用于检测十亿分之一浓度丙酮的磷酸盐功能化MOS气体传感器：基于CBAM-GSABP神经网络的方法，可克服湿度干扰

《Sensors and Actuators B: Chemical》：Phosphate-Functionalized MOS Gas Sensor for Parts per Billion-Level Acetone Detection: A CBAM-GSABP Neural Network Approach Overcoming Humidity Interference

磷酸修饰金属氧化物传感器与CBAM-GSA神经网络协同实现高湿度环境下ppb级醋酮检测，传感器响应达90%，模型R2为0.9834，RMSE 5.72 ppb，MAE 3.49 ppb。

　　

周广英|唐斌|杜秉生|陈志培|陈乐|熊海峰|程鹏|何勇

重庆理工大学光纤传感器与光电检测重点实验室，中国重庆400054

摘要

在潮湿环境中准确检测低浓度的丙酮对于非侵入性疾病诊断仍然是一个关键挑战。本研究提出了一种协同设计策略，将磷酸基功能化的金属氧化物传感器与新型的CBAM-GSABP神经网络相结合，以实现在不同湿度条件下对ppb级别丙酮的稳健检测。通过磷酸修饰的表面相互作用增强了传感器对丙酮的敏感性，而轻量级的神经网络集成了通道注意力机制（CBAM）和遗传模拟退火（GSA）优化，以自适应地抑制湿度干扰并优化超参数。实验结果表明，磷酸基功能化的WO₃气体传感器在检测200 ppb丙酮时，响应率为90%，响应时间为159秒。CBAM-GSABP模型在变化湿度环境中的丙酮检测性能优异，平均R2值为0.9834，RMSE为5.7226 ppb，MAE为3.4878 ppb。这项工作为微量气体检测提供了一种可靠且高效的解决方案，并为实际应用中的小样本建模任务提出了新思路。

引言

随着对疾病监测和健康管理需求的增加，开发便携式和低成本的疾病筛查方法已成为全球关注和研究的焦点。近年来，人体呼出气体的成分已被证明是疾病诊断的重要依据，例如丙酮（C?H?O），它可以作为1型糖尿病的生物标志气体[1]，[2]。然而，生物标志气体的浓度通常在ppt-ppb范围内，并且在检测过程中会受到高湿度的影响[3]。因此，开发一种在高湿度环境下对微量挥发性有机化合物（VOCs）具有高灵敏度和准确性的检测方法对于非侵入性疾病诊断和健康管理至关重要。

在各种气体传感技术中，金属氧化物半导体（MOS）气体传感器由于其低成本、高集成性和快速响应而广泛应用于便携式呼吸分析系统。然而，在高湿度条件下，MOS传感器容易出现非线性漂移、灵敏度下降和选择性降低[4]。因此，迫切需要开发有效的策略和补偿方法来提高气体灵敏度并减轻湿度干扰，从而提高其在实际应用中的适应性。

材料功能化是通过调节表面活性位点、电荷传输能力和气体吸附特性来提高传感器灵敏度的最有前景和实用的方法之一[5]，[6]。在各种修饰剂中，磷酸基团（-PO?3?）最近被证明作为改善气体传感性能的表面电荷调节基团具有显著潜力[8]，[9]。凭借其独特的电子结构和界面特性，PO₄^3-显著增强了对特定气体的选择性吸附和识别能力[10]，[11]。特别是在丙酮检测中，磷酸基团的富电子表面与丙酮分子中的羰基（C=O）之间形成了强烈的极性相互作用。磷酸提供的酸性位点可以促进丙酮的吸附和活化，从而在复杂环境中实现对丙酮的高选择性响应。先前的研究表明，使用磷酸掺杂的多孔聚苯并咪唑膜的传感器对丙酮的选择性远高于乙醇和甲醇，响应比为3.18，检测限为8 ppm[11]。这些结果表明，磷酸基团通过其独特的表面化学和电子调节能力，可以优先吸附和稳定目标气体分子，为实现高灵敏度和选择性的丙酮传感提供了关键的表面工程途径。

大多数消除湿度干扰的策略都是在材料结构设计和硬件层面实施的，例如添加湿度过滤层[12]，[13]，这些方法本质上不够灵活且缺乏可调性，无法在动态环境中快速补偿。结合机器学习算法的信号建模和补偿方法最近受到了越来越多的研究关注。通过构建非线性映射模型，这些方法能够实时校正由温度和湿度变化引起的信号漂移，显示出在动态环境中稳健检测微量目标气体的巨大潜力[14]，[15]，[16]。然而，目前大多数算法仍然存在明显局限性，包括对训练数据的强烈依赖性、对异常样本的鲁棒性差以及泛化能力不足[17]。因此，有必要开发一种可以在实际应用中可靠部署的湿度校正补偿模型。

本研究提出了一种材料-算法协同设计策略，用于在复杂湿度环境中稳健地补偿丙酮检测。我们的方法构建了一个磷酸基功能化的金属氧化物传感器阵列，并集成了一种轻量级的混合建模框架——卷积块注意力模块-遗传算法反向传播（CBAM-GABP），以系统地提高潮湿环境中微量丙酮的检测精度。磷酸修饰提高了传感器在低浓度条件下的响应灵敏度，而CBAM-GABP模型提高了其在小样本条件下的泛化和异常值处理能力。实验结果表明，所提出的协同设计策略能够在高湿度下准确预测ppb级别的丙酮。它表现出出色的信号增强和环境适应性，为在复杂工作条件下开发高性能VOC传感系统奠定了坚实的基础。

部分摘录

丙酮气体传感器及其改性

一种商用丙酮（C?H?O）传感器（型号：WSP2110，采用TO金属封装，Winsen Technology制造）通过磷酸（H?PO?）进行化学改性以增强其灵敏度。TO传感器的敏感层完全浸入85%的H?PO?溶液中。为了系统研究处理时间的影响，浸渍时间分别设置为2小时、4小时、6小时和8小时，同时保留一个未经改性的传感器作为对照。浸渍后，样品用去离子水彻底冲洗。

气体灵敏度的提高

图1显示了气体传感器在300℃操作温度下对50-200 ppb丙酮的动态电阻变化。所有传感器都表现出稳定的响应和恢复性能。响应值、响应时间和恢复时间都进行了系统分析。对于还原性气体，响应值计算公式为Response = (Ra/Rg - 1) × 100%；对于氧化性气体，响应值计算公式为Response = (Rg/Ra - 1) × 100%，其中Ra和Rg分别为空气和目标气体中的电阻[18]。

数据增强

为了增强周期性响应模式的建模，我们系统地增强了原始周期性数据。遵循“分割-然后增强”的协议（仅增强训练集以避免数据泄露），我们为每个响应-恢复周期整合了四种核心方法：叠加高斯噪声以模拟仪器干扰并提高鲁棒性[27]；应用缩放变换（以及“缩放+噪声扰动”）以丰富样本幅度分布[28]；使用时间窗口

算法构建

为了解决磷酸基功能化金属氧化物（MOX）气体传感器在检测低浓度丙酮时的湿度干扰问题，我们提出了一种轻量级的注意力神经网络模型，即CBAM-GSABP。该模型的核心设计目标是检测湿度环境中的丙酮，其特点是深入整合了动态感知行为和特征参数以适应目标检测场景。CBAM-GSABP模型集成了

消融实验和CBAM-GSABP模型鲁棒性的分析

CBAM-GABP模型在多个指标上表现出出色的浓度预测性能。使用综合评估指标（详见支持信息）来评估准确性和鲁棒性。表1比较了不同模型的气体浓度预测性能，所有模型都在相同条件下进行训练/评估（相同的数据集、特征工程、10折分层交叉验证；完整结果见表S1），评估指标包括R2、MSE、RMSE、MAE、平均/中位数相对误差

结论

本研究提出了一种稳健的材料-算法协同设计策略，用于在不同湿度条件下准确检测ppb级别的丙酮。磷酸修饰与新型CBAM-GABP神经网络的创新结合实现了高性能的丙酮气体检测。传感器改性提高了灵敏度和选择性，对200 ppb丙酮的响应率为90%。该算法集成了通道注意力机制（CBAM）以自适应地抑制湿度干扰

CRediT作者贡献声明

杜秉生：撰写——审稿与编辑，撰写——初稿，可视化，监督，方法论，资金获取，概念化。唐斌：监督，研究，资金获取。陈乐：研究。陈志培：研究。周广英：撰写——审稿与编辑，撰写——初稿，可视化，验证，软件，方法论，研究，数据管理，概念化。熊海峰：研究。何勇：监督。程鹏：

利益冲突声明

作者声明没有利益冲突。

致谢

作者衷心感谢重庆市教育委员会科学技术研究计划（编号：KJQN202401163）、重庆市技术创新与应用发展计划（编号：CSTB2024TIAD-CYKJCXX0014）、重庆理工大学科学研究基金（2023ZDZ030）以及重庆理工大学研究生创新项目（gzlcx20253182）提供的财务支持。

周广英是重庆理工大学的研究生，主要研究方向是用于微型气体传感器的抗湿度协作系统：多孔网络过滤层-原子级界面控制-算法补偿的跨尺度协同研究。