Die vorliegende Erfindung bezieht sich auf Verbesserungen bei der Gasentladungsspektroskopie.

In den letzten Jahren ist das Interesse an künstlichen Geruchsapplikationen, auch als „künstliche Nasenapplikationen" bezeichnet, gewachsen. Der Zweck dieser Applikationen ist es, zu versuchen, eine Gasprobe mit einer Form von Kennzeichnung zu assoziieren. Zahlreiche kommerzielle Applikationen sind hierfür verfügbar, die eine Vielzahl unterschiedlicher Sensoren verwenden. Elektronische Nasensensoren fallen in einige unterschiedliche Kategorien: Leitfähigkeitssensoren; piezoelektrische Sensoren; MOSFET und optische Sensoren.

GB 2344212 offenbart ein Beispiel eines Plasmagenerators. Dieser beinhaltet einen Substratchip, der eine oder mehrere Kammern definiert, in denen Plasma erzeugt wird. Jede Kammer weist ein zugehöriges Paar Elektroden auf, das verwendet wird, um das Plasma zu erzeugen. Ein Analyt wird in die oder jede Kammer geführt, ionisiert durch die Erzeugung des Plasmas, und die Emission, Absorption oder das Fluoreszenzspektrum des Analyts wird gemessen.

US3798501 offenbart ein Beispiel eines Plasmagenerators, der eine Leiteranordnung des Typs eines gekreuzten Gitters beinhaltet.

Es gibt zwei Typen von Leitfähigkeitssensoren, die für elektronische Nasenapplikationen verwendet werden: Metalloxid und Polymer, von denen beide eine Veränderung im Widerstand vorweisen, wenn sie flüchtigen organischen Verbindungen (VOC) ausgesetzt werden. Von den zwei Typen sind Metalloxidhalbleiter weit reichender bei elektronischen Naseninstrumenten verwendet worden und sind weitgehend im Handel erhältlich. Typische Angebote umfassen Oxide von Sn, Zn, Ti, W und Ir, dotiert mit einem Edelmetallkatalysator wie etwa Palladium oder Platin. Das dotierte Halbleitermaterial, mit dem die VOC interagieren, ist zwischen zwei Metallkontakten über einem Widerstandsheizelement deponiert, das bei 200°C bis 400°C betrieben wird. Bei diesen erhöhten Temperaturen wird Wärmeabgabe ein bedeutender Gesichtspunkt des mechanischen Entwurfs der Fühlkammer. Feinstzerspanung wird oft verwendet, um das Sensorsubstrat unter dem aktiven Material auszudünnen, so dass die Erfordernisse des Energieverbrauchs und der Wärmeabgabe reduziert werden. Während eine VOC über das dotierte Oxidmaterial läuft, verändert sich der Widerstand zwischen zwei Metallkontakten im Verhältnis zu der Konzentration der VOC.

Das Sensormaterial des aktiven Metalloxids ist typischerweise entworfen, um die Reaktion auf spezifische Odoranzien wie etwa Kohlenmonoxid oder Ammoniak zu steigern. Die Selektivität kann durch das Abändern der Betriebstemperatur verbessert werden. Die Sensitivität des Sensors reicht von 5 bis 500 ppm. Die Sensoren reagieren ebenfalls auf Wasserdampf, insbesondere auf Unterschiede in der Feuchtigkeit zwischen der Gasprobe, die analysiert wird, und einem bekannten Referenzgas, das verwendet wird, um den Sensor zu initialisieren.

Ein Nachteil von Metalloxidsensoren ist, dass die Reaktion der Grundlinie dazu neigt, über Zeiträume von Stunden zu Tagen zu driften. Um dagegen zu wirken, werden gewöhnlich Signalverarbeitungsalgorithmen eingesetzt. Ein weiterer Nachteil ist, dass die Sensoren anfällig für Vergiftung durch in der Odoransmischung vorhandene Sulfurverbindungen ist. Dies kann Probleme verursachen. Die niedrigen Kosten und die große Verfügbarkeit dieses Typs von Sensor machen ihn jedoch zu dem am meisten verwendeten Typ Gassensor.

Polymersensoren können ebenfalls als elektronische Nasenleitfähigkeitssensoren verwendet werden. Das aktive Material ist hier ein leitendes Polymer von solchen Familien wie den Polypyrrolen, Thiophenen, Indolen oder Furanen. Veränderungen in der Leitfähigkeit dieser Materialien treten auf, wenn sie verschiedenen Typen von Chemikalien, die mit dem Polymerrückgrat binden, ausgesetzt werden. Die Bindung kann ionisch oder kovalent sein. Die Interaktion beeinflusst den Transfer von Elektronen entlang der Polymerkette, das heißt, deren Leitfähigkeit. Die Affinität einer gegebenen Verbindung für ein Polymer und deren Auswirkungen auf die Leitfähigkeit des Polymers werden stark durch die Gegenionen und funktionalen Gruppen, die an dem Polymerrückgrat befestigt sind, beeinflusst.

Um Polymere in einer Sensorvorrichtung zu verwenden, werden Mikrofabrikationstechniken eingesetzt, um zwei Elektroden zu bilden, die durch eine Lücke von 10 bis 20 &mgr;m getrennt sind. Dann wird das leitende Polymer zwischen den Elektroden durch das Zyklieren der Spannung zwischen ihnen elektropolymerisiert. Schichten von Polypyrrolen können zum Beispiel durch das Zyklieren zwischen –0,7 und +10,4 V gebildet werden. Das Variieren der Wobbelgeschwindigkeit der Spannung und das Anwenden einer Reihe von Polymervorläufern ergibt eine große Vielzahl an aktiven Materialien. Die Reaktionszeit ist invers proportional zu der Dicke des Polymers. Um die Reaktionszeiten zu beschleunigen, werden leitende Polymerbrücken in Mikrometergröße zwischen den Kontaktelektroden gebildet.

Da leitende Polymersensoren bei Umgebungstemperatur betrieben werden, brauchen sie keine Heizgeräte und sind leichter zu fertigen als Metalloxidsensoren. Die elektronische Schnittstelle ist geradlinig und für tragbare Instrumente geeignet. Die Sensoren können Gerüche bei Sensitivitäten von 0,1 ppm erfassen, 10 bis 100 ppm ist jedoch gewöhnlicher. Der größte Nachteil bei solchen Sensoren ist, dass es schwierig und zeitaufwendig ist, das aktive Material zu elektropolymerisieren, und so weisen sie unerwünschte Variationen von einem Ansatz zum nächsten vor. Sensorreaktionen driften ebenfalls im Lauf der Zeit, und ihre gewöhnlich größere Sensitivität als Metalloxide gegenüber Wasserdampf macht sie anfällig für Feuchtigkeit. Diese Anfälligkeit kann die Reaktionen auf riechende flüchtige organische Verbindungen maskieren. Zusätzlich dazu können manche Odoranzien die Polymermasse durchdringen, wodurch die Erholzeit des Sensors verlängert wird, indem das Entfernen der VOC von dem Polymer verlangsamt wird. Dies erweitert die Zykluszeit zur sequentiellen Verarbeitung der Odoransproben. Dies ist ein Nachteil.

Eine weitere Gruppe der gegenwärtig erhältlichen elektronischen neuen Sensoren ist die piezoelektrische Gruppe. Es gibt zwei Typen von Sensoren, piezoelektrischen Sensoren:

Quarzkristallmikrowaage(QCM)- und Oberflächenwellen(SAW)-Vorrichtungen. Diese Sensoren können Temperatur, Massenveränderungen, Druck, Kraft und Beschleunigung messen, in den E-Nasen-Applikationen sind sie aber als Massenveränderungs-Fühlvorrichtungen konfiguriert.

QCM-Sensoren bestehen aus einer schwingenden Scheibe mit ein paar mm im Durchmesser mit Metallelektroden auf jeder Seite, verbunden mit einer Verbindungsleitung. Die Vorrichtung schwingt bei einer charakteristischen Frequenz, typischerweise im Bereich von 10 MHz bis 30 MHz, wenn sie durch ein Schwingungssignal angeregt wird. Während der Herstellung wird eine Polymerbeschichtung auf die Scheibe angewendet, um als das aktive Fühlmaterial zu dienen. Bei Betrieb wird eine Gasprobe an der Oberfläche des Polymers absorbiert, was die Masse der Scheiben-Polymer-Vorrichtung erhöht und dadurch die Resonanzfrequenz reduziert. Die Reduzierung ist invers proportional zu der Odoransmasse, die durch das Polymer absorbiert wird.

Über QCM-Vorrichtungen ist viel bekannt. Das Militär hat seit Jahren mit diesen experimentiert und hat diese dazu verwendet, Spurengehälter von Sprengstoffen und anderen gefährlichen Verbindungen zu erfassen und Massenveränderungen bei einer Auflösung von 1 pg zu messen. 1 pg Methan in einem Probenvolumen von 1 Liter im Normzustand produziert zum Beispiel eine Methankonzentration von 1,4 ppb. Zusätzlich dazu sind QCM-Vorrichtungen über einen großen dynamischen Bereich bemerkenswert linear. Ihre Reaktion auf Wasser hängt von eingesetzten absorbierenden Materialien ab, und ihre Sensitivität gegenüber Veränderungen der Temperatur kann nebensächlich gemacht werden.

Das Maßschneidern eines QCM-Sensors auf spezifische Applikationen wird durch das Einstellen seiner Polymerbeschichtung vorgenommen. Eine große Anzahl von Beschichtungen ist verfügbar. Die Reaktions- und Erholzeiten der resonanten Struktur werden durch das Reduzieren der Größe und Masse des Quarzkristalls zusammen mit der Dicke der Polymerbeschichtung minimiert. Variabilität von Ansatz zu Ansatz ist kein Problem, da diese Vorrichtungen eine normalisierte Frequenzänderung messen, eine Differenzmessung, die eine Gleichtaktstörung entfernt.

Der SAW-Sensor unterscheidet sich von der QCM auf viele unterschiedliche Weisen. Als erstes bewegt sich eine Rayleighwelle über die Oberfläche der Vorrichtung, nicht durch deren Volumen. SAW-Sensoren werden bei viel höheren Frequenzen betrieben und können so eine größere Veränderung in der Frequenz erzeugen. Eine typische SAW-Vorrichtung wird in den Hundertsten der MHz-Region betrieben, aber SAW-Vorrichtungen können Veränderungen in der Masse in der gleichen Größenordnung wie QCM messen. Obwohl die Frequenzänderung größer ist, bedeutet ein größeres Verhältnis von Oberfläche zu Volumen, dass das Signal-Rausch-Verhältnis gewöhnlich schwächer ist. Folglich können SAW-Vorrichtungen unter manchen Umständen sogar weniger empfindlich als QCM sein.

Wie bei QCM sind zahlreiche Polymerbeschichtungen für SAW verfügbar, und wie bei den anderen Sensortypen können Differenzmessungen Moduseffekte eliminieren. Zwei angrenzende SAW-Vorrichtungen auf dem gleichen Substrat können zum Beispiel als ein Differenzpaar betrieben werden, um Variationen in der Temperatur und Netzgeräusche zu entfernen.

Ein Nachteil von sowohl QCM- als auch SAW-Sensoren ist ihr Bedarf an Frequenzdetektoren, deren Resonanzfrequenzen driften können, wenn die aktive Membran altert.

Metall-Oxid-Silicium-Feldeffekttransistoren (MOSFET) werden ebenfalls als Fühlvorrichtungen für Gerüche verwendet. Diese werden nach dem Prinzip betrieben, dass VOC in Kontakt mit einem katalytischen Metall eine Reaktion in dem Metall produzieren können.

Die Produkte der Reaktion können durch das Gatter eines MOSFET diffundieren, um die elektrischen Eigenschaften der Vorrichtung zu verändern. Die Sensitivität und Selektivität der Vorrichtungen kann durch das Variieren des Typs und der Dicke des Metallkatalysators und deren Betreiben bei unterschiedlichen Temperaturen variiert werden.

Ein Vorteil der MOSFET-Sensoren ist, dass sie mit IC-Fertigungsprozessen gefertigt werden können, so dass Variationen von Ansatz zu Ansatz minimiert werden können. Ein Nachteil ist, dass die katalysierten Reaktionsprodukte wie etwa Wasserstoff, die katalytische metallische Schicht durchdringen müssen, um die Ladung an dem Kanal zu beeinflussen. Dies bedeutet, dass die Einheit ein Fenster aufweisen muss, um Gas das Interagieren mit der Gatterstruktur auf dem IC-Chip zu erlauben. Es ist folglich wichtig, eine luftdichte Abdichtung für elektrische Verbindungen an die Chips aufrechtzuerhalten. MOSFET-Sensoren werden ebenfalls einem Driften der Grundlinie ähnlich zu dem von Leitfähigkeitssensoren unterzogen. Wie zuvor ist dies ein Nachteil.

Optische Fasersensoren werden ebenfalls als elektronische Nasensensoren verwendet. Diese benutzen Glasfasern mit einer dünnen chemisch aktiven Materialbeschichtung auf ihren Seiten oder Enden. Eine Lichtquelle an einer Monofrequenz (oder an einem engen Frequenzband) wird verwendet, um das aktive Material abzufragen, das wiederum mit einer Farbveränderung auf die Anwesenheit der zu erfassenden und zu messenden VOC reagiert. Das aktive Material enthält chemisch aktive fluoreszierende Farbstoffe, die in einer organischen Polymermatrix immobilisiert werden. Da VOC damit interagieren, wird die Polarität der fluoreszierenden Farbstoffe abgeändert, und sie reagieren, indem sie ihr Fluoreszenzemissionsspektrum verschieben. Wenn ein Lichtimpuls von einer externen Quelle den Sensor abfragt, reagiert der fluoreszierende Farbstoff durch das Emittieren von Licht bei einer unterschiedlichen Frequenz. Da die Intensität der Quelle viel größer ist als die Reaktion des Sensors, ist Sorgfalt geboten um sicherzustellen, dass die Photodetektoren der Reaktion vor der Emission der Quelle geschützt werden.

Ein Nachteil optischer Fasersensoren ist, dass die Instrumentierung und das Steuerungssystem komplex sind, was zu den Fertigungskosten beiträgt. Zusätzlich dazu haben diese Sensoren aufgrund von Photobleaching eine begrenzte Lebensdauer, wo die fluoreszierenden Farbstoffe langsam durch den Fühlprozess aufgebraucht werden.

Bei den existierenden elektronischen Nasensensoren existieren zahlreiche Probleme. Ein Ziel der vorliegenden Erfindung ist es, ein neues Verfahren und ein Sensorsystem zum Identifizieren von Gasen bereitzustellen.

Gemäß einem Aspekt der vorliegenden Erfindung wird ein System zum Identifizieren von Gasen gemäß Anspruch 1 bereitgestellt. Das System beinhaltet Mittel zum Bilden eines Plasmas unter Verwendung des zu identifizierenden Gases, einen Sensor zum Fühlen des von dem Plasma emittierten Lichts und einen Prozessor, der angepasst ist, um die Informationen auf dem gefühlten Licht zu verwenden, um das Gas zu identifizieren, wobei das Mittel zum Bilden eines Plasmas Elektroden beinhaltet, die als Teil einer Zelle bereitgestellt werden, wobei die Zelle sich gegenüberliegende erste und zweite Substrate beinhaltet, wobei das erste Substrat eine erste Anordnung von Elektroden aufweist und das zweite Substrat eine zweite Anordnung von Elektroden aufweist, wobei die Elektroden zusammen eine Anordnung individuell adressierbarer Elemente definieren.

In gewisser Hinsicht schafft jede Überlappung zwischen den ersten und zweiten Anordnungen der Elektroden eine Reihe von „Pixeln" zur individuellen Anregung und folglich Verwendung als ein Sensorelement des Spektrometers.

Vorzugsweise wird zumindest eines der Substrate betrieben, um für das durch das Plasma emittierte Licht als ein Wellenleiter zu wirken.

Vorzugsweise sind die Elektroden auf jeder Anordnung linear.

Vorzugsweise befinden sich die Elektrodenanordnungen auf internen Zelloberflächen der Substrate.

Vorzugsweise ist zumindest eines der Substrate aus einem Material gebildet, das für die relevanten Wellenlängen des Spektrometers transparent ist.

Vorzugsweise ist zumindest eines der Substrate gänzlich oder im Wesentlichen aus Glas gebildet.

Folglich kann das Substrat als ein Lichtleiter wirken, um den Sensorsignalen zu ermöglichen, zu geeigneten, möglicherweise distalen Spektrometerdetektoren geleitet zu werden, die sich möglicherweise entlang einer oder mehreren Kanten der Glassubstrate befinden. Zumindest eines der Substrate kann gänzlich oder im Wesentlichen aus Silicium gebildet sein.

Die Elektroden können aus jedem beliebigen geeigneten leitfähigen Material gebildet sein. Die Elektroden können transparent sein. Geeignete Materialien umfassen Zinnoxid und Titandioxid. Andere Materialien umfassen Kohlenstoff, diamantähnlichen Kohlenstoff, Nanoröhren, Zwiebelringe, jede beliebige andere Form von Fulleren oder jede beliebige Beschichtung, die eine hohe Feldemission aufweist. Dies hat den Vorteil, dass es das Einschaltpotential (die Durchschlagsspannung) senkt. Alternativ könnten diese Materialien verwendet werden, um Zinnoxid- oder Titandioxidelektroden zu beschichten.

Vorzugsweise sind die Elektroden um einen Betrag im Bereich von im Wesentlichen 40 bis 200 &mgr;m, vorzugsweise 50 bis 100 &mgr;m mit Abstand angeordnet.

Vorzugsweise sind die Elektroden durch ein Abstandsstück getrennt.

Vorzugsweise werden die Elektroden durch induktive Kopplung angeregt.

Vorzugsweise beinhaltet das System ferner einen Speicher zum Abspeichern von einem bekannten Gas zugehörigen Spektren oder Daten, wobei die Spektren oder die Daten durch den Prozessor verwendet werden, um das Gas zu identifizieren.

Gemäß einem weiteren Aspekt der vorliegenden Erfindung wird ein System zum Identifizieren von Gasen gemäß Anspruch 11 bereitgestellt. Das Verfahren involviert das Bilden eines Plasmas unter Verwendung des zu identifizierenden Gases, wobei von dem Plasma emittiertes Licht gefühlt und das gefühlte Licht zur Identifizierung des Gases verwendet wird, wobei der Schritt des Bildens eines Plasmas das Bereitstellen von Elektroden als Teil einer Zelle umfasst, wobei die Zelle gegenüberliegende erste und zweite Substrate umfasst, wobei das erste Substrat eine erste Anordnung von Elektroden aufweist und das zweite Substrat eine zweite Anordnung von Elektroden aufweist, wobei die Elektroden zusammen eine Anordnung individuell adressierbarer Elemente definieren.

Jedes Gas weist ein einzigartiges optisches Spektrum auf, das als ein Fingerprint zu dessen Identifikation verwendet werden kann. Durch das Erzeugen eines Plasmas und das Erfassen von optischen Emissionen davon wird folglich ein effektives Verfahren zur Identifizierung eines Gases bereitgestellt. Ein Vorteil dieses Verfahrens ist es, dass es mit einer großen Vielzahl von Gasen verwendet werden kann und keine vorherige Oberflächenbehandlung der Plasmaelektroden erfordert.

Das Verfahren kann ferner das Bilden eines Plasmas unter Verwendung eines bekannten Gases, das Fühlen eines von dem bekannten Gasplasma emittierten Lichts und das Abspeichern eines dem bekannten Gas zugehörigen Spektrums involvieren. Auf diese Weise kann eine Bibliothek von Spektren für bekannte Gase aufgebaut werden.

Die Verwendung einer Vielzahl von Sensorelementen ermöglicht, auf ein oder mehrere Sensorelemente als „Kalibrierungs"-Elemente Bezug zu nehmen, denen es möglich ist, ein bekanntes Kalibrierungssignal zum simultanen Vergleich mit (einem) Signal(en), das/die von dem Gasplasma, das geprüft wird, erhalten wird/werden, bereitzustellen. Dies bewältigt die bekannte Schwierigkeit, dass Eingabekonditionen in ein beliebiges Spektrometer immer leicht variieren, und sogar „reine" Kalibrierungsproben stellen unter sogar nur leicht unterschiedlichen Bedingungen unterschiedliche Spektren bereit. Die Verwendung einer Vielzahl von Sensorelementen stellt ebenfalls die Möglichkeit bereit, die statistische Analyse zu verwenden, um die durchschnittliche erfasste Probe zu bestimmen, wobei der Durchschnitt eine bessere Bestimmung des relevanten Abschnitts der Gasprobe bereitstellen sollte als die Erfassung nur durch ein Sensorelement. Zusätzlich dazu kann unter Verwendung einer Vielzahl von Sensorelementen auf individuelle Gastypen Bezug genommen werden, wie etwa ein einzelnes Element, z. B. Wasserstoff, oder ein Molekül/eine Verbindung wie etwa Aceton. Die Verwendung einer Vielzahl von Sensorelementen stellt ebenfalls Stabilität bei der Verwendung und Selbsttests auf Fehler oder Lebensdauer bereit. Das heißt, das Nicht-Funktionieren eines beliebigen einzelnen Sensorelements oder sogar das komplette Versagen von diesem sollte ein mehrfach erfasstes Signal nicht beeinflussen. Zusätzlich dazu kann bei Versagen eines existierenden Elements sofort ein neues Sensorelement zur Verwendung gebracht werden.

Verschiedene Systeme und Verfahren, in denen die Erfindung verkörpert ist, werden nun lediglich beispielhaft und unter Bezugnahme auf die begleitenden Zeichnungen beschrieben, von denen:

1 ein Blockdiagramm eines ersten optischen Emissionsspektroskops für Plasma ist;

2 die Schritte eines Analyseprozesses darstellt;

3 eine schematische Darstellung eines Perzeptrons ist, das bei der Analyse von Spektren, die unter Verwendung des Spektroskops aus 1 gesammelt werden, verwendet wird;

4 eine Tabelle ist, die Identifikationsergebnisse für fünf Luft- und Stickstoffproben zeigt;

5 eine Tabelle ist, die Identifikationsergebnisse für fünf Luft-, Aceton- und Essigproben zeigt, deren Ergebnisse unter Verwendung eines ersten Satzes von Analysekriterien erhalten wurden;

6 eine Tabelle ist, die Identifikationsergebnisse für fünf Luft-, Aceton- und Essigproben zeigt, deren Ergebnisse unter Verwendung eines zweiten Satzes von Analysekriterien erhalten wurden;

7 eine Tabelle ist, die Identifikationsergebnisse für zehn Luft-, Aceton- und Essigproben zeigt, deren Ergebnisse unter Verwendung eines dritten Satzes von Analysekriterien erhalten wurden;

8 eine Tabelle ist, die Identifikationsergebnisse für zwei unbekannte Proben A und B zeigt, wobei diese Proben unter Verwendung eines ersten Verfahrens gesammelt wurden;

9 eine Tabelle ist, die Identifikationsergebnisse für die Proben A und B zeigt, wobei diese Proben unter Verwendung eines anderen Verfahrens gesammelt wurden;

10 ein Blockdiagramm eines weiteren optischen Emissionsspektroskops für Plasma ist;

11 eine auseinander gezogene Ansicht der Bestandteile eines Sensors ist, der in dem Spektroskop von 10 verwendet wird, und

12 verschiedene Spektren für eine Probe zeigt, die unter Verwendung des Systems aus 10 analysiert wird.

1 zeigt ein Edwards-Vakuumsystem 8, das eine Vakuumkammer 10 aufweist, die eine parallele Plattenelektrode enthält, die eine obere isolierte angetriebene Elektrode 12 und eine untere geerdete Elektrode 14 aufweist. Die obere (angetriebene) Elektrode 12 weist einen Durchmesser von 4,5 cm auf, und die geerdete Elektrode 14 weist einen Durchmesser von 21 cm auf. Der Abstand zwischen den Elektroden 12 und 14 beträgt 2 cm. Mit dem Vakuumsystem verbunden ist ein Plasma-Therm-HF-Generator 13,56 MHz 16, der eine Energieversorgung aufweist, die von 0 bis 550 W variiert werden kann und einen Automatikbetrieb zur automatischen Impedanzanpassung an die Ladung zur Reduzierung von Energieverlust aufgrund von Reflektion umfasst. Gas wird in die Vakuumkammer 10 eingeführt, und ein Plasma 18 wird unter Verwendung des Generators 14 geschaffen. Das Plasma emittiert Licht, das ein optisches Spektrum aufweist, das für das Gas in der Kammer 10 einzigartig ist.

In einer Wand der Vakuumkammer 10 ist ein Glasfenster 20 gebildet, durch das von dem Plasma 18 erzeugtes Licht verlaufen kann. Dieses Fenster 20 ist angepasst, um Emissionen unterhalb 320 nm und oberhalb 950 nm herauszufiltern. Mit dem Glasfenster 20 optisch verbunden ist ein Glasfaserkabel 22, das verwendet wird, um in der Vakuumkammer erzeugtes Licht in ein Oriel MultiSpec 77400-Spektrometer 24 zu speisen. Dieses Spektrometer weist eine Beugungsgitter produzierende Wellenlängendispersion von 12001/mm auf. Eine mit Wasser gekühlte InstaSpec CCD-Anordnung 26 wird verwendet, um die Intensität der einfallenden Wellenlänge über 1024 Pixel zu erfassen. Mit der CCD-Anordnung 26 verbunden ist ein Computer 28, auf dem unter Verwendung von Oriel Instaspec IV-Software ein Spektrum 30 des erfassten Lichts angezeigt wird. Das Spektrum 30 wird im ASCII-Format gespeichert. Das Spektrometer ermöglicht das simultane Erfassen eines Wellenlängenbereichs von &Dgr;&lgr; = 150 nm auf dem CCD.

Signalverarbeitung des Spektrums wird durch das Importieren der ASCII-Datei des Spektrums in das National Instruments LabView-Programm und Aufspalten des Spektrums in Regionen, wie in 2 gezeigt, durchgeführt. Wenn diese Unterteilung durchgeführt wird, wird ein Gitter auf dem Spektrum gebaut. Das endgültige Ergebnis ist die Schaffung von Zellen, innerhalb derer Peaks gezählt werden können. Ein Merkmal kann ausgedrückt werden als „Merkmal X ist die Anzahl an Peaks in Zelle X". Außerdem kann ein Grenzwert 32 festgesetzt werden, um niedrige Zellen zu ignorieren, die Spitzenlärm enthalten. Der Algorithmus für ein einzelnes Spektrum kann kurz in den folgenden Schritten zusammengefasst werden: (1) Anfang bis 0 die Anzahl von Peaks für jede Zelle; (2) Peaks erfassen; (3) für jeden Peak dessen Anordnungsposition bestimmen und 1 zu der Anzahl von Peaks, die bestimmt werden, in dieser Zelle zu liegen, hinzufügen. Letztendlich hat jede Zelle/jedes Merkmal eine entsprechende Eingabe in einem künstlichen neuronalen Netz (ANN), und deren/dessen Wert kann eingespeist werden. Es sei beachtet, dass Steuerungen der Zellendimension eine große Flexibilität für die Auflösung des Gitters ergeben. Die Auflösung kann auf die Bedürfnisse der Applikation von einem nur durch Säulen gebildeten Gitter bis zu einem Gitter nur mit Reihen angepasst werden. Bei spezifischen Applikationen könnten extreme Gitterkonfigurationen sehr nützlich sein.

ANN können auf verschiedenen Theorien basieren, und folglich existieren einige Netztypen. Durch das Verändern spezifischer Parameter können innerhalb jedes Netztyps zahlreiche Varianten erreicht werden. Ungeachtet des Typs und der Architektur kann ein künstliches NN auf einem PC oder einer Arbeitsstation simuliert werden. Anwenderdefinierte Programme können codiert oder ansonsten kann Simulationssoftware verwendet werden. In jedem Fall sollte die Simulation eine Schnittstelle bereitstellen, um die Eingabeventile einzuspeisen und die Ausgabe zu überwachen. In dem Beispiel aus 1 war die ausgewählte Simulationssoftware NeuralWorks Professional II/Plus^©, entwickelt von NeuralWare Inc. Dies ist ein Back Propagation Network mit einer Lern-Delta-Regel, die eine Sigmoid-Aktivierungsfunktion verwendet. Ein Ventil von 0,05 ist für das Moment und 0,1 für LCoef Ratio in Erwägung gezogen worden, wobei die anderen NN-Werte auf ihre Standardwerte eingestellt werden.

Das fundamentale Element eines NN ist das Perzeptron. Ein Perzeptron ist ein Netzknoten mit N Eingaben x_I bis x_N und einer Ausgabe y, wie in 3 gezeigt. Die Eingaben werden mit einstellbaren Gewichten (w₁, ..., w_N) multipliziert und dann miteinander summiert. Die erhaltene Summe s ist das Argument einer Schwellenfunktion oder Aktivierungsfunktion T genannten Funktion. Der Merkmalsvektor x = (x₁, ... x_N) kann in das Perzeptron gespeist werden. Dann wirkt die Aktivierungsfunktion T auf die Summe s. T kann eine einfache Stufenfunktion sein, die den Wert 1 für s größer als ein gewisser Wert und 0 für kleinere Werte aufweist. Komplexere Aktivierungsfunktionen sind möglich. Der resultierende Effekt eines Perzeptrons ist, den Merkmalsraum linear in zwei Halbräume zu teilen. Die Aktivierungsfunktion bestimmt jedoch die Teilung des Merkmalsraums.

Um die Leistung des Perzeptrons zu erhöhen ist es möglich, Perzeptrone in eine Schicht zu ziehen. Wenn M die Anzahl der Perzeptrone in der Schicht ist, ist es möglich, den Raum in 2M-Halbräume oder bis zu 2^M konvexe Regionen mit einem Minimum von M+1 konvexen Regionen zu teilen. Um die Leistung eines ANN weiter zu verbessern ist es möglich, mehrschichtige Perzeptronen in Erwägung zu ziehen, wobei die M-Ausgabe der ersten Schicht die Eingaben der zweiten Schicht wird und so weiter. In diesen Fällen werden die Schichten, deren Ausgaben in die andere Schicht gespeist werden, versteckte Schichten genannt. Ein mehrschichtiges NN kann den Merkmalsraum nicht linear teilen.

Wenn die Aktivierungsfunktion eine einheitliche Stufenfunktion ist, dann gibt das Speisen eines Merkmalsvektors an das Netz einen Vektor wieder, der die zugehörige Klasse repräsentiert. Wenn alternativ die Aktivierungsfunktion komplexer ist, wird der Ausgabevektor in dem Raum der Klassen abgebildet, und eine Evaluierung der Entfernung wird notwendig, um die zugehörige Klasse zu bestimmen. Mit einer einzelnen versteckten Schicht ist es theoretisch möglich, eine beliebige Art von Analyse durchzuführen, die mit mehreren Schichten möglich wäre. Nichtsdestotrotz können mehrere versteckte Schichten verwendet werden, um eine große Anzahl an Perzeptronen in einer einzelnen Schicht zu vermeiden. Bis jetzt ist eine allgemeine Form eines NN erörtert worden, die Feed Forward NN genannt werden kann. Durch das Verändern der verfügbaren Parameter ist es möglich, einige unterschiedliche NN zu erhalten, die zu vielen unterschiedlichen Applikationen passen würden. Die verfügbaren Parameter sind die Anzahl an Perzeptronen, Schichten, die Werte der Gewichte und die Formen der Aktivierungsfunktionen für jede Schicht. Des Weiteren kann ein Functional Link Nets genannter Algorithmus ein einzelnes Schichtnetz von Extradimensionen oder Extramerkmalen bereitstellen, um Klassen zu unterscheiden, die nicht linear trennbar sind.

NN müssen zunächst trainiert werden (unter Aufsicht oder nicht unter Aufsicht). Wenn ein Satz an Mustern verfügbar ist, ist es möglich, die Gewichte einzustellen, um die gewünschten Klassen als Ausgaben zu haben, und dass die verschiedenen verfügbaren Algorithmen diese Aufgabe durchführen, ergibt einen großen Bereich an Möglichkeiten. Im Fall von Clustering existieren ebenfalls zahlreiche Algorithmen, die die Gewichte automatisch einstellen können.

ANN sind nicht die einzige Lösung bei assoziativem Mapping. Unter Verwendung von Fuzzy-Annäherungen können ebenfalls interessante Ergebnisse erhalten werden. Fuzzy Logic kann ebenfalls eine entscheidungstheoretische Lösung für Mustererkennungsprobleme bieten. Fuzzy Logic wird hier nicht erörtert, aber es ist wichtig, die Existenz möglicher Optionen bei der Mustererkennung zu kennen. Eine ausgiebigere Erklärung von Fuzzy Logic wird in dem Artikel „Pattern recognition with fuzzy objective function algorithms" von BEZDEK, J. C., (Plentum, 1981) gegeben.

Wenn das System aus 1 verwendet wird, wird die Kammer 10 auf einen Basisdruck von 10^–7 mbar evakuiert. Gase werden unter Verwendung eines Nadelventils (nicht gezeigt) von entweder einem unter Druck stehenden Gefäß, einem geheizten U-Rohr oder durch direkte Diffusion der flüchtigen Verbindungen von dem Behälter in die Kammer 10 gespeist. Der Plasma Therm-Generator 16 wird verwendet, um ein Plasma 18 zu erzeugen, wobei die HF-Leistung bei 10 W festgesetzt wird. Während der Erzeugung des Plasmas wird ein Hochvakuum-Baffleventil eingesetzt, um einen konstanten Druck von 10^–3 mbar aufrechtzuerhalten. Durch das Plasma 18 emittiertes Licht verläuft durch das Glasfenster 20 und wird durch das Spektrometer 24 erfasst. Die resultierenden Spektren 30 werden auf dem Computerbildschirm gezeigt und unter Verwendung der vorher beschriebenen ANN-Techniken analysiert. Wenn das in die Plasmakammer eingeführte Gas ein bekanntes Gas ist, wird das System gelehrt, dieses Gas durch das Abspeichern bekannter Spektren- oder Analysedaten zusammen mit Details des Gases zu erkennen. Auf diese Weise ist die Vorrichtung trainiert oder kalibriert. Wenn das in die Plasmakammer eingeführte Gas ein unbekanntes Gas ist, ist das System angepasst, um die Spektren oder die Daten, die aus der Erzeugung von Plasma 18 mit den abgespeicherten Werten resultieren, zu vergleichen und dadurch das Gas zu identifizieren.

Das System aus 1 kann verwendet werden, um viele verschiedene Gase zu erfassen oder zu identifizieren. Eine Vielzahl von Gasen und Gasmischungen ist getestet worden.

In diesem Fall wurde die Auflösung des Gitters für die Analyse der Spektren auf 100 Pixel (X)·0,2 normalisierte Intensität (V) zur Extrahierung von Merkmalen eingestellt. Das neuronale Netz wurde unter Verwendung der versteckten Schicht von 1 bis 25 Perzeptronen (oder Verarbeitungselemente, PE) und der versteckten Schicht von 2 bis 10 PE konfiguriert, 55 Eingaben wurden verwendet. Die Trainings- oder Lehrphase wurde unter Verwendung von Daten der ersten 10 Spektren von Luft und der ersten 10 Spektren von Stickstoff durchgeführt, wodurch das System gelehrt wurde, Spektren für Luft bzw. Stickstoff zu erkennen.

4 zeigt die Ergebnisse, die durch das Testen von 5 Proben Luft und 5 Proben Stickstoff erhalten wurden. Für jede Probe wurden vier konsekutive Spektren mit zentralen Wellenlängen von 400 nm, 550 nm, 700 nm bzw. 850 nm in Betracht gezogen. Die Spektren lieferten 1024 × 4 = 4096 Intensitäten (von denen einige überlappen). Die Ausgabe von 1 oder 0 gibt die relative Gewissheit des Programms für die Anwesenheit oder Abwesenheit des in Frage kommenden Gases an. Es ist ersichtlich, dass die Erkennung akkurat durchgeführt wurde. Es sei beachtet, dass das System die Gase mit nur 55 Eingaben unterschied.

Die gleiche obige Verfahrensweise wurde ebenfalls unter Reduzierung der Anzahl von PE in den versteckten Schichten ausgeführt. Insbesondere sind 0 PE für beide versteckten Schichten verwendet worden, um die gleichen Ergebnisse zu erhalten und die Effektivität des Prozesses zur Extrahierung von Merkmalen zu demonstrieren. Es ist daher ersichtlich, dass die Anordnung von 1 beim akkuraten Erfassen von Luft und Stickstoff effektiv ist.

Als ein weiteres Beispiel wurde die Anordnung aus 1 verwendet, um ein Spektrum von Aceton, eines von Luft und eines von Essig zu erfassen. Diese Verfahrensweise wurde 15 Mal für insgesamt 45 Spektren wiederholt. Spektren von Luft wurden wie oben beschrieben erlangt. Aceton und Essig mussten jedoch evaporiert werden, und zu diesem Zweck wurden zwei U-Rohre (nicht gezeigt) verwendet, eines für Aceton und das andere für Essig. Ein Gummirohr wurde von dem U-Rohr zu dem Nadelventil verbunden, und die Evaporation von Essig und Aceton wurde durch das Erhitzen erleichtert, und das nachfolgende Spektrum konnte aufgezeichnet werden. Zwischen beliebigen zwei Akquisitionen wurde der Druck der Kammer unter 10^–6 mbar gebracht.

Wie in 5 zu sehen ist, wurden Aceton und Essig erkannt, aber Luft wurde zweimal mit Essig (der zweiten und der dritten Probe von Luft) durcheinander gebracht. Nichtsdestotrotz sind diese Ausgaben viel versprechend, da 13 von 15 Proben korrekt erkannt wurden. Es wird erwartet, dass ein größerer Satz von Trainingsproben die Genauigkeit der Prädiktion verbessern würde.

Der Effekt des Reduzierens der PE der versteckten Schicht wurde durch das Reduzieren der PE in beiden versteckten Schichten auf 0 und das Halten der gleichen Anzahl von Eingaben erforscht. In diesem Fall war der Lernprozess so erfolgreich wie in dem Fall mit versteckten Schichten, aber leichte Unterschiede waren in den Ergebnissen der Testphase ersichtlich. Die Ergebnisse des Prozesses, wenn die versteckten Schichten auf 0 reduziert waren, sind in 6 gezeigt.

Aus 6 ist ersichtlich, dass Aceton und Essig immer noch erkannt werden konnten. Unterschiede sind jedoch in den ersten drei Proben von Luft im Vergleich zu den Ergebnissen aus 5 ersichtlich. Die erste ist erkannt worden, aber ihr Wert ist verringert worden (in der ersten Spalte der tatsächlichen Ausgaben). Der zweite und der dritte Wert haben sich auch verändert, aber sie sind falsch klassifiziert worden, wie in der vorherigen Verfahrensweise. Obwohl die Unterschiede minimal sind, könnten sie bemerkt werden. Bei einem größeren Trainingssatz wären die Unterschiede betont worden. Daraus kann geschlossen werden, das aus dem Netz mit versteckten Schichten bessere Ergebnisse erhalten werden (198 Eingaben-100 PE-50 PE).

Das Risiko des Überladens des Systems mit einer übermäßigen Anzahl an Merkmalen wurde behandelt. Dieser Effekt kann auftreten, wenn die Anzahl an Merkmalen in Relation zu der Anzahl an Trainingsproben zu groß ist. Nur 30 Proben wurden bei dieser experimentiellen Sitzung für Training in Erwägung gezogen, und das Risiko des Überladens ist möglich. Eine Konfiguration wie etwa eine sehr hohe Auflösung des Gitters könnte zu einer Übermäßigen Anzahl an Zellen/Eingaben führen. Wenn diese Situation auftritt, könnte das ANN dazu fähig sein, auffällige Charakteristiken für eine einzelne Probe zu erfassen, und wäre daher imstande, die Proben in jedem gewünschten Satz Klassen zu klassifizieren.

7 zeigt die Klassifizierung eines irreführenden Trainings. In diesem Fall wurde das NN auf das Ergeben der gewünschten Ausgabe, die nicht den Proben entsprachen, trainiert. Zum Beispiel wurden die ersten drei Luftproben mit den drei unterschiedlichen möglichen Ausgaben (001 010 100) trainiert. Klassifizierung konnte nicht richtig ausgeführt werden. Die erste Luftprobe wurde beispielsweise mit sehr verwirrenden Werten klassifiziert (0,2; 0,4: 0 anstelle von 0; 0; 1). Andere Reihen zeigen ähnliche verwirrende Ergebnisse. Dies bedeutet, dass Klassifizierung für diesen Satz Klassen nicht leicht durchgeführt werden konnte, mit Ausnahme der Möglichkeit des Überladens.

Die Vorrichtung aus 1 wurde verwendet, um zwischen zwei Typen von Kaffeebohnen zu unterscheiden. In diesem Fall wurde die Auflösung des Gitters auf 100·0,05 zur Extrahierung von Merkmalen eingestellt, und das neuronale Netz wurde unter Verwendung der versteckten Schicht 1 von 100 PE und der versteckten Schicht 2 von 50 PE konfiguriert. 198 Eingaben wurden verwendet.

Für diese experimentelle Sitzung wurden zwei unterschiedliche Mischungen von Kaffee verwendet – Probe A und Probe B, wobei beide von unterschiedlichen Lieferanten bezogen wurden. Evaporation und Akquisition wurden durchgeführt, um ein Gas auf die gleiche Weise wie in dem Fall von Essig und Aceton bereitzustellen. Das Training wurde erfolgreich mit der Klassifizierung von allen 16 Proben vervollständigt.

8 zeigt die Ergebnisse der Identifikation der Probe. Hieraus ist ersichtlich, dass die Erkennung schlecht ist. Die Anzahl der Zellen und die Anzahl der PE in der versteckten Schicht erschienen jedoch ausreichend. Es wurde angenommen, dass der Grund für die nicht erfolgreichen Ergebnisse in der Verfahrensweise der Akquisition lag, die durch die Schwierigkeiten beim Evaporieren des Kaffees beeinflusst wurden. Um diese Annahme zu überprüfen, wurde das Evaporationssystem des U-Rohrs verworfen, und Geruch wurde von den Bohnen erlangt, indem ein Rohr direkt in den Kaffeebehälter geführt wurde. Unter Verwendung der modifizierten Sammlungstechnik wurden keine Probleme bei der Klassifizierung der 30 Proben der zwei unterschiedlichen Mischungen angetroffen. Ergebnisse nach dem Test sind in 9 aufgelistet, was zeigt, dass 9 von 10 Proben richtig erkannt wurden.

10 zeigt ein weiteres System, das zur Erkennung von Gasen verwendet werden kann. Das gesamte System kann in vier Haupt-Untersysteme unterteilt werden: eine Plasmaanzeige 34, ein Gasflusssteuerungssystem, Antriebsschaltkreiselektronik und ein Spektrumakquisitionssystem.

11 zeigt die verschiedenen Teile der Plasmaanzeige 34. Diese wird unter Verwendung eines Photolithographieprozesses gefertigt. Die Plasmaanzeige 34 weist zwei Glasplatten 36 und 38 auf, die mit Zinnoxidstreifen 40 gestaltet sind, wobei die Streifen 40 die Plasmaelektroden bilden. Die Glasplatten 36 und 38 sind so positioniert, dass die Zinnoxidstreifen 40 nach innen zueinander geneigt sind. Auf jeder Platte 36 und 38 werden vier Elektrodenstreifen 40 bereitgestellt. Der Schnittpunkt zwischen den Streifen definiert Pixel. In der Anzeige von 11 sind folglich sechzehn Pixel vorhanden. Die Spannung kann auf jede einzelne Elektrodenleitung angelegt werden, so dass das gewünschte Pixel „eingeschaltet" ist. Ein Abstandsstück 42 trennt die zwei Glasplatten 36 und 38. Das Abstandsstück 42 kann ein Film oder Teflon oder ein weicher Siliciumkautschuk mit etwas Vakuumkleber auf jeder Seite oder ein beliebiges anderes geeignetes Material sein. Das Abstandsstück zwischen den inneren Flächen der Glasplatten liegt im Bereich von im Wesentlichen 40 bis 200 &mgr;m, vorzugsweise 50 bis 100 &mgr;m. Zwei Löcher 44 und 46 sind in das obere Glas für den Gaseinlass 44 und -auslass 46 gebohrt. Als eine Alternative könnten die Glasplatten durch Si ersetzt werden und die Zinnoxidelektroden könnten durch dotiertes Silicium ersetzt werden. In diesem Fall könnte die Plasmaanzeige als eine MEMS-artige Vorrichtung gefertigt werden.

Mit dem Gasauslass der Plasmaanzeige ist eine Pumpe verbunden, wobei die Pumpe Teil des Gasflusssteuerungssystems ist. Das Gasflusssteuerungssystem weist eine Rohrleitung von der Plasmaanzeige 34 zu der Pumpe hin auf, wobei ein Druckmesser 50 und ein Ventil 52 auf der Rohrleitung 48 bereitgestellt werden. Der Druckmesser 50 ist ein Baratron^®-Kapazitanz-Manometer des Typs 626, erworben bei MKS. Es weist einen Bereich im Originalmaßstab von 1000 mmHg mit einer Lesegenauigkeit von 0,25 % auf. Das Ventil 52 wird benötigt, um den Ausgabefluss zu einer Pumpe 54 zu steuern, so dass der gewünschte Druck aufrecht gehalten werden kann. Die Pumpe 54 ist eine Kombination in Reihe einer Kreiselpumpe und einer Diffusionspumpe. Der Gaseinlass 44 der Anzeige 34 ist mit zwei Massenstromsteuerungen 56 und 58 verbunden, die die Masse und Konzentration zwei unterschiedlicher Gase regulieren. Ein Mehrkanal-Gasstrom- und -drucksteuerungsgerät 60 steuert die zwei Massenstromsteuerungen 56 und 58 und liest den Druck von dem Baratron^®-Manometer 50. Diese Vorrichtung ermöglicht das Eintreten von festgesetzten Flusspunkten und Gaskonzentrationen, die automatisch gehalten werden, sowie viele andere Funktionen.

Um die Plasmaanzeige 34 zur Erzeugung eines Plasmas anzutreiben, wird ein Antriebsschaltkreis 62 bereitgestellt. Dies kann eine Spannung im Bereich von 0–700 Volt DC liefern. Wenn der Steuerkreis mit einem Signalgenerator verbunden ist, kann er im Bereich von –300 bis 300 Volt schwingende Gleichstromsignale liefern. Er kann alle acht Elektrodenstreifen separat steuern und verschiedene Widerstände (0–10 M) in Reihe verbinden, um Strombegrenzung bereitzustellen. HM 2000 weist eine PC-Schnittstelle und ein LabView^®-Programm auf, die zusammen die Messung der angelegten Spannung bei den Anzeigeelektroden und dem Strom ermöglichen. Die angelegte Spannung ist entweder von der Frontplatte des HM 2000 oder von dem PC steuerbar. Eine provisorische DAG-Karte 64 wird verwendet, die keine Ausgabe aufweist, so dass die angelegte Spannung manuell gesteuert werden muss.

Wenn ein Plasma erzeugt wird, wird Licht emittiert, wobei das Licht über einen Glasfaserleiter an ein Spektrometer 66 übertragen wird, das ein PC1000 PC Plug-in Spectrometer 66 von Ocean Optics ist. Die ist ein Miniatur-Spektrometer 66, das in einen Standard ISA-Bus-Schlitz eines PCs passt. Es weist einen Spektralbereich von 350–850 nm und eine Blaze-Wellenlänge bei 500 nm auf. Software wird zusammen mit dem Spektrometer 66, OOIBase bereitgestellt. OOIBase erlangt Daten und führt Grundarbeitsvorgänge wie etwa Entfernung und Integration von Hintergrundfunktionen durch. Manche anderen Funktionen wie etwa Glättung sind ebenfalls möglich. Das Spektrometer 66 sollte selbstkalibriert sein, trotzdem kann etwas Zeilenverschiebung vorhanden sein. Eine zusätzliche Kalibrierung ist mit einem Heliumneonlaser durchgeführt worden.

Bei Verwendung des Systems aus 10 wird ein zu erkennendes Gas über den Gaseinlass in die Plasmaanzeige eingeführt. Auf diese Weise eingeführtes Gas bewegt sich zwischen den Glasplatten 36 und 38 und dem Abstandsstück 42. Eine Spannung wird dann auf die Elektroden 40 angelegt, um ein Plasma 18 zu erzeugen. Sobald das Plasma erzeugt ist, wird Licht mit einem einzigartigen Spektrum emittiert. In der Tat wirken die Glasplatten als Wellenleiter und führen das emittierte Licht zu einem Glasfaserleiter von dort zu dem Spektrometer 66. Wie bei der Anordnung aus 1 ist das Spektrometer 66 angepasst, um das empfangene Licht zu analysieren, um dadurch bei der Identifikation des Gases zu helfen.

Aceton war in einem U-Glaszylinder eingeschlossen, und die Öffnung an dem Einlass einer der zwei Massenstromsteuerungen 56 und 58 befestigt. Die andere Massenstromsteuerung war mit der Argonflasche verbunden. Mit Luft gemischtes Aceton floss bei 20 sccm und Argon bei 0,8 sccm, um einen Druck von um die 20,8 Torr aufrechtzuerhalten. Argon war notwendig, um den Ablass zu erleichtern. Eine Spannung von 610 Volt wurde über die Elektroden 40 hinweg angelegt. Spektren wurden dann von der folgenden Emission genommen. Ein weiterer Satz von Spektren wurde einfach durch das Platzieren des Einlasses der Massenstromsteuerung an der Mündung eines Acetonglaszylinders genommen. In diesem Fall war das Einlassrohr frei, ebenfalls Luft in der umgebenden Gegend zu testen. Der dritte Satz Spektren wurde von der Plasmaemission von Luft genommen. Spektren wurden vor dem Vergleich durch den Energieinhalt normalisiert.

Der offensichtlichste Unterschied wird um 383,69 nm herum gezeigt. Einige andere Peaks aufgrund von Luftelementen verstecken mit Aceton verwandte Peaks (Matrixeffekt). Die Erfassung von Acetongeruch ist jedoch immer noch möglich. Unterschiede zwischen Prüfen bei geschlossenem Glaszylinder und Prüfen bei offenem Glaszylinder legen Einsatzmöglichkeiten zur Quantifizierung nah. Diese Ergebnisse heben die Möglichkeit der Verwendung einer solch einfachen Technik hervor, um Pathologien zu diagnostizieren, die einer Überproduktion von Aceton in Körperflüssigkeiten (z. B. Atmungsgasen) unterzogen werden. Große Verbesserungen können durch das Variieren von Spektralbereichen und Spektralauflösung und die Annahme chemometrischer Techniken erhalten werden.

Die Fähigkeit der Anordnung aus 1 und 10, Gase zu erkennen, weist viele nützliche Applikationen auf. In der Medizin ist es zum Beispiel bekannt, dass sich Atmungsgase von asthmatischen Patienten von denen von gesunden Erwachsenen unterscheiden. Durch das Erfassen von Unterschieden in den Gasen, die von einer Person ausgeatmet werden, ist es daher möglich zu identifizieren, ob eine Person asthmatisch ist oder nicht.

Asthmatische Testpersonen und gesunde Testpersonen wurden gebeten, in einen Ballon zu atmen. Auf diese Weise wurden dann Atmungsgase durch die Massenstromsteuerung in die Mikrokammer geleitet. Die Durchflussrate wurde auf 0,8 sccm für Argon und 20 sccm für Atemproben gesetzt. Anfangs wurden Sätze von Atmungsgasen von einem Patienten mit schwerem Asthma, einem Patienten mit leichtem Asthma und einer gesunden Testperson genommen. Spektrale Emissionen werden in 12 gezeigt. Unterschiede werden klar durch die Spektren gezeigt, was nahe legt, dass dies ein viel versprechendes Diagnosewerkzeug sein könnte.

Ein System ist auf der Basis von optischen Plasmaemissionen und einem künstlichen neuronalen Netz zur Erfassung und Erkennung von Gasen entwickelt worden. Das System kann Spezies mit einer ähnlichen chemischen Zusammensetzung wie etwa Aceton und Essig unterscheiden, und kann zwischen unterschiedlichen Marken von Kaffeekörnchen unterscheiden. Die Genauigkeit des Systems hängt von der Anzahl an Trainingproben ab, die in das neuronale Netz gespeist werden, der Konfiguration des Netzes (versteckte Schichten des PE) und der Auflösung des Gitters, das zur Extrahierung von Merkmalen verwendet wird. Selbst mit relativ wenigen Trainingsproben und wenig Manipulation des neuronalen Netzes ist die Genauigkeit der Identifizierungsprozedur immer noch gut. Ein weiterer Vorteil ist, dass das System verlässlich arbeitet.

Ein Fachmann wird verstehen, dass Variationen der offenbarten Anordnungen möglich sind, ohne von der Erfindung abzuweichen. Demgemäß wird die obige Beschreibung der spezifischen Ausführungsformen lediglich beispielhaft und nicht zum Zweck der Einschränkung vorgenommen. Insbesondere wird es dem Fachmann klar sein, dass geringfügige Modifizierungen ohne bedeutende Veränderungen an den oben beschriebenen Vorrichtungen und Verfahren gemacht werden können.