文章推荐——《基于SnO2的MEMS传感器阵列在肉类种类和新鲜度智能识别的研究》
肉类种类和新鲜度智能识别的研究
基于SnO2的MEMS传感器阵列在
引用：Optimization of SnO₂-based MEMS sensor array for expeditious and precise categorization of meat types and freshness status [J]. Sensors and Actuators: A. Physical, 2025, 391: 116680.
作者单位：宁波大学/中国科学院宁波材料技术与工程研究所/中科微感（宁波）科技有限公司/中国传感谷嗅觉传感器研发与制造基地
（注：本论文中传感器模块硬件设计及软件测试系统由中科微感提供）
1
内容简介
本文提出一种基于四种 SnO₂基 MEMS 气体传感器的创新阵列，专为肉类种类及新鲜度即时检测设计。肉类易在储存中发生微生物和酶促腐败，传统检测方法受成本与复杂度限制难以实时应用。该传感器阵列通过喷墨打印技术制备，包含 SnO₂、Cu-SnO₂、Ni-SnO₂和 Pd-Au-SnO₂四种传感器，对肉类腐败特征气体 ppm 级三甲胺（TMA）和 ppb 级硫化氢（H₂S）具有极高灵敏度。结合机器学习算法后，系统实现 95.52% 的肉类种类识别准确率，对鸡肉、猪肉和鲳鱼的新鲜度识别准确率达 100%，SVM 模型在九类鲜肉分类中准确率为 94.03%。密度泛函理论（DFT）分析表明，异质结和贵金属修饰优化了能带结构，显著提升传感性能。该研究为食品安全与质量检测提供了先进技术框架，具有向物联网赋能的食品安全应用延伸的潜力。
关键词：基于SnO2的MEMS传感器 种类和新鲜度预测 机器学习 密度泛函理论
2
图文导读
图1. (A)SnO2基MEMS气体传感器的制备过程；(B)气体传感器阵列的测试平台。
图2. 不同特征提取方法示意图：(A)SnO2气体传感器的响应过程；(B)VR、DR、AUC；(C)EMA。
图3. 基于SnO2的MEMS气体传感器的响应：(A)对0.5-100 ppm的三甲胺的响应；(B)对5-1000 ppb的硫化氢的响应；(C)对10 ppm的三甲胺的重复性；(C)对10 ppb的硫化氢的重复性。
图4. (A)四个传感器的相关系数图；(B)传感阵列的主成分分析图。
图5. 四个特征提取和五个机器学习模型的识别精度：(A)鸡肉新鲜度分类；(B)猪肉新鲜度分类；(C)梭鱼新鲜度分类；(D)三种肉类类型的分类。
图6. (A)不同机器学习对应的肉类类型和新鲜度的定性识别精度；(B)支持向量机混淆矩阵模型示意图。
图7. (A)纯SnO2；(B)Pd-Au-SnO2；(C)Ni-SnO2和(D)CuSnO2的密度泛函理论计算。
3
总结和展望
本研究通过喷墨打印技术在 MEMS 基底上成功制备了 SnO₂基传感阵列，实现了对肉类腐败特征气体的高灵敏度检测。Pd-Au-SnO2传感器对 10 ppm 三甲胺响应值达 88.25，Cu-SnO2传感器对 5 ppb 硫化氢响应值为 2.27，展现出优异的传感性能。结合优化的特征提取方法与机器学习算法，系统在肉类种类和新鲜度分类中取得了高精度结果，其中 SVM 模型在混合数据库分类中准确率达 94.03%。DFT 分析揭示了异质结结构和贵金属修饰增强传感性能的内在机制。尽管该研究在受控实验室环境下完成，面对实际复杂多组分分析仍有局限，但为智能肉类质量监测系统的发展奠定了基础。未来，该技术有望进一步拓展至食品供应链全流程监测，通过物联网实现实时、分布式的食品安全感知网络。
作者注：
民以食为天，食以安为先。肉类作为餐桌上的常见食材，其种类真伪与新鲜度直接关系到消费者的饮食安全和健康。传统肉类检测方法受成本、操作复杂度等限制，难以实现实时、快速检测，无法满足食品流通环节的高效筛查需求。MEMS 嗅觉传感器，正为这一行业痛点提供了创新解决方案。
作为该研究核心传感器模组的设计方，中科微感的人工智能 + 嗅觉传感器（CM-ENose）系列产品，解决了本论文研究中的喷墨印刷法所难以实现的高稳定、高一致、批量生产工业的问题，凭借小巧的体积、高灵敏度、快速响应等优势，打破了传统检测技术的局限，让肉类安全检测变得高效、便捷、低成本。这一技术未来不仅适用于实验室精准分析，更具备向实际应用场景延伸的巨大潜力 —— 未来可广泛嵌入超市冷链、生鲜电商仓储、餐饮采购验收等环节，通过物联网技术构建实时、分布式的食品安全感知网络，实现从生产到消费的全链条质量监测。
END
地址：浙江省宁波市镇海区庄市街道
中官西路1277号A栋1102
查看全文
中科微感
中科微感（宁波）科技有限公司成立于2022年6月，已获得20余项软著专利，核心研发团队攻克了长期制约人工嗅觉传感发展的核心材料、膜层沉积工艺、硬件算法等技术，开发出基于新型纳米敏感材料、微纳加工技术和人工智能算法的 MEMS 基金属氧化物半导体原理的人工嗅觉传感器产品（AI-Nose）及相关配套算法和平台。解决了人工智能嗅觉技术在市场应用中的关键问题：提供量产化的高一致、低成本、微型化的嗅觉传感器阵列硬件，填补了国内外气味识别感知产品的空白。目前已经在汽车电子、公安缉毒、大气环保监测、储能电池热失控监测等
作者最近更新
-
车载数字嗅觉技术发展路线图：从环境感知到认知智能的演进中科微感
03-06 19:00
-
中科微感2026年春节放假通知及备货提醒中科微感02-02 18:31
-
文章推荐——MEMS基0D/1D/2D纳米复合材料实现室温超灵敏氨检测中科微感01-09 18:30
评论0条评论