFET-based electronic nose and genetic programming”, Sensors and Actuators B: Chemical, 143 (2009) 365-372.
• [7] Zhang L., Tian F., Liu S., Guo J., Hu B., Ye Q., Dang L., Peng X., Kadri C., Feng J., “Chaos based neural network optimization for concentration estimation of indoor air contaminants by an electronic nose”, Sensors and Actuators A: Physical, 189 (2013) 161-167.
• [8] Ardanowska E., Kalinowski P., Jasiński G., „Wykorzystanie sztucznych sieci neuronowych do analizy odpowiedzi matryc czujników gazu”, ICT Young 2013 – III Ogólnopolska Konferencja Doktorantów i Studentów Elektroniki, Telekomunikacji, Informatyki, Inżynierii Biomedycznej, Automatyki i Robotyki, Gdańsk, May 2013, 361-366.