Polymer-Based Chemicapacitive Hybrid Sensor Array for Improved Selectivity in e-Nose Systems
Notice bibliographique
Résumé
Detecting volatile organic compounds (VOCs) is essential for health, environmental protection, and industrial safety. VOCs contribute to air pollution, pose health risks, and can indicate leaks or contamination in industries. Applications include air quality monitoring, disease diagnosis, and food safety. This paper focuses on polymer-based hybrid sensor arrays (HSAs) utilizing interdigitated electrode (IDE) geometries for VOC detection. Achieving high selectivity and sensitivity in gas sensing remains a challenge, particularly in complex environments. To address this, we propose HSAs as an innovative solution to enhance sensor performance. IDE-based sensors are designed and fabricated using the Polysilicon Multi-User MEMS process (PolyMUMPs). Experimental evaluations are performed by exposing sensors to VOCs under controlled conditions. Traditional multi-sensor arrays (MSAs) achieve 82% prediction accuracy, while virtual sensor arrays (VSAs) leveraging frequency dependence improve performance: PMMA-VSA and PVP-VSA predict compounds with 100% and 98% accuracy, respectively. The proposed HSA, integrating these VSAs, consistently achieves 100% accuracy in compound identification and concentration estimation, surpassing MSA and VSA performance. These findings demonstrate that proposed polymer-based HSAs and VSAs, particularly with advanced IDE geometries, significantly enhance selectivity and sensitivity, advancing e-Nose technology for more accurate and reliable VOC detection across diverse applications.
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 ».