Airsense电子鼻英文文献 | 基于概率神经网络的家用燃烧气味分类及其在火灾早期探测中的应用

基于概率神经网络的家用燃烧气味分类及其在火灾早期探测中的应用

本文是提出结合概率神经网络（PNN）与Airsense电子鼻的主成分分析（PCA），基于电子鼻实现家居燃烧气味分类，用于火灾早期预警。

研究背景

传统火灾探测器仅依靠烟雾浓度、温度触发报警，响应滞后且易误报；金属氧化物气体传感器组成的电子鼻可识别燃烧气味，是早期火情检测的新方向，但过往研究分类精度有限。

实验设计

检测对象：选取蚊香、蜡烛、香烛、纸板、报纸、塑料、泡沫、木材、空气清新剂等 10 类常见家居燃烧 / 干扰源。

实验设备

采用 Airsense便携式电子鼻（搭载 10 个金属氧化物传感器），在温湿度可控实验舱内开展测试，环境温度 20~30℃、相对湿度 30%~40%，气味源与电子鼻间距 0.3m。

数据采集

采样频率设为 5 帧 / 秒（高于以往 1 帧 / 秒），采集时序信号；对原始数据做基线裁剪、剔除异常值完成预处理，共收集 66000 组样本，按 6:4 划分为训练集与测试集。

模型与方法

选用概率神经网络（PNN） 作为分类模型，设置扩展因子 0.004、二元 Sigmoid 激活函数。相比传统多层感知器，PNN 运算速度更快、分类效果更优。

实验结果

将Airsense电子鼻采集的传感器信号作为输入模型，整体平均分类准确率达 99.62%，单次最高准确率 99.96%，相较以往研究提升 0.3%~1.6%；部分气味样本存在轻微误判，少数类别可实现 100% 精准区分。

结论与展望

该方案利用Airsense电子鼻 + PNN 能高效区分家居燃烧气味与干扰气味，可有效实现火灾早期预警、降低误报率。后续计划扩充火情与干扰样本、优化特征提取，进一步提升系统性能。