Машинное обучение для оптических газовых сенсоров: датчик влажности на основе моды-утечки

Возможность использования оптических газовых сенсоров привлекает все большее внимание научной общественности в последние годы. Это обусловлено развитием методов изготовления оптических наноструктур и методов обработки оптического спектра. В статье теоретически и экспериментально исследован оптический датчик влажности при комнатной температуре на основе гидрофильного полимера Нафиона. Геометрия датчика оптимизирована для достижения максимальной чувствительности коэффициента полного отражения с угловым разрешением в конфигурации Кречмана.

Провал в спектре отражения связан с модой утечки 2-го порядка волноводного слоя Нафиона, которая гибритизируется с модой поверхностного плазмон-поляритона на границе раздела серебро/нафион.

Мы сравнили результаты восстановления значений относительной влажности из регрессии параметров физической модели с данными, полученными с использованием различных методов машинного обучения. Установлено, что при использовании машинных алгоритмов достаточно лишь ограниченного набора исходных данных. Достигнутая точность измерений относительной влажности составила менее 0,3%.

Данные публикации: 

Machine Learning for Optical Gas Sensing: A Leaky-Mode Humidity Sensor as Example

Kornienko VV, Nechepurenko IA, Tananaev PN, Chubchev ED, Baburin AS, Echeistov VV, Zverev AV, Novoselov II, Kruglov IA, Rodionov IA and Baryshev AV.

IEEE Sensors Journal 20, 13, 2020 (ImF 3,076)

https://ieeexplore.ieee.org/document/9026912