Fabrication of SnO2 Composite Nanofiber-Based Gas Sensor Using the Electrospinning Method for Tetrahydrocannabinol (THC) Detection
Notice bibliographique
Résumé
This paper presents the development of a metal oxide semiconductor (MOS) sensor for the detection of volatile organic compounds (VOCs) which are of great importance in many applications involving either control of hazardous chemicals or noninvasive diagnosis. In this study, the sensor is fabricated based on tin dioxide (SnO2) and poly(ethylene oxide) (PEO) using electrospinning. The sensitivity of the proposed sensor is further improved by calcination and gold doping. The gold doping of composite nanofibers is achieved using sputtering, and the calcination is performed using a high-temperature oven. The performance of the sensor with different doping thicknesses and different calcination temperatures is investigated to identify the optimum fabrication parameters resulting in high sensitivity. The optimum calcination temperature and duration are found to be 350 °C and 4 h, respectively and the optimum thickness of the gold dopant is found to be 10 nm. The sensor with the optimum fabrication process is then embedded in a microchannel coated with several metallic and polymeric layers. The performance of the sensor is compared with that of a commercial sensor. The comparison is performed for methanol and a mixture of methanol and tetrahydrocannabinol (THC) which is the primary psychoactive constituent of cannabis. It is shown that the proposed sensor outperforms the commercial sensor when it is embedded inside the channel.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».