一种基于改进的紫外吸收光谱法与域变换光谱解耦卷积神经网络相结合的超灵敏二氧化硫和一氧化氮光学传感器系统

《Talanta》:An ultra-sensitive optical sensor system for sulfur dioxide and nitric oxide based on improved UV-DOAS combined with the domain-transformed spectral decoupling convolutional neural network (DTSD-CNN)

【字体: 大 中 小 】 时间:2026年06月27日 来源:Talanta 6.7

编辑推荐:

  李长银|谢飞|李沐|李秉谦|王俊峰|鞠玉飞|李文博|董绪业|王志斌|张永刚中国河北省秦皇岛市燕山大学电气工程研究所,教育部智能控制与神经信息处理重点实验室,邮编066004 摘要:同步检测微量二氧化硫(SO2)和一氧化氮(NO)在工业减排及燃烧效率优化中起着至关重要的作用。紫外

  李长银|谢飞|李沐|李秉谦|王俊峰|鞠玉飞|李文博|董绪业|王志斌|张永刚中国河北省秦皇岛市燕山大学电气工程研究所,教育部智能控制与神经信息处理重点实验室,邮编066004

摘要:同步检测微量二氧化硫(SO2)和一氧化氮(NO)在工业减排及燃烧效率优化中起着至关重要的作用。紫外差分光学吸收光谱法(UV-DOAS)作为一种极具潜力的微量气体检测技术,能够同时测量SO2和NO。然而,由NO引起的基线漂移以及不同气体之间的光谱重叠给微量气体的精准检测带来了巨大挑战。我们提出了一种超灵敏的光学传感器,该传感器结合了改进的UV-DOAS技术与基于域变换的光谱解耦卷积神经网络(DTSD-CNN)。首先,我们引入基于分段拟合的改进型UV-DOAS,有效缓解了混合气体中NO引起的基线漂移问题。接着,我们提出了基于光谱强度映射的DTSD方法,有助于获得信噪比较高的分离后的SO2和NO光谱信号。最后,通过在单组分光谱上训练的CNN模型,实现了对微量SO2和NO的精准量化,避免了与混合气体相关的数据集构建难题。实验结果表明,DTSD-CNN对于25.3-1995.2 ppb范围内的SO2以及9.8-1992.4 ppb范围内的NO,其决定系数(R2)可达0.9999,平均绝对误差分别为4.0 ppb和4.2 ppb。阿伦方差分析显示,SO2和NO的最小检测限分别为1.1 ppb和2.2 ppb。因此,所提出的传感器可视为一种有效的SO2和NO检测系统。

引言:目前,化石燃料燃烧仍然是全球能源供应的主要且最可靠的来源,长期支撑着工业生产、电力生成和交通运输领域的能源需求[1] [2] [3] [4] [5]。然而,化石燃料燃烧不可避免地会释放多种污染物,其中二氧化硫(SO2)和氮氧化物(NO)是典型的大气污染物,对生态环境和人类健康构成严重威胁[6] [7] [8] [9]。SO2是酸雨的主要前体物,会导致土壤酸化和水污染,还会引发呼吸系统疾病,危害人类健康。而NO不仅会是光化学烟雾和细颗粒物(PM2.5)的重要来源,还会参与臭氧层破坏和温室效应。长期暴露于这些物质中会增加患心血管疾病和肺癌的风险[10] [11] [12] [13] [14]。此外,由于这两种污染物在燃烧过程中往往同时产生且彼此之间存在关联,其排放浓度直接反映了燃烧效率以及污染控制水平[15] [16]。因此,同步检测微量SO2和NO不仅能实现对污染物排放的精准监测,还能提升燃料效率,降低对环境健康的危害。

目前,检测SO2和NO气体的主要方法包括电化学传感器法、半导体传感器法以及光学传感器法。电化学传感器法是通过测量电解质溶液中的电化学反应电流大小来计算SO2和NO的浓度[17] [18] [19],其优点在于制造成本较低且体积小巧。但缺点是响应时间相对较长,使用寿命较短,还需定期更换电解质,难以实现长期动态监测。半导体传感器法虽然响应速度快、使用寿命长,但由于选择性及精度有限,大大降低了检测性能[20] [21] [22] [23]。近年来,由于响应快速、选择性高、精度优异且能实现实时在线检测,光学传感器法在气体检测领域发展迅速[24] [25] [26]。在红外光谱法中,研究人员通过检测1300 - 1500 cm-1和1870 - 2000 cm-1波长区间内的光谱强度变化来确定SO2和NO的浓度[27] [28] [29] [30]。高某等人利用傅里叶变换红外光谱技术对ppm级SO2浓度进行了定量研究[29];丁某等人使用非分散红外光谱法检测NO,达到了4 ppm的检测限[27]。但由于SO2和NO在红外光谱中的吸收能力较弱,在超微量气体检测场景下,其定量检测精度会显著下降。更重要的是,浓度检测过程极易受到水蒸气(H2O)和二氧化碳(CO2)的干扰,从而影响检测结果的准确性和可靠性[31] [32]。光声光谱法是一种零背景的光学检测技术,具有灵敏度高、背景噪声低等优点[33] [34]。它的工作原理是将气体的光学吸收信号转换为声学信号,再通过麦克风或石英音叉进行检测。帕蒂米斯科等人利用带有三个多量子级联激光器的三波长激光系统,结合石英增强型光声光谱法,实现了对NO2、SO2和NH3的同时检测[35]。梅尔基奥雷等人开发了一种双气体石英增强型光声光谱传感器,通过两个中心波长分别为4234 nm和5263 nm的光纤耦合ICL来实现对CO2和NO的检测[36]。不过,多光源系统往往涉及复杂的光学设计,这增加了系统的复杂性、体积和成本。光纤传感器由于其耐腐蚀、抗电磁干扰、使用寿命长以及设计智能化等特点,在检测酸性气体方面具有巨大潜力。研究表明,将光纤传感器与具有高度选择性的先进气体选择性材料相结合,可实现目标气体的精准检测,尤其是SO2、NO2、CO2、H2S和N2O等酸性气体[37]。激光诱导荧光法是利用短脉冲激光激发目标分子,通过检测荧光强度来推断分子浓度[38]。研究人员提出了多种利用226 nm激光实现ppb级NO检测的传感器系统[39] [40],同时,266 nm激光也被用于超微量SO2浓度的检测[41]。但需要注意的是,要实现SO2和NO的同时检测,就需要配置可调谐激光器或采用双激光器耦合技术方案,这大大限制了该技术在更大规模上的应用和推广。由于精度和灵敏度较高,紫外荧光法被认为能够实现对SO2的超低浓度检测[42] [43],但它无法同时检测SO2和NO。可调二极管激光吸收光谱法具有选择性好、精度高、灵敏度高的优点[25],但在检测多种气体时,对吸收波长的选择有严格要求,而且需要增加传感器的数量[44],这又会提高设备成本和操作复杂性。紫外差分光学吸收光谱法因其可靠性高、抗干扰能力强以及能够同时检测多种气体而备受青睐[36] [37] [38] [39],但其传统的预处理方法是通过多项式拟合去除缓慢变化,无法实现对ppb级SO2和NO的高精度检测。这是因为NO的特征吸收会引发基线漂移,并降低光谱线的强度。此外,SO2和NO的特征吸收线存在显著重叠,这也极大限制了检测精度的提升。因此,迫切需要开发基于UV-DOAS的超灵敏分析系统,以实现微量SO2和NO的高精度检测。

近年来,卷积神经网络在解决光谱重叠问题方面展现出巨大潜力,这得益于其自动特征提取和强大的泛化能力等核心优势。谢某等人利用小波变换增加光谱维度,再结合1D - 2D-CNN,实现了对NH3、NO和SO2混合物的ppb级检测[45];朱某等人则通过将光谱自相关与CNN相结合,实现了NO和NH3的ppb级检测[46]。然而,这些高精度结果在很大程度上依赖于已建立的混合气体光谱数据集的质量。在单一气体检测场景中,线性数据扩展方法就足够了,而混合气体数据集在扩展过程中会呈现非线性特征。因此,构建混合气体数据集必然会增加模型训练的难度,其数据质量直接影响微量气体检测的准确性,从而限制了CNN在解决光谱重叠问题中的应用。

为有效解决光谱重叠问题并避免上述弊端,本研究提出了一种光谱解耦方法,并制定了构建单一气体数据集的策略。首先,我们利用改进的UV-DOAS获取混合气体的差分光谱,以此应对NO吸收峰引起的基线漂移和峰值强度下降问题。随后,我们提出了域变换光谱解耦(DTSD)方法,用于分离并精准提取混合气体中各组分的差分光谱。在此基础上,我们建立了在单组分光谱上训练的CNN模型,从而实现对超微量SO2和NO的高精度检测。最后,我们通过实验测试展示了该传感器系统的综合性能,实验结果表明,该传感器在测量精度、长期稳定性、检测限以及抗干扰能力等方面均表现良好,显示出实现SO2和NO同步检测的潜力。

实验装置:如图1所示,光学检测系统由三个部分组成:浓度配置单元、数据采集单元以及光学检测单元。浓度配置单元包含SO2气体(浓度为4.9 ppm,南京天泽有限公司提供)、NO气体(浓度为4.5 ppm,南京天泽有限公司提供)、高纯度氮气(N2,秦皇岛源兴有限公司提供,纯度为99.99%),以及气体配置仪(GC400,TUNKON公司产品)。其中,SO2和NO浓度的测量不确定度为±0.5%。

光谱线选择:当紫外线穿过气体介质时,某些气体分子会发生电子跃迁,吸收特定波长的紫外线。在气体环境中,SO2和NO通常会与氧气(O2)、二氧化碳(CO2)和水蒸气(H2O)混合在一起。图S1展示了这些气体在紫外线波段内的吸收截面。可以看出,在180 - 230 nm波长范围内,气体混合物的光谱存在显著重叠,且各光谱线的差异较大。

DTSD的有效性分析:为评估DTSD进行光谱解耦的效果,我们对四组浓度不同的SO2和NO混合光谱进行了分析,相应结果如图4所示。图4(a1) - (a4)展示了四组混合气体的原始光谱以及重构后的光谱,这四组混合气体的浓度分别为:66.3 ppb SO2 + 38.1 ppb NO,389.0 ppb SO2 + 437.5 ppb NO,886.9 ppb SO2 + 1380.8 ppb NO,以及1478.7 ppb SO2 + 787.1 ppb NO。图4(b1) - (b4)和4(c1) - (c4)……

结论:在本研究中,我们提出了一种将改进型UV-DOAS与DTSD相结合的检测系统,可实现微量SO2和NO的同步检测。改进型UV-DOAS有效缓解了NO单峰吸收引起的基线漂移问题,得到了200 - 230 nm波长范围内的气体混合物差分光谱。DTSD则能够精准地从混合光谱中分离并提取出SO2和NO的独立光谱,同时有效消除噪声干扰。

CRediT作者贡献声明:
李秉谦:可视化处理、形式分析;
李沐:软件开发;
谢飞:可视化处理、方法设计;
李长银:原文撰写、软件开发、形式分析、数据整理、概念构思;
张永刚:文章润色与编辑、项目监督、项目管理、资金筹措;
王志斌:软件开发;
董绪业:项目管理;
李文博:资源协调;
鞠玉飞:软件开发;
王俊峰:形式分析、数据整理。

利益冲突声明:作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。

数据可用性:本文涉及的研究数据可供获取,地址为https://github.com/YSU-Spectroscopy-Lab

利益冲突声明:?作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。

致谢:本研究得到了中国国家自然科学基金(项目编号为62575251)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号